基于遗传算法和神经网络混合优化的配煤控制.pdf

收稿日期“ “ M G 6 A M O M分别代表第M 种煤的灰分挥发 分硫分粘结性指数“定义 P Q OFO-RO/ NA F NA - RNA / HA F HA - RHA / G6 A F G6 A - RG6 A S T U V / W Q XF X- Y X S T U V/ 则配合煤质量预测模型表示为 Z1 [\ W ] QP W “ 由于结焦过程为一物理化学过程配合煤的全 部灰分硫分约* _‘ E 进入焦炭约a E _ a 的硫分随炼焦时的荒煤气逸出且挥发分粘 结性指标灰分对焦炭质量指标中CD E CF E产生影 响所以这一过程呈现出一种非线性函数关系“设 配合煤的性能指标分别为H A 1 [ G 6 A 1 [ O 1 [ 定义 bQ’ O 1 [ HA 1 [ G6 A 1 [ c为模型输 入则 结 焦 模 型 为 四 输 入四 输 出 结 构设 为 Z 4 d ;\ b ] “ 建模采用基于 的改进 \ b ] “ l 配煤比的优化计算 配煤比的优化计算实际为一有约束整数规划 问题描述如下 1 5 \ m Z \ W ] ] 约束条件,n / M QFX MQF E E 式中,m Z \ W ] QoKZ \ W ] Z \ W]为前述预测模型. o 为 标 准 等 级 焦 炭 质 量 指 标 均 值oQ ’ pD EpF EpG pH c即 pD EQ CCD E - JCD E 其 余 几项类推其中CC D E为CD E的最高限与最低限的 差值. m Z \ W ]为当前配煤比所对应的质量指标偏 差“ 采用 进行配煤比的优化计算由于配煤比 都以整数百分比形式表示所以选取十进制整数编 码其适配值函数选取基于焦炭质量预测模型 Z 1 6\ W ] QD qKr m Z \ W ] r “ ED 第期郭一楠等,基于遗传算法和神经网络混合优化的配煤控制 万方数据 设 初 始 种 群 数 为 “则 初 始 种 群 为 4 “ 5 7常数,变异操作采用非一致变异 4动态7 “设染色体’ 5 * “则 01 03 4 “ A B6 07 若某个随机数C D 06 4 “ A B6 07 若某个随机数 8 9 C E “ 式中- 4 “ F 7 F G4 5 6H 4 5 6 I J7 K 7 “ H为 “ 5 区间上 的随机数“ J为算法的最大代数“ K为一常数L A B “ M B为 0的最大值N 最小值,可见“当增大时“ 4 “ F 7趋于的概率增大“即变异操作的影响减小, 采 用轮盘赌方法选取子代个体“子代个体和变异后代 都可能存在不满足约束条件的个体“采用拒绝策略 对不可行解加以限制, O 仿真及运行效果 由于系统中车间控制级已先期在兖州矿区焦 化厂投入使用“所以只就决策控制级进行仿真,系 统车间控制级采用神经元P Q R控制实现配煤比的 实时跟踪“已投入部分运行表明“在配煤比给定条 件下“配煤准确率较人工抛盘时高出 S /“并且工 作稳定N可靠,配煤比优化通过采集实际运行数据N 建模仿真“结果表明配煤比可根据焦炭等级要求变 化而变化“且焦炭质量预测精度稳定在T U /V5 / 范围内,由于配煤比计算中引入先验知识“从而使 计算时间大大缩短“提高了预测实时性, 参考文献- 5 阳春华“沈德耀“吴敏“等,焦炉配煤专家系统的定性 定量综合设计方法 W ,自动化学 报“ “ U 4 7 - U X . , YZ[“ Q \ ] R _, ‘ a b ] c de f d c f gh i j ] kf ] Z c i g ] d lf c m j i k ni d \ ] ni d o e i gnf k ] g j p f c d \ ] e f i g h g ] k o q jb c f e ] j j e f d c f g W , r \ ] f c si k tb b g o e i d o f j “ “ 5 u 4 U 7 - v U v X v u , . 唐春潮“陈鸿复“高秋潮,专家系统与模式识别在炼焦 配 煤 种 的 应 用 W ,燃 料 与 化 工“ 5 T T S “ U 4 U 7 - u . X u v , w Q \ o[ _, t b c i e d o e i gn] d \ f kp f cb c ] k o e d o qe f m ] x Z i g o d s W , y Z ] g i kz \ ] no e i g ‘ q o ] ] c o q “5 T v T “ 4 . 7 - 5 5 w X 5 5 u S 郑志军“郑守淇,用基于实数编码的自适应遗传算法 进化神经网络 W ,计算机工程及应用“ “ 4 T 7 - . U X . u , U 姚昭章,炼焦学 [ ,北京-冶金工业出版社“ 5 T T S , z f i g { g ] k o qz f d c f g { i j ] kf [o a ] k| b d o no } i d o f f p ] ] d o e tg q f c o d \ ni k] Z c i g ] d l f c m “|_o X i 5“Yt o q“r tR ] X o i 5“t| f q5 4 5 ,z f g g ] q ]f p ’ p f c ni d o f i k‘ g ] e d c o e i g ‘ q o ] ] c o q “z “[r “ Z } \ f Z “W o i q j Z 5 v “z \ o i L ,R ] b i c d n] d f p tZ d f ni d o f “r j o q \ Z i“ o ] c j o d s “{ ] o o q5 v w “z \ o i 7 * , - . / 0 - -’ e f m o qb c f e ] j j “ h g ] k o qc i d o ff p e f i g o j d \ ]ni o p i e d f c d fo p g Z ] e ]f e f m ]x Z i g o d sb c ] k o e d o f , r fj d i h o g o } ]e f m ]x Z i g o d s “h g ] k o qc i d o ff p e f i g j \ f Z g kh ]c ] i g d o n]i k\ i ]q c ] i d e f nb i d o h o g o d s ,t no a ] k f b d o no } i d o f i g q f c o d \ n li jo d c f k Z e ] kd fe i g e Z g i d ]h g ] k o qc i d o ff pe f i g , y o c j d “ib c ] k o e d o f nf k ] g f pe f m ] x Z i g o d sli jk ] j o q ] klo d \ ] Z c i g ] d lf c m , r \ ]l] o q \ d jl] c ]d c i o ] kh s t 4 q ] ] d o ei g q f c o d \ n7j fi jd f ni m ]e f nb i d o h o g o d sh ] d d ] c , Q ] e f k g s “ t li jZ j ] kd fe i g e Z g i d ]d \ ]h g ] k o qc i d o ff p e f i g , ’ d k f ] j 1 d c ] x Z o c ] ] a b ] c o ] e ] jl\ o e \i c ] ] e ] j j i c so d \ ]n] d \ f kh i j ] kf m f lg ] k q ] , tp d ] c] nZ g i d o f “ o do k o e i d ] jd \ i dd \ o j n] d \ f k\ i j h ] d d ] c b c ] e o j o f i knf c ]b f l] c p Z g i e d Z i g ] p p ] e d , 23 45 6 . 7 , -h g ] k o qc i d o ff p e f i g Lq ] ] d o ei g q f c o d \ nL ] Z c i g ] d lf c m Le f m ]x Z i g o d sb c ] k o e d o f Uw 中国矿业大学学报第. 5卷 万方数据