版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、我國赤鐵礦資源豐富,但其品位低、磁性弱、礦物成分復(fù)雜等特點增大了選別難度,因此選礦廠常采用焙燒-磁選工藝進行選別以得到質(zhì)量合格的精礦和尾礦。選礦過程運行指標優(yōu)化是以確定各工藝中運行指標設(shè)定值為目的,使優(yōu)化所得設(shè)定值在符合各類約束的同時實現(xiàn)綜合精礦品位和綜合精礦產(chǎn)量的最大化。由于運行指標和綜合生產(chǎn)指標之間機理復(fù)雜,難以用精確的數(shù)學(xué)模型進行描述,因此很難采用現(xiàn)有的傳統(tǒng)優(yōu)化方法進行指標決策。所以實際中運行優(yōu)化指標設(shè)定值往往由人工經(jīng)驗選取,存在
2、隨機性大、調(diào)整不當或不及時會造成產(chǎn)品質(zhì)量差、能耗高、資源消耗大等問題。因此,研究如何代替人工經(jīng)驗進行運行指標設(shè)定值的確定對提高綜合精礦品位和產(chǎn)量具有重要意義。
與傳統(tǒng)優(yōu)化算法不同,進化算法對所優(yōu)化的問題具有廣泛的適用性,而不會過度要求可導(dǎo)、連續(xù)、單峰等性質(zhì)。利用智能進化算法可實現(xiàn)運行指標決策優(yōu)化,且同時可根據(jù)生產(chǎn)實際工況而在滿足多目標和約束要求的非支配解集中選取合適的設(shè)定值。因此,研究如何利用智能優(yōu)化算法代替人工經(jīng)驗來進行選礦
3、運行指標決策,確定各個運行過程中的指標設(shè)定值使綜精品位和綜精產(chǎn)量盡可能高以達到期望生產(chǎn)目標是具有重要理論研究意義和應(yīng)用價值。
近年來,差分進化算法以其結(jié)構(gòu)簡單、容易實現(xiàn)、收斂快速、魯棒性強以及易與其它優(yōu)化技術(shù)策略混合的特點被成功應(yīng)用于多個領(lǐng)域。因此本文針對上述問題,依托國家自然科學(xué)基金項目《復(fù)雜工業(yè)過程運行指標閉環(huán)優(yōu)化方法研究(61273031)》,開展基于差分算法的選礦生產(chǎn)全流程運行指標優(yōu)化決策方法的研究,主要工作如下:
4、r> 1)選礦過程運行指標的優(yōu)化決策問題描述。給出了選礦過程運行指標優(yōu)化決策的性能指標——綜合精礦品位和產(chǎn)量輸出的描述,確立了優(yōu)化決策的約束條件和決策變量,并對上述運行指標優(yōu)化決策問題的重要性和難度進行了分析。
2)提出了一種基于正交設(shè)計和存檔機制的混合差分進化算法——OPEADE。算法引入正交技術(shù)以增強種群多樣性;引入存檔機制以減少優(yōu)秀解丟失的概率,同時存檔種群可作為精英池,利用池中精英解指導(dǎo)種群進化;引入自適應(yīng)ε占優(yōu)技術(shù)
5、使得期望解的數(shù)量可控,以大幅提高運行速度,同時自適應(yīng)技術(shù)的引用還能減少待設(shè)定參數(shù)個數(shù),提高算法的易用性。同時,為驗證算法中各個核心技術(shù)的有效性,本文將所提出的方法與五種算法:基本差分算法DE、與正交實驗設(shè)計結(jié)合的差分算法ODE、基于Pareto占優(yōu)更新存檔機制的混合差分算法ArchiveDE、基于ε占優(yōu)更新存檔機制的混合差分算法 E-DE以及OPEADE構(gòu)架相同但啟用隨機種群初始化的RPEADE算法對比以判定各技術(shù)的引入對所提算法的優(yōu)劣
6、影響及程度。利用ZDT1(高維凸函數(shù))、ZDT2(高維非凸函數(shù))和ZDT3(高維不連續(xù)凸函數(shù))三種標準測試函數(shù)對六種算法在四種進化條件下進行算法性能測試,并選用收斂性指標γ、多樣性指標Δ和可以綜合考慮收斂性和分布性的超體積比率hyper_ratio三種性能評價標準對優(yōu)化結(jié)果進行優(yōu)劣性能分析。分析結(jié)果最終表明,各技術(shù)的引入在收斂性、多樣性和分布性上對算法均存在提高作用,且本文提出算法具有良好的收斂性能和分布性能,尤其是在可以綜合評定算法多
7、樣性和收斂性的超體積性能指標優(yōu)劣排名中,OPEADE僅一次排名第二,其它情況皆為最優(yōu),驗證了該算法在多目標優(yōu)化性能上具有收斂性強、多樣性好、分布均勻的特點。
3)采用本文所提出的OPEADE算法,結(jié)合選礦過程運行指標決策問題,提出了基于OPEADE算法的選礦過程運行指標優(yōu)化決策方法。由于選礦運行指標優(yōu)化分解的數(shù)學(xué)模型機理復(fù)雜,難以確定其真實最優(yōu)解,無法直接利用本文采用的γ、Δ和hyper_ratio三種性能指標判定選礦運行指標
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多目標混合差分進化算法的電機優(yōu)化設(shè)計.pdf
- 多目標差分進化算法研究.pdf
- 基于差分進化算法的連鑄冷卻過程多目標優(yōu)化.pdf
- 解決多目標優(yōu)化問題的差分進化算法研究.pdf
- 基于分區(qū)域的多目標差分進化算法.pdf
- 基于跳躍基因的多目標差分進化算法研究
- 多目標差分進化算法的改進研究.pdf
- 解多目標優(yōu)化問題的改進差分進化算法研究.pdf
- 基于目標優(yōu)化的差分進化算法研究.pdf
- 多目標差分進化算法的自適應(yīng)策略研究.pdf
- 多目標聯(lián)盟運輸調(diào)度的差分進化算法研究.pdf
- 806.基于分解的多目標量子差分進化算法研究
- 多目標動態(tài)差分進化算法及其應(yīng)用研究.pdf
- 應(yīng)用于多目標優(yōu)化問題的非支配排序差分進化算法.pdf
- 24689.基于粒子群優(yōu)化與差分進化混合算法的多目標優(yōu)化及應(yīng)用
- 基于二次序列規(guī)劃和差分進化的單目標及多目標魯棒優(yōu)化算法.pdf
- 基于云模型的差分進化優(yōu)化算法.pdf
- 選礦全流程綜合生產(chǎn)指標動態(tài)多目標優(yōu)化方法.pdf
- 基于差分進化算法的天線優(yōu)化設(shè)計技術(shù).pdf
- 設(shè)備能力變化下的選礦綜合生產(chǎn)指標多目標優(yōu)化方法.pdf
評論
0/150
提交評論