面向生產(chǎn)目標(biāo)的鉛鋅燒結(jié)過程建模及優(yōu)化研究.pdf

1、作為鉛鋅火法冶煉的一個(gè)重要流程，密閉鼓風(fēng)燒結(jié)過程所生產(chǎn)的燒結(jié)塊直接影響到后續(xù)熔煉爐爐況和鉛鋅的產(chǎn)量質(zhì)量指標(biāo)。燒結(jié)生產(chǎn)過程中綜合透氣性、燒穿點(diǎn)是兩個(gè)最重要的過程狀態(tài)參數(shù)，直接反映出燒結(jié)過程進(jìn)行的好壞。針對(duì)影響綜合透氣性、燒穿點(diǎn)的信息具有不確定性、不完整性等特點(diǎn)，分別從不同的角度出發(fā)進(jìn)行描述，并建立相應(yīng)的集成預(yù)測(cè)模型。 在研究燒穿點(diǎn)和透氣性的基礎(chǔ)上，提出了燒結(jié)塊的產(chǎn)量質(zhì)量預(yù)測(cè)模型。為使得燒結(jié)過程運(yùn)行在最優(yōu)狀態(tài)，將整個(gè)燒結(jié)過程的優(yōu)化分

2、為產(chǎn)量質(zhì)量?jī)?yōu)化和狀態(tài)參數(shù)優(yōu)化兩大部分。首先提出針對(duì)產(chǎn)量質(zhì)量的優(yōu)化算法，以獲得過程狀態(tài)參數(shù)的優(yōu)化設(shè)定值。接著提出針對(duì)過程狀態(tài)參數(shù)的優(yōu)化算法，以獲得過程操作參數(shù)的優(yōu)化設(shè)定值。論文的主要研究成果包括： （1）過程狀態(tài)參數(shù)的集成預(yù)測(cè)模型首先考慮到歷史數(shù)據(jù)中含有工況穩(wěn)態(tài)發(fā)展趨勢(shì)的有用信息，結(jié)合綜合透氣性的變化特點(diǎn)，提出具有在線修正能力的灰色理論預(yù)測(cè)模型，其根據(jù)實(shí)際綜合透氣性數(shù)據(jù)序列的單調(diào)性變化情況及變化后的數(shù)據(jù)個(gè)數(shù)，給出相應(yīng)的修正公式；接

3、著考慮到工藝參數(shù)預(yù)測(cè)模型能及時(shí)反映工藝參數(shù)對(duì)工況的影響，建立基于工藝參數(shù)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；最后考慮到信息熵技術(shù)具有降低不確定性帶來的影響以及信息融合的能力，建立基于信息熵技術(shù)的綜合透氣性集成預(yù)測(cè)模型。 針對(duì)實(shí)際燒結(jié)過程燒穿點(diǎn)不能被直接測(cè)量的問題，建立燒穿點(diǎn)的軟測(cè)量模型。考慮到燒穿點(diǎn)的波動(dòng)比較大，利用T-S模糊模型來建立其預(yù)測(cè)模型，以充分有效利用歷史信息；為降低不確定性帶來的影響以及降低建模的難度，將綜合透氣性指數(shù)、臺(tái)車速度和中

4、部風(fēng)箱廢氣溫度作為影響燒穿點(diǎn)的主要因素；同樣在建立工藝參數(shù)的預(yù)測(cè)模型之后，利用信息熵技術(shù)建立燒穿點(diǎn)的集成預(yù)測(cè)模型。 （2）產(chǎn)量質(zhì)量智能預(yù)測(cè)模型結(jié)合機(jī)理分析和數(shù)據(jù)關(guān)聯(lián)性分析，選取過程狀態(tài)參數(shù)以及一些關(guān)鍵的原料參數(shù)作為輸入變量，并建立燒結(jié)塊產(chǎn)量質(zhì)量的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。針對(duì)產(chǎn)量檢測(cè)周期和過程狀態(tài)參數(shù)的采樣周期不一致，存在多尺度問題，引入了空間積分的思想，解決了時(shí)間周期不匹配的問題。針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法是基于梯度信息的、具有容易陷入

5、局部極值、收斂速度慢的缺點(diǎn)，將粒子群算法強(qiáng)大的全局搜索能力和共軛梯度法強(qiáng)大的局部搜索能力有機(jī)結(jié)合起來，提出了一種基于共軛梯度法的混合粒子群算法來進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。 （3）基于混合粒子群算法的產(chǎn)量質(zhì)量?jī)?yōu)化建立了以提高產(chǎn)量為目標(biāo)，以質(zhì)量要求為約束條件的優(yōu)化模型，并提出了基于改進(jìn)線性搜索法的混合粒子群算法來實(shí)現(xiàn)產(chǎn)量質(zhì)量的優(yōu)化。該算法首先將所建立的優(yōu)化函數(shù)轉(zhuǎn)化為一個(gè)有兩個(gè)目標(biāo)的優(yōu)化問題，一個(gè)是原目標(biāo)函數(shù)，另一個(gè)是約束條件違反程度函數(shù)；

6、接著為達(dá)到并行優(yōu)化的目的，采用約束水平比較法來比較粒子群算法所搜索到的解；最后當(dāng)粒子群算法收斂停滯時(shí)，通過引入改進(jìn)的線性搜索法來提高粒子群算法的活性，從而獲得綜合透氣性、燒穿點(diǎn)的優(yōu)化設(shè)定值。 （4）基于多目標(biāo)粒子群協(xié)同算法的過程狀態(tài)參數(shù)優(yōu)化建立了以綜合透氣性、燒穿點(diǎn)等狀態(tài)參數(shù)的優(yōu)化設(shè)定值為目標(biāo)，以生產(chǎn)邊界條件及質(zhì)量要求為約束條件，以過程操作參數(shù)為優(yōu)化變量的多目標(biāo)優(yōu)化模型。針對(duì)該模型提出了一種多目標(biāo)粒子群協(xié)同優(yōu)化算法，采用改進(jìn)的粒