人工神经网络方法在优化动力配煤中的应用研究

对神经网络ＢＰ算法的一些改进作了大量的数值试验研究，并组合了部分改进方法用于动力配煤问题中状态预测过程的建模，最后把神经网络方法纳入到非线性混合离散变量优化设计方法（ＭＤＯＤ法）中，对杭州配煤场 动力配煤过程作了应用介绍。     

非线性最优化动力配煤技术的研究

针对动力配煤局限于线性规划的现状及其缺点，研究了用非线性规划实现动力优化配煤的新技术．实验研究及其理论分析表明，混煤与单煤特性指标之间的关系是非线性的．用神经网络方法、线性拟合等多种手段来定量地描述这种非线性规律，从而建立了动力配煤的非线性优化数学模型，并将模型应用于正在建设中的杭州配煤场，得到了与以往线性优化模型不同的重要结果，显示了用非线性优化技术实现动力配煤的重要意义．     

基于改进灰色绝对关联度的弹簧高维多目标优化设计

提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用改进灰色绝对关联度将多目标优化问题转化为单目标优化问题。该方法能合理地处理优化设计中混合离散变量的取值问题,引入了等概率混沌移民算子对基本遗传算法进行了改进,并开发了混合离散变量优化的灰色复合遗传算法程序。弹簧优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强。     

基于Elman动态神经网络的煤质预测算法研究

选煤厂在配煤过程中需要对配煤得到的复煤品质进行准确地预测.基于配煤煤质与其组成单一煤种之间存在复杂的非线性关系,根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,采用Elman神经网络建立配煤煤质的预测模型.结果表明,该配煤煤质预测模型能够准确预测配煤煤质,在实际工作中具有一定参考价值和指导意义.     

基于MIV特征选择与PSO-BP神经网络的煤炭发热量预测

为克服传统线性回归模型对煤的发热量预测精度低、适用范围窄的缺陷，综合考察了工业分析和元素分析指标与煤的发热量的线性相关性，采用平均影响值方法对影响发热量的煤质指标进行特征变量筛选，并结合粒子群优化算法对传统BP神经网络进行优化，提出了一种基于MIV-PSO-BP神经网络方法的煤炭发热量非线性预测方法。结果表明：煤的工业分析和元素分析指标中，仅灰分、碳含量与发热量之间存在一定的线性相关性，其余指标与发热量的线性相关性较弱|煤的工业分析中灰分、挥发分、固定碳3个指标对发热量的影响均较大，而元素分析中仅碳含量对发热量影响较为显著，其余指标对发热量的影响可忽略不计|与其他研究者提出的发热量预测模型相比，本文提出的MIV特征变量选择与PSO-BP神经网络相结合方法预测的平均相对误差和均方根误差更低，总体预测效果更好，相关系数最高可达98.48%。     

地下自卸汽车轮边减速器混合离散变量优化设计

应用Pappas法求解地下自卸汽车轮边减速器的混合离散变量优化设计问题时,通过重构优化设计数学模型,合理地确定设计变量,对整数变量进行线性等式约束,引入MAAG制模数等措施,使整个优化设计的离散化过程简化为对模数的离散一维搜索,同时避免了离散点间隔过大可能造成的缺陷,从而提升了优化设计的效率和质量。     

基于多种算法的火电厂配煤优化方法研究

针对解决火电厂目前电煤供应紧张、煤价成本居高不下的现状。文章通过对电厂的实际用煤展开最优炉前配煤研究,方案通过建立以掺烧煤成本最低为目标函数和机组对混煤的工业成分要求作为约束条件的配煤数学模型,利用粒子群算法的局部快速收敛特性优化遗传算法进行模型求解。其单混煤煤质工业成分间的非线性映射关系通过建立GA-BP神经网络预测模型进行预测。通过算例及误差结果证明该方法在煤质预测和求解配煤成本最低的可靠性,可对电厂实际配煤进行指导。     

选煤厂用自动配煤系统研究与实现

为解决屯兰选煤厂自动配煤系统对配煤过程时变、非线性运输状况适应性差的问题,设计基于线性优化算法与配煤系统闭环控制相结合的自动控制系统。以原料煤配煤参数为约束条件,以混合煤总价成本最小为目标函数,建立配煤系统数学模型,利用Matlab求解最优解。设计自动配煤PLC控制系统,根据最优解驱动配煤系统自动运行。根据传感器反馈值对最优解进行优化,实时适应并满足配煤过程的时变、非线性特点。经过试运行,混合煤各参数值提升明显,经济效益较好。     

函数优化的模拟退火算法及其在盘式制动器优化设计中的应用

将模拟退火算法用于函数优化进行系统的研究,介绍了一种适用于求解约束非线性规划问题全局最优解的通用算法,给出了计算流程、状态产生函数的设置原则、计算终止准则以及离散变量优化的实现方法。在深入分析的基础上建立了钳盘制动器优化设计的数学模型,给出了用上述方法进行优化设计的实例。表明该方法是有效的。     

