基于神經(jīng)網(wǎng)絡(luò)與遺傳算法的配煤優(yōu)化模型的研究.pdf

1、動力配煤數(shù)字化信息控制系統(tǒng)對煤質(zhì)在線檢測的應(yīng)時性、配煤煤質(zhì)預(yù)測的精度和配煤優(yōu)化計算的效率等提出了較高的要求。但在動力配煤領(lǐng)域仍普遍存在的一些問題，如煤炭發(fā)熱量實驗室測定方法繁瑣，測定耗時長、應(yīng)時性差；配煤煤質(zhì)預(yù)測，普遍采用的加權(quán)平均法，預(yù)測精度低；傳統(tǒng)優(yōu)化方法效率低下、全局搜索能力差等，已成為嚴重影響動力配煤數(shù)字化信息控制系統(tǒng)設(shè)計及良好運行的亟需克服的缺陷。 本文在配煤優(yōu)化和煤質(zhì)預(yù)測領(lǐng)域分別引入了遺傳算法和神經(jīng)網(wǎng)絡(luò)技術(shù)，并在此基

2、礎(chǔ)上，把神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合應(yīng)用于配煤優(yōu)化模型的設(shè)計過程。 建立了基于加權(quán)平均法一遺傳算法的動力配煤初步優(yōu)化模型。該優(yōu)化模型具有較高的運算效率和穩(wěn)定性，可以在單一煤種規(guī)模為 20，參配煤種為3、精度為 1％的情況下，獲得最佳配煤方案。該配煤方案可用于選擇合適的煤種和設(shè)定初始配比。但由于對配煤煤質(zhì)預(yù)測過程采用加權(quán)平均法計算，導(dǎo)致配煤產(chǎn)品的煤質(zhì)指標(biāo)的預(yù)測值與實測值有較大的誤差。 為解決加權(quán)平均法計算配煤煤質(zhì)指標(biāo)誤差大、精

3、度低的缺點，建立了基于Elman神經(jīng)網(wǎng)絡(luò)的配煤煤質(zhì)預(yù)測模型。該預(yù)測模型不僅具有較高的預(yù)測精度，而且解決了煤炭發(fā)熱量測定應(yīng)時性差的問題，能夠根據(jù)各參配煤種的M<,ad>、A<,ad>、V<,ad>和對應(yīng)的配比X，直接預(yù)測出配煤產(chǎn)品的M<,ad>、A<,ad>、V<,ad> 和 Q<,net,ad>。 把基于Elman神經(jīng)網(wǎng)絡(luò)的動力配煤煤質(zhì)預(yù)測模型與遺傳算法相結(jié)合，建立了基于神經(jīng)網(wǎng)絡(luò)-遺傳算法的動力配煤實時優(yōu)化模型。該模型具有較高的