公开/公告号CN113160899A
专利类型发明专利
公开/公告日2021-07-23
原文格式PDF
申请/专利号CN202011630373.9
申请日2020-12-31
分类号G16C20/10(20190101);G16C10/00(20190101);G16C20/70(20190101);G16C60/00(20190101);G06N3/12(20060101);
代理机构44248 深圳市科吉华烽知识产权事务所(普通合伙);
代理人胡吉科
地址 214000 江苏省无锡市惠山区钱桥街道钱藕路10号
入库时间 2023-06-19 11:57:35
技术领域
本发明属于计算机应用混匀烧结配料领域,涉及一种基于NSGA-II算法的烧结配料多目标优化方法。
背景技术
烧结是高炉炼铁生产中精料的关键工序之一,烧结的主要作用在于使炼铁原料中的铁精矿和粉矿经过烧结后变成具有一定强度的大块烧结矿,以满足高炉对炉料粒度的要求;烧结配料的目的在于将不同品种的含铁粉料、烧结燃料、烧结熔剂根据烧结的需要进行精确合理的搭配,使混匀矿的化学成分符合烧结生产的要求,满足高炉对炉料成分的要求,改善混匀矿的烧结性能和冶金性能,有利于炼铁生产优质、高产和低耗;吨铁成本、烧结成本和高炉焦比的降低,有利于节省成本;炉料冶金价值、含铁品位和高炉系数的提高,有利于高炉冶炼,提高生铁的质量。因此,烧结矿的优化配料是一项极其重要的工作。
发明内容
(一)要解决的技术问题
针对现有存在的技术问题,本发明提供了一种基于NSGA-II算法的烧结配料多目标优化方法,该算法具有强的寻优能力,快速非支配排序降低了复杂度,拥挤度计算和比较均匀地保持了种群的多样性,经营策略选择保留了最佳个体,提高了种群的水平,使得解更广泛均匀的逼近Pareto最优前沿。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
一种基于NSGA-II算法的烧结配料多目标优化方法,包括以下步骤:
步骤101:将烧结配料中的含铁粉料、烧结燃料和烧结熔剂的配比结果定义为决策变量,并确定其约束条件,含铁粉料配比:x
0≤x
0≤y
0≤z
式中:l=含铁粉料种类数;m=烧结燃料种类数;n=烧结熔剂种类数。
步骤102:根据烧结矿的生铁成本、烧结成本、高炉焦比、烧结矿冶金价值、高炉系数和烧结矿全铁6个不同的目标函数如下:
生铁成本:f(1)=cal_ironCostPerTon(X,Y,Z)
烧结成本:f(2)=cal_sinterCost(X,Y,Z)
高炉焦比:f(3)=cal_forecastCokeRatio(X,Y,Z)
烧结矿冶金价值:f(4)=cal_sinterMetlluValue(X,Y,Z)
高炉系数:f(5)=cal_forecastCoefficient(X,Y,Z)
烧结矿全铁:f(6)=cal_ratioTFe(X,Y,Z)
建立的多目标优化模型为:
s.t.
x
y
z
0≤x
0≤y
0≤z
步骤103:模拟生物进化过程,进行染色体编码,种群初始化,选择,交叉,变异,快速非支配排序,拥挤度计算和比较,精英策略选择。具体的步骤为:首先,随机产生规模为N的初始种群,非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群;其次,从第二代开始,将父代种群与子代种群合并,进行快速非支配排序,同时对每个非支配层中的个体进行拥挤度计算,根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群;最后,通过遗传算法的基本操作产生新的子代种群:依此类推,直到满足程序结束的条件。
(三)有益效果
本发明的有益效果是:所述的算法较成熟、稳健,无论对于理论测试函数,还是实际生产问题,均表现出较强的寻优能力。将其应用于烧结配料多目标优化模型上,利用所建立的目标函数,优化得到最优配比参数,节省了烧结的成本,提高了烧结矿的质量
附图说明
图1为本发明实施例的基于NSGA-II算法的烧结配料多目标优化方法的示意图;
图2为本发明实施例的基于NSGA-II算法的烧结配料多目标优化方法中实现NSGA-II的过程示意图;
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本实施方式的方法,软件环境为Windows系统,JVM、Matlab。
如图1所示:本实施例公开了、一种基于NSGA-II算法的烧结配料多目标优化方法,包括以下步骤:
步骤101:给定烧结配料中的10种含铁粉料(一选综精、神码铁精矿、氧化铁粉、四烧高返、金聚鑫铁精矿、黑鹰山精矿、老烧高返、进口哈精、鱼儿红铁精矿、高炉除尘灰,l=10)、2种烧结燃料(老烧焦粉、兰碳,m=2)和2种烧结熔剂(石灰石粉、改性石灰,n=2),给定矿石总计为1000kg,固体燃料配比为65kg/吨矿石。
步骤102:设计适应度模型,根据烧结矿的生铁成本、烧结成本、高炉焦比、烧结矿冶金价值、高炉系数和烧结矿全铁6个不同的指标构建多目标优化模型;
步骤103:采用多目标进化算法NSGA-II对多目标优化模型进行求解,模拟生物进化过程,染色体编码,种群初始化,选择,交叉,变异,快速非支配排序,拥挤度计算和比较,精英策略选择,具体过程如图2所示。进行仿真实验,得到最终的结果。
综上所述,本发明实施例的基于NSGA-II算法的烧结配料多目标优化方法,采用NSGA-II算法优化烧结配料的配比,投入实际生产不仅提高了冶金性能,同时也节约了成本。本发明实施例的基于NSGA-II算法的烧结配料多目标优化方法在经济、质量、准确性方面具有很大的优势和重要的实际应用价值。
最后应说明的是:以上所述的实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不能够使相应技术方案的本质脱离本发明各实施例技术方案的范围。
机译: 基于多目标进化算法的工程设计优化方法和系统
机译: 基于多目标进化算法的工程设计优化方法和系统
机译: 基于多目标进化算法的工程设计优化方法和系统