煤矿机械整型优化设计边界搜索方法研究

提出采用离散整型化优化方法解决连续变量、混合变量优化设计问题时 ,确定有效约束边界及边界附近的搜索方法     

煅烧煤矸石粉掺合料制备及对混凝土性能影响

通过胶砂强度评价法,确定煅烧煤矸石粉掺合料最佳制备工艺条件为:煅烧温度750℃、恒温2 h、研磨3 min;在此基础上,研究煤矸石掺合料与其他掺合料复掺比例对混凝土工作性、抗压强度、抗冻性的影响。结果表明:煅烧煤矸石粉与矿粉或粉煤灰最佳复掺比例为3∶7,与粉煤灰复掺,混凝土塌落度值、7 d、28 d抗压强度高于与矿粉复掺。与粉煤灰复掺,冻融循环次数可达550次;与矿粉复掺,冻融循环次数达到500次。综合各项指标,煅烧煤矸石粉与粉煤灰的相容性优于与矿粉之间的相容性,二者复合使用,既能改善混凝土拌合物的工作性,又能保证混凝土强度。     

多元优化动力配煤方案的研究

针对目前动力配煤技术局限于线性规则和一元优化的现状和缺点,提出了一套比较完整合理的动力配煤方案多元优化方法：首先采用非线性优化动力配煤数学模型,对配煤方案从安全性和环保性上进行初步优化;然后按照物美价廉的原则,根据本提出的混煤价格质量比评判指标对配方进行经济性评价,从而对几个重要的质量指标真正实现了多元优化,据此得到的满足安全性、经济性和环保性要求的最优化配方,甚至优于价格质量比最低的单煤。     

基于EMD-LSTM的重介分选精煤灰分时间序列预测方法研究

针对重介分选的智能化发展需求,根据重介精煤灰分数据噪声特征及灰分过程控制对灰分预测精度、预测时长的要求,提出了基于EMD-LSTM的重介精煤灰分时间序列预测方法。首先,通过经验模态分解(EMD)算法将重介精煤灰分时序数列中的不同尺度分量逐级分解出来,生成一系列具有相同特征尺度的本征模函数,从而去除一定噪声影响|其次,进一步借助于长短期记忆(LSTM)神经网络可解决数据的长期依赖问题,从而在长时间视野预测方面表现更为突出。该方法应用于实际数据集的短期预测,实验结果表明,对LSTM神经网络进行参数寻优后,基于EMD-LSTM的重介分选精煤灰分指标时间序列预测方法中,去除IMF1分量的模型所得的预测结果具有最小的标准差σ(0.1481)和平均绝对误差λ(0.1184),去除噪声后的EMD-LSTM模型可使预测准确性显著提高,能够有效解决精煤灰分预测的问题。     

基于混料试验设计优化煤气化复配助熔剂

为降低安徽淮南煤气化过程中煤灰熔融温度,解决高灰熔融温度煤在液态排渣气化炉的应用问题,利用混料试验设计对1号(钙基助熔剂)、2号(镁基助熔剂)和3号(铁基助熔剂)3种煤气化复配助熔剂进行优化,并以煤灰流动温度为评价指标,优选出所选助熔剂的最佳复配条件,并建立数学回归模型。结果表明:回归模型得出的煤灰流动温度预测值与试验实测值相差在20℃以内;通过混料试验设计,3种助熔剂的质量分数分别为0、0.47和0.53时,对所选煤样的助熔效果最佳,且数学回归模型预测结果与验证试验结果一致。     

线性模型预测焦炭灰分

简述了炼焦煤中灰分对焦炭及炼铁产生的危害,针对开滦煤的地质特点,并通过大量实验数据进行分析,证明开滦煤中灰分与焦炭灰分具有线性关系,指出运用线性回归预测模型可以有效地预测焦炭灰分,从而合理指导配煤,控制配煤中的灰分,以保证焦炭质量.     

循环流化床工业气化炉高钠煤配煤气化

印尼煤具有良好的气化反应活性,但煤灰分中的Na_2O质量分数较高,容易导致系统产生黏结、积灰和腐蚀等问题。利用Na_2O-SiO_2-Al_2O_3三元体系相图分析了印尼煤灰的相图特征,选择了掺配煤种并优化了配煤比例,进而在设计给煤量为350 t/d的循环流化床工业气化炉上,以印尼煤质量分数为75%的配煤为原料进行了168 h气化试验,考察了装置的运行特性和配煤的气化特性,并采用扫描电子显微镜和X射线衍射仪分析了气化灰渣的微观形貌和晶相组成。配煤气化试验过程中,炉膛底部温度和密相区压差稳定、无大幅波动,飞灰和底渣无明显变形或熔融现象发生,实现了高钠煤配煤气化的连续稳定运行。冷煤气效率为70.75%,碳转化率为89.49%,煤气热值为5.30 MJ/Nm~3。飞灰和底渣中钠长石的衍射峰均较弱,表明钠长石的生成量较少,可有效抑制低温共熔反应的发生。工业气化炉试验验证与三元相图理论分析基本一致。     

灵石高灰高硫煤的煤质特征及开发实践前景分析

通过对灵石矿区高灰高硫煤的煤质特征分析,概述了高灰高硫煤的物理特性和宏观岩相特性、工艺性质及炼焦用煤途径,探讨了高灰高硫煤的炼焦配煤性质及开发使用效果,阐述了扩大炼焦煤资源及精确配煤的意义。     

煤灰熔融性对气化用煤的影响

以实验室所评价的气化用煤样为依据,采用添加不同助熔剂或添加不同灰融熔性的煤以改变煤灰熔融性,讨论了煤灰融熔性对液态排渣气化用煤的影响.结果表明,添加助熔剂或添加不同灰融熔性的煤可以改变煤灰熔融性,同时应根据实验确定助熔剂的种类及添加量、掺配煤种及掺配比例.