面向生產(chǎn)目標的鉛鋅燒結過程建模及優(yōu)化研究.pdf

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

2、為產(chǎn)量質(zhì)量優(yōu)化和狀態(tài)參數(shù)優(yōu)化兩大部分。首先提出針對產(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)化設定值。接著提出針對過程狀態(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)的集成預測模型首先考慮到歷史數(shù)據(jù)中含有工況穩(wěn)態(tài)發(fā)展趨勢的有用信息，結合綜合透氣性的變化特點，提出具有在線修正能力的灰色理論預測模型，其根據(jù)實際綜合透氣性數(shù)據(jù)序列的單調(diào)性變化情況及變化后的數(shù)據(jù)個數(shù)，給出相應的修正公式；接

3、著考慮到工藝參數(shù)預測模型能及時反映工藝參數(shù)對工況的影響，建立基于工藝參數(shù)的神經(jīng)網(wǎng)絡預測模型；最后考慮到信息熵技術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的綜合透氣性集成預測模型。 針對實際燒結過程燒穿點不能被直接測量的問題，建立燒穿點的軟測量模型?？紤]到燒穿點的波動比較大，利用T-S模糊模型來建立其預測模型，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)、臺車速度和中

4、部風箱廢氣溫度作為影響燒穿點的主要因素；同樣在建立工藝參數(shù)的預測模型之后，利用信息熵技術建立燒穿點的集成預測模型。 （2）產(chǎn)量質(zhì)量智能預測模型結合機理分析和數(shù)據(jù)關聯(lián)性分析，選取過程狀態(tài)參數(shù)以及一些關鍵的原料參數(shù)作為輸入變量，并建立燒結塊產(chǎn)量質(zhì)量的神經(jīng)網(wǎng)絡預測模型。針對產(chǎn)量檢測周期和過程狀態(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，解決了時間周期不匹配的問題。針對傳統(tǒng)神經(jīng)網(wǎng)絡訓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，將粒子群算法強大的全局搜索能力和共軛梯度法強大的局部搜索能力有機結合起來，提出了一種基于共軛梯度法的混合粒子群算法來進行神經(jīng)網(wǎng)絡的訓練。 （3）基于混合粒子群算法的產(chǎn)量質(zhì)量優(yōu)化建立了以提高產(chǎn)量為目標，以質(zhì)量要求為約束條件的優(yōu)化模型，并提出了基于改進線性搜索法的混合粒子群算法來實現(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)轉化為一個有兩個目標的優(yōu)化問題，一個是原目標函數(shù)，另一個是約束條件違反程度函數(shù)；

6、接著為達到并行優(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；最后當粒子群算法收斂停滯時，通過引入改進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、燒穿點的優(yōu)化設定值。 （4）基于多目標粒子群協(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、燒穿點等狀態(tài)參數(shù)的優(yōu)化設定值為目標，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)化變量的多目標優(yōu)化模型。針對該模型提出了一種多目標粒子群協(xié)同優(yōu)化算法，采用改進的粒