燒結(jié)混合料制備過(guò)程智能集成優(yōu)化控制策略及其工業(yè)應(yīng)用.pdf

1、燒結(jié)過(guò)程是煉鐵工藝中的重要流程，其中的配料與混合制粒過(guò)程屬于混合料制備過(guò)程。在實(shí)際工業(yè)生產(chǎn)中，混合料制備過(guò)程并未得到充分優(yōu)化，在配料方面存在混合料成分準(zhǔn)確率不高，燒結(jié)礦質(zhì)量波動(dòng)的問(wèn)題;存在成本和硫含量偏高，經(jīng)濟(jì)效益和環(huán)境效益不高的問(wèn)題;在混合制粒方面，存在混合料粒度分布欠合理，燒結(jié)工序能耗高的問(wèn)題。針對(duì)上述問(wèn)題，本文圍繞混合料制備過(guò)程智能集成優(yōu)化控制策略展開(kāi)研究，主要的研究工作與創(chuàng)新點(diǎn)如下:
　　(1)基于機(jī)理分析和數(shù)據(jù)驅(qū)動(dòng)的燒結(jié)

2、配料過(guò)程智能集成建模方法針對(duì)燒結(jié)礦質(zhì)量預(yù)測(cè)復(fù)雜，配料準(zhǔn)確率較低而導(dǎo)致燒結(jié)礦質(zhì)量波動(dòng)的問(wèn)題，提出一種燒結(jié)礦質(zhì)量級(jí)聯(lián)集成預(yù)測(cè)模型。首先，分析燒結(jié)過(guò)程中化學(xué)反應(yīng)物質(zhì)質(zhì)變和量變關(guān)系，建立燒結(jié)礦質(zhì)量的機(jī)理模型;根據(jù)灰色關(guān)聯(lián)度分析方法確定影響燒結(jié)礦質(zhì)量的關(guān)鍵參數(shù)，并將其區(qū)分為已知的配料參數(shù)信息和未知的燒結(jié)過(guò)程狀態(tài)參數(shù);依據(jù)燒結(jié)生產(chǎn)穩(wěn)定性要求，建立T-S模糊融合的GM(1，1)灰色模型和最小二乘支持向量機(jī)(LS-SVM)集成模型，獲得燒結(jié)過(guò)程狀態(tài)參數(shù)

3、合理的預(yù)測(cè)值。在此基礎(chǔ)上，分別建立具有全局逼近能力BP神經(jīng)網(wǎng)絡(luò)模型(BPNN)和局部泛化能力的LS-SVM模型以預(yù)測(cè)燒結(jié)礦質(zhì)量，并從信息論的觀點(diǎn)出發(fā)，提出一種根據(jù)預(yù)測(cè)誤差序列的變異程度加權(quán)的信息熵融合方法，通過(guò)對(duì)機(jī)理模型、BPNN和LS-SVM模型的預(yù)測(cè)結(jié)果進(jìn)行加權(quán)集成，獲得準(zhǔn)確的燒結(jié)礦質(zhì)量預(yù)測(cè)值。仿真結(jié)果和實(shí)際運(yùn)行表明級(jí)聯(lián)集成模型的預(yù)測(cè)精度高于單級(jí)預(yù)測(cè)模型和級(jí)聯(lián)單一預(yù)測(cè)模型，能夠準(zhǔn)確預(yù)測(cè)燒結(jié)礦質(zhì)量，滿足配料計(jì)算對(duì)預(yù)測(cè)精度和數(shù)據(jù)完備性的

4、要求。
　　通過(guò)研究焦粉配比與燒結(jié)礦質(zhì)量之間的數(shù)值關(guān)系，建立以燒結(jié)礦質(zhì)量為約束的焦粉配比優(yōu)化模型;通過(guò)研究燒結(jié)過(guò)程的主要物理、化學(xué)變化，建立基于熱平衡的焦粉配比下限模型，從而縮小焦粉配比優(yōu)化模型的搜索范圍，克服了傳統(tǒng)經(jīng)驗(yàn)配比難以實(shí)現(xiàn)焦粉用量?jī)?yōu)化的局限性，為實(shí)現(xiàn)燒結(jié)配料過(guò)程節(jié)能目標(biāo)奠定了基礎(chǔ)。
　　(2)兼顧降低成本與減少硫含量的燒結(jié)配料多目標(biāo)優(yōu)化模型針對(duì)傳統(tǒng)配料方法中存在成本和污染物元素含量偏高，而一般的配料優(yōu)化模型既缺乏對(duì)

