一种基于NSGA-II算法的烧结配料多目标优化方法、装置及设备制造方法及图纸

本发明专利技术公开了一种基于NSGA

【技术实现步骤摘要】
一种基于NSGA
‑
II算法的烧结配料多目标优化方法、装置及设备


[0001]本专利技术涉及高炉炼铁
，尤其涉及一种基于NSGA
‑
II算法的烧结配料多目标优化方法、装置及设备。

技术介绍

[0002]烧结是生产高炉炼铁精料的关键工序之一，烧结的主要作用在于使粉状含铁矿(铁精矿和粉矿)经过烧结后变成具有一定强度的大块烧结矿，以满足高炉对炉料粒度的要求。烧结配料是烧结的首道工序，其目的在于将不同品种的配料成分进行精确合理的搭配，使混匀矿的化学成分符合烧结生产的要求，满足高炉对炉料成分的要求，改善混匀矿的烧结性能和冶金性能，有利于炼铁生产优质、高产和低耗；吨铁成本、烧结成本和高炉焦比的降低，有利于节省成本；炉料冶金价值、含铁品位和高炉系数的提高，有利于高炉冶炼，提高生铁的质量。因此，烧结矿的配料成份是否合理将直接影响烧结过程的运行和烧结矿质量产量。
[0003]现有技术中，国外钢铁企业具有稳定而充足的矿源，主要研究不同比例矿石烧结成矿后微观下烧结矿结构特点，进而找到矿石配比与烧结矿冶金性能的关系，但并未关注成本优化的问题，因此配比成份稳定、硫含量较低、价格较高。而国内钢铁企业的矿石来源多而不稳定，主要研究在保证烧结矿冶金性能的前提下，通过建立配料优化模型，求解优化配比实现降低成本的目的，但是在配料优化的研究中，专家经验和线性规划广泛应用于配料优化中，然而专家经验带有很强的主观性，且线性规划算法难以适应非线性优化问题的求解，更重要的是，现有的配料优化模型采用单一优化目标使成本降低需要以燃料增加和硫含量升高为代价。
[0004]因此，如何提供一种烧结配料多目标优化方法及系统，能够在保证烧结矿质量前提下，降低配料成本、减少焦粉消耗、实现节能减排，是本领域技术人员需要解决的技术问题。
[0005]公开于该
技术介绍
部分的信息仅仅旨在加深对本专利技术总体
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。

