焦炉配煤专家系统的定性定量综合设计方法

焦炉配煤炼焦过程是存在诸多不确定性、无法用数学模型描述的复杂工业过程,传统控制方法难以实施控制.根据焦化理论和生产所获工业数据构造数学模型,以群体专家经验得到的定性知识构成规则模型,将解析的数学模型与基于知识的规则模型相结合,采用定性定量综合集成方法,建立焦炭质量预测模型,提出了配煤比计算的实用算法,并实时控制配煤流量.系统于1994年正式投入工厂运行,焦炭质量预测精度达到95％,配煤准确率达到97％.工业运行结果证明了方法的有效性.     

配煤优化模型及其专家系统的设计

近几年,国内外对焦炭的需求量不断增长,焦炭成了紧俏商品。如何充分利用当地的煤炭资源,以经济的方式进行配煤炼焦,成为炼焦企业急需解决的问题。本文围绕炼焦配煤领域的研究前沿,采用混合型0～1整数规划技术,建立了以炼焦成本最低为目标的配煤比优化模型。在此基础上设计并建立了一套能够准确、快速地预测焦炭质量、计算低成本配煤方案的配煤优化专家系统,较好地解决了炼焦配煤周期长和炼焦煤市场供应变化快之间的矛盾。     

基于软测量的自动配煤控制系统设计

针对配煤这一炼焦生产过程中的重要环节,其配比的准确性和配煤系统的可靠性将直接影响焦炭的质量和经济效益以及能否顺利推焦,某焦化厂由于所使用的皮带秤精度差,难以投入闭环控制,提出了一种基于多元线性回归的软测量技术,实现了配煤的准确称重;同时配煤过程被控对象具有非线性、时变、时滞,并且很难建立精确的数学模型,提出了基于专家知识的参数自整定模糊PID控制方法。这种基于软测量的模糊自整定方法在该厂配煤过程中成功应用,投运以来配煤合格率由原来的70%提高到95%,实现了稳定优化配煤,稳定焦炉生产,提高焦碳质量的目的。该方法具有广阔的应用前景和推广价值。     

基于PCA与RBF的焦炭质量预测模型

针对炼焦生产过程焦炭质量难于实时测量的问题,建立一种主元分析(PCA)和径向基函数(RBF)神经网络相结合的预测模型.通过机理分析确定焦炭质量的影响因素包括配合煤指标和炼焦过程操作参数;采用主元分析减少径向基函数网络的输入;最后采用k-均值聚类算法确定径向基函数隐含层的参数,并用最小二乘法确定线性输出层参数.采用炼焦生产过程现场数据进行仿真,结果表明,该模型具有学习速度快、跟踪性能好以及泛化能力强等优点,实现了焦炭质量的在线预测.     

自适应差分进化算法优化BP网络的炼焦能耗模型

为了解决炼焦生产过程中炼焦能耗难以实时监测的问题,基于面向实际建立的输入输出指标体系,依据焦化厂实际炼焦生产过程中的历史数据,建立了BP网络的炼焦能耗预测模型.为了提高模型的预测精度,利用自适应差分进化算法(ADE)对复杂函数的优化能力,对BP网络权值阈值随机产生易陷入局部极小值的缺点进行优化,找出了BP网络的最佳连接权值和阈值,建立了自适应差分进化算法(ADE)优化BP网络的炼焦能耗模型.仿真结果表明,自适应差分进化算法(ADE)优化BP网络的炼焦能耗模型的预测值与实际值的接近程度达90％以上.该研究为炼焦生产过程中炼焦能耗难以实时监测的难题提供了一种新思路,可为炼焦行业高效低耗生产提供理论依据.     

铅锌烧结过程综合透气性的集成预测模型

针对铅锌烧结过程透气性的预测具有模型不确定性和输入变量不确定性等特点,建立了综合透气性智能集成预测模型.首先建立了基于满意聚类的T-S综合透气性预测模型,针对聚类后各子模型结论参数的辨识工作计算复杂、容易陷入局部极值的问题,将混合粒子群优化算法用于这些结论参数的辨识;然后利用灰色理论建立了时间序列综合透气性预测模型;最后利用信息熵技术将2个预测模型进行集成,以获得集成预测模型.选取实际生产过程中100组合格的数据,分别用以上3种预测模型来预测相应的综合透气性,其相对误差的平均值分别为2.1%.3.2%,1.8%.实验结果表明,本文提出的集成预测方法能够有效地克服不确定性带来的影响、提高综合透气性的预测精度.     