5、燒結(jié)配料工藝過(guò)程的合理描述，也缺乏對(duì)能耗、環(huán)境效益的關(guān)注問(wèn)題，結(jié)合燒結(jié)配料中一次配料與二次配料不同的工藝特點(diǎn)和指標(biāo)要求，在分析燒結(jié)過(guò)程原料關(guān)鍵化學(xué)成分指標(biāo)和經(jīng)濟(jì)性基礎(chǔ)上，以庫(kù)存量和燒結(jié)礦化學(xué)成分指標(biāo)為約束條件，建立一種基于線性加權(quán)和的燒結(jié)配料多目標(biāo)優(yōu)化模型（包括一次配料和二次配料多目標(biāo)優(yōu)化模型），較傳統(tǒng)的配料成本優(yōu)化模型而言，實(shí)現(xiàn)兼顧降低配料成本與減少硫含量的燒結(jié)配料多目標(biāo)優(yōu)化。
　　(3)燒結(jié)配料多目標(biāo)綜合優(yōu)化方法在建立基于線性

6、加權(quán)和的燒結(jié)配料多目標(biāo)優(yōu)化模型的基礎(chǔ)上，本文設(shè)計(jì)基于線性規(guī)劃(LP)和遺傳-粒子群(GA-PSO)的燒結(jié)配料多目標(biāo)綜合優(yōu)化算法，搜索一次配料與二次配料優(yōu)化模型的最優(yōu)配比。該算法首先采用LP方法求解基于線性加權(quán)和的燒結(jié)配料多目標(biāo)優(yōu)化模型的最優(yōu)解，若LP方法計(jì)算失效，則采用GA-PSO算法進(jìn)行搜索，算法搜索初期采用基本粒子群算法(PSO)，當(dāng)PSO收斂停滯，采用遺傳算法(GA)的交叉、變異操作增加粒子群的多樣性，避免了基本PSO算法收斂末期

7、的振蕩特點(diǎn)，實(shí)現(xiàn)快速收斂。本文將燒結(jié)配料多目標(biāo)綜合優(yōu)化算法應(yīng)用工業(yè)生產(chǎn)現(xiàn)場(chǎng)，實(shí)現(xiàn)燒結(jié)配料配比優(yōu)化。
　　(4)基于粒度分布評(píng)估的混合制粒智能集成優(yōu)化控制策略混合料粒度分布影響因素眾多，而工藝指標(biāo)僅對(duì)混合料粒度分布進(jìn)行定性描述。粒度分布優(yōu)化控制缺乏準(zhǔn)確的數(shù)學(xué)模型和明確的優(yōu)化目標(biāo)，采用傳統(tǒng)優(yōu)化方法與控制策略難以實(shí)現(xiàn)粒度分布優(yōu)化控制。針對(duì)上述問(wèn)題，本文提出一種基于粒度分布評(píng)估與優(yōu)化的控制算法。首先，提出粒級(jí)參數(shù)的概念，將連續(xù)的粒度分布用

8、離散的粒級(jí)參數(shù)表示;其次，分析篩分實(shí)驗(yàn)粒級(jí)參數(shù)與對(duì)應(yīng)混合料的燒結(jié)狀態(tài)，采用料層厚度和平均透氣性指數(shù)建立模糊評(píng)估函數(shù)，建立粒級(jí)參數(shù)與對(duì)應(yīng)評(píng)估值的樣本集，采用基于BP神經(jīng)網(wǎng)絡(luò)方法建立粒級(jí)參數(shù)的評(píng)估模型;再次，以評(píng)估模型為目標(biāo)函數(shù)，以粒級(jí)參數(shù)為決策變量，在生產(chǎn)邊界條件的約束下采用PSO算法求解獲得最優(yōu)粒級(jí)參數(shù);最后，建立水分設(shè)定模型，通過(guò)代入最優(yōu)粒級(jí)參數(shù)求解得到制粒過(guò)程水分優(yōu)化設(shè)定值，克服了傳統(tǒng)水分控制難以實(shí)現(xiàn)粒度分布優(yōu)化控制的局限性。仿真實(shí)