電熔鎂爐單噸電耗指標(biāo)優(yōu)化決策方法研究.pdf

1、電熔鎂爐以菱鎂礦或輕燒鎂粉（煅燒菱鎂礦所得）為原料，通過將原料加熱到2800度左右，使其熔融、析出雜質(zhì)、重新結(jié)晶后得到質(zhì)量合格的電熔鎂砂。電熔鎂砂廣泛應(yīng)用于冶金、建材等領(lǐng)域。單噸電耗指標(biāo)是電熔鎂爐的運行指標(biāo)，其含義是生產(chǎn)單位合格電熔鎂砂所消耗的電量。電熔鎂爐運行優(yōu)化控制系統(tǒng)根據(jù)單噸電耗指標(biāo)的目標(biāo)值確定三相電極電流設(shè)定值，通過電流控制器使電極電流跟蹤設(shè)定值，從而將單噸電耗指標(biāo)控制在目標(biāo)范圍內(nèi)。電熔鎂爐單噸電耗指標(biāo)的目標(biāo)值關(guān)系到電熔鎂廠群爐

2、綜合生產(chǎn)指標(biāo)即群爐總產(chǎn)量、總耗電量、高品位率。因此，單噸電耗指標(biāo)的目標(biāo)值優(yōu)化決策對提高群爐總產(chǎn)量、高品位率，降低群爐總耗電量具有重要意義。
　　電熔鎂爐單噸電耗指標(biāo)的目標(biāo)值優(yōu)化決策要使群爐總產(chǎn)量及高品位率盡可能大，使群爐總耗電量盡可能小，綜合生產(chǎn)指標(biāo)之間既聯(lián)系又相互沖突。群爐總產(chǎn)量、高品位率、總耗電量與電熔鎂爐單噸電耗之間特性難以采用機理分析建立數(shù)學(xué)模型，原料氧化鎂成分、粒度隨批次變化影響其特性。群爐平均功率受到上限約束，而單臺電

3、熔鎂爐平均功率與單噸電耗之間的動態(tài)特性機理不清，難以采用機理分析建立數(shù)學(xué)模型。上述特性變化涉及小時與分鐘兩種尺度，因此電熔鎂爐單噸電耗指標(biāo)的目標(biāo)值優(yōu)化決策問題為難以建立模型的、兩尺度、動態(tài)多目標(biāo)優(yōu)化問題，難以采用現(xiàn)有的優(yōu)化方法解決。目前電熔鎂爐單噸電耗指標(biāo)的目標(biāo)值確定由人工憑經(jīng)驗決策，造成群爐平均功率常常超出其上限，并且群爐總產(chǎn)量、高品位率低，而總耗電量高。因此，研究電熔鎂爐單噸電耗指標(biāo)的目標(biāo)值優(yōu)化決策方法，對于實現(xiàn)群爐總產(chǎn)量、高品位率

4、、總耗電量的多目標(biāo)優(yōu)化具有重要理論意義和應(yīng)用價值。
　　本文依托國家重點基礎(chǔ)研究發(fā)展計劃（973計劃）項目課題“復(fù)雜生產(chǎn)制造全流程一體化控制系統(tǒng)整體控制策略與運行控制方法”(2009CB320601)，開展了電熔鎂爐單噸電耗指標(biāo)目標(biāo)值優(yōu)化決策方法研究，主要研究工作如下：
　　1)給出了電熔鎂爐單噸電耗指標(biāo)目標(biāo)值優(yōu)化決策問題的數(shù)學(xué)描述。其性能指標(biāo)為最大化群爐總產(chǎn)量、高品位率，最小化群爐總耗電量;約束方程為綜合生產(chǎn)指標(biāo)模型，電熔

5、鎂爐平均功率模型，以及群爐總產(chǎn)量、高品位率、群爐總耗電量等指標(biāo)的目標(biāo)值范圍，群爐平均功率上限約束，電熔鎂爐單噸電耗指標(biāo)的目標(biāo)值取值范圍;決策變量為全廠每臺電熔鎂爐的單噸電耗指標(biāo)。對該問題難以采用已有優(yōu)化方法解決進行了分析。
　　2)采用最小二乘支持向量機(LSSVM)分別建立全廠每臺電熔鎂爐的產(chǎn)量、高品位率與單噸電耗之間的模型，在此基礎(chǔ)上建立了群爐總產(chǎn)量、高品位率以及總耗電量的指標(biāo)模型。設(shè)計了自適應(yīng)網(wǎng)格粒子群優(yōu)化算法來選擇LSSV

