選礦全流程綜合生產(chǎn)指標(biāo)動態(tài)多目標(biāo)優(yōu)化方法.pdf

1、鋼鐵工業(yè)的迅速發(fā)展帶動了金屬礦石的市場需求，市場競爭也愈演愈烈。因此，為了提高經(jīng)濟效益及市場競爭力，必須提高生產(chǎn)效率和產(chǎn)品質(zhì)量，實現(xiàn)節(jié)能降耗，降低生產(chǎn)成本。近年來，盡管智能優(yōu)化算法已經(jīng)取得了很大的發(fā)展，但是在選礦綜合生產(chǎn)指標(biāo)優(yōu)化的應(yīng)用方面，大多數(shù)的研究還只是根據(jù)理想情況下決策目標(biāo)的要求、設(shè)備能力和能源資源約束進(jìn)行優(yōu)化決策。然而，實際的生產(chǎn)過程中，設(shè)備能力、運行時間以及指標(biāo)約束都是隨著時間變化的。因此，為了提高選礦綜合生產(chǎn)指標(biāo)的優(yōu)化決策能

2、力，就需要對優(yōu)化決策模型進(jìn)行更精確的分析，包括考慮隨時間變化的設(shè)備能力和運行時間等。
　　本文針對以上問題，在國家自然科學(xué)基金項目《復(fù)雜工業(yè)過程運行指標(biāo)閉環(huán)優(yōu)化方法研究(61273031)》的支持下開展了選礦綜合生產(chǎn)指標(biāo)動態(tài)多目標(biāo)優(yōu)化問題的研究。本文的主要工作如下:
　　(1)描述了選礦綜合生產(chǎn)指標(biāo)多目標(biāo)優(yōu)化問題。分別介紹了選礦過程設(shè)備的運行計劃、生產(chǎn)運行計劃和選礦綜合生產(chǎn)指標(biāo)。結(jié)合實際選礦生產(chǎn)過程，對選礦生產(chǎn)全流程綜合生產(chǎn)

3、指標(biāo)優(yōu)化的存在的問題和難點進(jìn)行了分析。
　　(2)提出了基于梯度驅(qū)動的G-DNSGA-Ⅱ遺傳算法。算法在解決動態(tài)優(yōu)化問題方面，引入了三種機制，分別為探測環(huán)境變化機制，適應(yīng)變化環(huán)境機制和環(huán)境變化后探索種群的機制。在環(huán)境變化后通過對父代種群的再次適應(yīng)度值計算，保證了算法適應(yīng)環(huán)境變化的能力。通過設(shè)置探測器函數(shù)，保證了在環(huán)境發(fā)生變化時能夠快速的發(fā)現(xiàn)環(huán)境的變化。為了提高算法在環(huán)境變化后探索新種群空間的能力，引入了梯度驅(qū)動策略，該策略彌補了經(jīng)

4、典優(yōu)化算法容易陷入局部最優(yōu)、收斂方向受初始化種群分布影響和收斂速度慢的缺陷。將提出的G-DNSGA-Ⅱ算法與A-DNSGA-Ⅱ算法在兩個動態(tài)標(biāo)準(zhǔn)測試問題MFDA2和HE2上進(jìn)行了測試對比。算法性能評價指標(biāo)反向代距離IGD計算結(jié)果表明G-DNSGA-Ⅱ算法具有更快的收斂速度，在環(huán)境變化程度大的情況下，這一特點表現(xiàn)的更加明顯。超體積比HVR對算法保持種群多樣性的能力進(jìn)行了評估，結(jié)果表明G-DNSGA-Ⅱ算法具有更優(yōu)異性能。
　　(3)

5、分析了實際生產(chǎn)過程中，選礦綜合生產(chǎn)指標(biāo)優(yōu)化問題的目標(biāo)函數(shù)、約束范圍和參數(shù)相互之間的關(guān)聯(lián)性以及與時間的相關(guān)性。通過對選礦綜合生產(chǎn)指標(biāo)優(yōu)化問題目標(biāo)函數(shù)和約束范圍的描述闡明了它們相互之間的關(guān)聯(lián)性和問題處理過程中的難點。通過分析選礦綜合生產(chǎn)指標(biāo)優(yōu)化問題與時間的相關(guān)性，發(fā)現(xiàn)了設(shè)備運行能力和總的運行時間的變化規(guī)律，并根據(jù)它們隨著時間變化的規(guī)律建立了選礦綜合生產(chǎn)指標(biāo)動態(tài)優(yōu)化模型。
　　(4)對建立的優(yōu)化模型最優(yōu)值和最優(yōu)解變化的特點進(jìn)行了分析。研