技术实现思路

[0006]本专利技术的目的是：提供一种基于NSGA
‑
II算法的烧结配料多目标优化方法、装置、设备及计算机可读存储介质，能够在保证烧结矿质量前提下，降低配料成本、减少焦粉消耗、实现节能减排。
[0007]为了达到上述目的，本专利技术一方面提供一种基于NSGA
‑
II算法的烧结配料多目标优化方法，包括：
[0008]根据烧结配料的品种和配比因素，确定决策变量和约束条件；
[0009]根据烧结矿的优化目标，建立所述优化目标对应的目标函数；
[0010]根据所述决策变量和约束条件以及所述目标函数，构建多目标优化模型；
[0011]根据预设迭代终止条件，利用NSGA
‑
II算法对所述多目标优化模型进行求解，得到帕累托最优解集。
[0012]优选地，所述决策变量包括：含铁粉料配比、烧结燃料配比和烧结溶剂配比。
[0013]优选地，所述约束条件为：
[0014]x
i
∈X,i∈(1,2,
…
,l)
[0015]y
j
∈Y,j∈(1,2,
…
,m)；
[0016]z
k
∈Z,k∈(1,2,
…
,n)
[0017]0≤x
i
≤1,i∈(1,2,
…
,l)
[0018]0≤y
j
≤1,j∈(1,2,
…
,m)；
[0019]0≤z
k
≤1,k∈(1,2,
…
,n)
[0020][0021]式中，x
i
代表第i种含铁粉料配比，X代表含铁粉料的种类集合，l代表含铁粉料的种类数量，y
j
代表第j种烧结燃料配比，Y代表烧结燃料的种类集合，m代表烧结燃料的种类数量，z
k
代表第k种烧结溶剂配比，Z代表烧结溶剂的种类集合，n代表烧结溶剂的种类数量。
[0022]优选地，所述烧结矿的优化目标包括：生铁成本、烧结成本、高炉焦比、烧结矿冶金价值、高炉系数和烧结矿全铁。
[0023]优选地，所述目标函数为：
[0024]f(1)＝cal_ironCostPerTon(X,Y,Z)；
[0025]f(2)＝cal_sinterCost(X,Y,Z)；
[0026]f(3)＝cal_forecastCokeRatio(X,Y,Z)；
[0027]f(4)＝cal_sinterMetlluValue(X,Y,Z)；
[0028]f(5)＝cal_forecastCoefficient(X,Y,Z)；
[0029]f(6)＝cal_ratioTFe(X,Y,Z)；
[0030]所述多目标优化模型的函数表达式为：
[0031][0032]式中，f(1)代表生铁成本，f(2)代表烧结成本，f(3)代表高炉焦比，f(4)代表烧结矿冶金价值，f(5)代表高炉系数，f(6)代表烧结矿全铁。
[0033]优选地，所述根据预设迭代终止条件，利用NSGA
‑
II算法对所述多目标优化模型进行求解，得到帕累托最优解集，包括：
[0034]随机产生规模为N的初始种群，非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群；
[0035]从第二代开始，将父代种群与子代种群合并，进行快速非支配排序，确定每个个体的非支配排序等级，并对同一支配排序等级的个体利用拥挤度比较算子进行拥挤度计算，确定每个个体的拥挤度大小，根据所述非支配排序等级以及所述个体的拥挤度大小选取个体，组成新的父代种群；
[0036]利用精英策略选择前后两代中更精英的个体，并通过遗传算法的基本操作产生新的子代种群；
[0037]根据预设迭代终止条件，当子代种群数达到最大子代数时输出遗传算法迭代，得到帕累托最优解集。
[0038]优选地，所述根据所述非支配排序等级以及所述个体的拥挤度大小选取个体，组成新的父代种群，包括：
[0039]根据所述非支配排序等级按照降序等级依次保留个体，并根据所述个体的拥挤度大小选取拥挤度大的个体，组成新的父代种群。
[0040]本专利技术另一方面提供一种基于NSGA
‑
II算法的烧结配料多目标优化装置，包括：
[0041]确定模块，用于根据烧结配料的品种和配比因素，确定决策变量和约束条件；
[0042]建立模块，用于根据烧结矿的优化目标，建立所述优化目标对应的目标函数；
[0043]构建模块，用于根据所述决策变量和约束条件以及所述目标函数，构建多目标优化模型；
[0044]求解模块，用于根据预设迭代终止条件，利用NSGA
‑
II算法对所述多目标优化模型进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NSGA
‑
II算法的烧结配料多目标优化方法，其特征在于，包括：根据烧结配料的品种和配比因素，确定决策变量和约束条件；根据烧结矿的优化目标，建立所述优化目标对应的目标函数；根据所述决策变量和约束条件以及所述目标函数，构建多目标优化模型；根据预设迭代终止条件，利用NSGA
‑
II算法对所述多目标优化模型进行求解，得到帕累托最优解集。2.根据权利要求1所述的基于NSGA
‑
II算法的烧结配料多目标优化方法，其特征在于，所述决策变量包括：含铁粉料配比、烧结燃料配比和烧结溶剂配比。3.根据权利要求2所述的基于NSGA
‑
II算法的烧结配料多目标优化方法，其特征在于，所述约束条件为：所述约束条件为：所述约束条件为：所述约束条件为：所述约束条件为：式中，x
i
代表第i种含铁粉料配比，X代表含铁粉料的种类集合，l代表含铁粉料的种类数量，y
j
代表第j种烧结燃料配比，Y代表烧结燃料的种类集合，m代表烧结燃料的种类数量，z
k
代表第k种烧结溶剂配比，Z代表烧结溶剂的种类集合，n代表烧结溶剂的种类数量。4.根据权利要求3所述的基于NSGA
‑
II算法的烧结配料多目标优化方法，其特征在于，所述烧结矿的优化目标包括：生铁成本、烧结成本、高炉焦比、烧结矿冶金价值、高炉系数和烧结矿全铁。5.根据权利要求4所述的基于NSGA
‑
II算法的烧结配料多目标优化方法，其特征在于，所述目标函数为：f(1)＝cal_ironCostPerTon(X,Y,Z)；f(2)＝cal_sinterCost(X,Y,Z)；f(3)＝cal_forecastCokeRatio(X,Y,Z)；f(4)＝cal_sinterMetlluValue(X,Y,Z)；f(5)＝cal_forecastCoefficient(X,Y,Z)；f(6)＝cal_ratioTFe(X,Y,Z)；所述多目标优化模型的函数表达式为：
式中，f(1)代表生铁成本，f(2)代表烧结成本，f(3)代表高炉焦比，f(4)代表烧结矿冶金价值，f(5)代表高炉系数，f(6)代表烧结矿全铁。6.根据权利要求1所述的基于NSG...

【专利技术属性】
技术研发人员：肖春江，陈禹，肖扬，
申请(专利权)人：江苏省镔鑫钢铁集团有限公司，
类型：发明
国别省市：