6、M的核函數(shù)參數(shù)與正則化系數(shù)以提高模型精度。針對平均功率模型動態(tài)變化特性，采用在線LSSVM建立了電熔鎂爐平均功率模型。并針對該模型在線學(xué)習(xí)中核函數(shù)參數(shù)不能根據(jù)新樣本數(shù)據(jù)調(diào)整，導(dǎo)致模型訓(xùn)練精度較低的問題，提出了基于可控偽隨機收縮粒子群優(yōu)化的核函數(shù)參數(shù)在線調(diào)整算法。利用電熔鎂廠實際生產(chǎn)數(shù)據(jù)對所提建模方法進行了實驗驗證，結(jié)果表明所提出的性能指標(biāo)模型建模方法比其它方法具有更高的建模精度;所提出的平均功率模型建模方法能夠縮短模型訓(xùn)練時間并提高模型

7、訓(xùn)練精度。
　　3)提出了基于案例推理和改進非支配解集構(gòu)造的多目標(biāo)粒子群優(yōu)化算法(MOPSO)。采用案例庫存儲MOPSO產(chǎn)生的Pareto最優(yōu)解，當(dāng)動態(tài)變化產(chǎn)生后，利用案例推理來提取與當(dāng)前問題相似度最高的案例解，增加到當(dāng)前種群中，以引導(dǎo)MOPSO迅速搜索問題變化后的Pareto最優(yōu)集。針對現(xiàn)有的非支配解集構(gòu)造方法效率低問題，提出了三種非支配解集構(gòu)造方法，即基于基準(zhǔn)值比較的兩目標(biāo)優(yōu)化非支配解集構(gòu)造方法、基于基準(zhǔn)向量的三目標(biāo)優(yōu)化非支配

8、解集構(gòu)造方法以及基于排序矩陣的高維目標(biāo)優(yōu)化非支配解集構(gòu)造方法。前兩種方法將當(dāng)前MOPSO算法構(gòu)造非支配解集的時間復(fù)雜度由多項式級降低到線性對數(shù)級或線性級。并證明三種方法能夠無錯誤的識別出種群中全部非支配個體。采用標(biāo)準(zhǔn)測試問題對所提出的方法進行了仿真實驗，結(jié)果表明基于改進非支配解集構(gòu)造的MOPSO每代運行所需CPU時間明顯低于未改進的MOPSO，并且該優(yōu)勢隨著算法種群規(guī)模的增大而更加明顯;與現(xiàn)有兩種典型多目標(biāo)進化算法NSGA2、SPEA2

9、相比，所提出的方法收斂速度更快且跟蹤Pareto最優(yōu)集移動的性能更好。
　　4)采用提出的多目標(biāo)粒子群優(yōu)化算法，結(jié)合電熔鎂爐單噸電耗指標(biāo)優(yōu)化決策問題特點，提出了電熔鎂爐單噸電耗指標(biāo)的目標(biāo)值優(yōu)化決策方法。該方法由基于案例推理的種群初始化、基于多目標(biāo)粒子群優(yōu)化算法的單噸電耗指標(biāo)優(yōu)化、基于規(guī)則的約束處理以及最優(yōu)解的選擇組成。其中，案例推理根據(jù)當(dāng)前原料氧化鎂成分、原料粒度、電熔鎂爐平均功率實測值、單噸電耗預(yù)報值等參數(shù)，產(chǎn)生與當(dāng)前問題相似度

10、最高的案例解，生成粒子群優(yōu)化算法的初始化種群;采用基于改進非支配解集構(gòu)造的多目標(biāo)粒子群優(yōu)化算法搜索單噸電耗指標(biāo)優(yōu)化問題的Pareto最優(yōu)集。對于違背群爐平均功率上限約束的解采用基于規(guī)則的方法進行修復(fù)。采用群爐平均功率指標(biāo)最小化準(zhǔn)則從Pareto最優(yōu)集中挑選出一個解作為電熔鎂爐單噸電耗指標(biāo)目標(biāo)值。利用電熔鎂廠實際生產(chǎn)數(shù)據(jù)對所提優(yōu)化決策方法進行了實驗驗證，實驗結(jié)果表明所提方法比人工決策方法獲得的群爐總產(chǎn)量指標(biāo)提高8.26％，總耗電量指標(biāo)降低