基于OSVR的煤调湿系统智能预测控制

针对现有煤调湿预测模型出现的训练时间长、模型失配问题,建立了基于OSVR的煤调湿预测模型,提出了基于OSVR的煤调湿系统智能预测控制方法。该方法利用智能优化算法与预测函数控制相结合来实现对煤调湿系统出口煤湿度的精确控制。仿真和实验结果表明,该方法具有较好的鲁棒性和较高的控制精度。     

基于粒子群算法的自动配煤系统多目标优化

粒子群优化(PSO)算法是一种有效的基于群体智能的全局优化方法,不能直接应用于多目标自动配煤系统的优化中。文章考虑实际灰分最大限度接近目标灰分、配煤时间最短、能耗最小经济效益最高这3个目标,建立了具有条件约束的多目标自动配煤系统模型;利用加权法将自动配煤系统的多目标优化问题转化为单目标优化问题,然后利用PSO算法对系统进行优化,求出最优解集。仿真结果表明,应用PSO算法优化多目标自动配煤系统的方法简单可行,效果较为理想,但也存在适应度函数和权值参数选取难的问题。     

发电厂配煤计算机控制系统

本文介绍了电厂配煤系统的计算机远程控制,利用超声波方法测量煤位信号,用PLC和计算机实现在十几个煤仓中全自动配煤,配煤准确及时,控制灵活,操作简单。应用效果很好。     

基于MATLAB优化工具箱的数据协调技术在焦化碳一过程中的应用研究

针对传统碳一过程数据协调方法中过于复杂的编程和计算,提出一种基于MATLAB优化工具箱数据协调的新方法,该方法通过物料平衡关系建立焦化碳一过程的数据协调数学模型并利用MATLAB非线性优化工具箱强大的数值计算能力进行编程实现,实际应用于焦化碳一过程的数据校正结果表明,该方法是有效的,同时对其他相似过程的数据协调建模和求解也有一定的借鉴作用。     

基于二阶段法的配煤调运系统的设计与实现

现有的配煤调运系统没有将车辆调度的优化问题和配煤优化问题作为一个整体考虑,存在较大的局限性,难以满足日益复杂的煤炭调运任务的需要。针对上述问题,提出了一种以经济效益最大化为目标的配煤调运数学模型,给出了基于二阶段法的该模型的求解算法,并以山西某矿业公司为例,设计了以该模型为基础的动态配煤调运系统。实际运行表明,该系统既降低了配煤调运的运输费用,又协调了用户需求与原煤质量指标之间的矛盾,具有广阔的应用前景。     

高炉焦炭质量的GA-SVM模型预测

焦炭的质量对高炉冶炼的生产有着重要的影响,为保证焦炭质量产量的稳定以及优化焦炭质量,针对线性回归预测方法难以解决配合煤与焦炭质量指标之间的非线性问题,通过分析焦炭质量影响因素,提出了一种基于GA-SVM模型的焦炭质量预测,解决了模型中惩罚因子C、基函数参数σ和不敏感损失参数ε难以确定的问题.最后基于某炼焦企业数据进行仿真实验,与BP神经网络预测比较,结果表明优化后的GA-SVM模型具有较高预测精度,对焦炭生产具有一定的应用价值.     

基于多元线性回归的螺纹钢价格分析及预测模型

通过分析期货黑色系品种螺纹钢产业链上下游的关系,提出了一种基于多元线性回归分析的螺纹钢价格分析及预测模型。首先,收集 影响螺纹钢价格的主要因素数据,包括焦炭期货结算价、焦煤期货结算价、铁矿石期货结算价、热卷期货结算价与人民币兑美元汇率中间价;然后,通过散点图与趋势线对这些影响因素进行分析以确定影响因素,借助SPSS与NCSS软件利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过岭回归分析消除自变量间的共线性,得到修正后的模型;最后,运用此模型对未来一个月交易日的螺纹钢价格进行较为精准的预测。实验表明,该模型拟合度较高,具有一定的实用性。     

基于即时学习策略的火电厂球磨机负荷软测量

针对电厂球磨机负荷难以进行有效预测的问题,从提高预测模型在线自适应能力的角度出发,提出一种基于即时学习策略的改进SVM建模方法。利用灰色关联分析方法对过程参数进行优化筛选,获得辅助变量;在即时学习策略建模框架下,采用多种群混合优化算法进行SVM预测模型参数的优化选取;基于电厂实际运行数据进行了仿真研究。仿真实验表明,与标准BP神经网络和SVM建模方法的比较,该算法具有更好的预测性能,虽然计算开销有所增加,但能够满足制粉系统球磨机负荷检测的实时性要求。     

铅锌烧结配料过程的智能集成建模与综合优化方法

以铅锌烧结配料过程为背景, 针对传统配料方法中存在的成本高和准确率低的问题, 提出一种智能集成建模与综合优化方法. 首先, 在建立过程神经网络模型和改进灰色系统预测模型的基础上, 利用信息论中熵值的概念, 提出一种既可保证预测精度又能满足配料计算对数据完备性要求的烧结块成分集成预测模型; 其次, 以成本最小为目标建立烧结配料优化模型, 采用基于专家推理策略和改进免疫遗传算法的定性定量综合集成方法, 实现烧结配料的优化. 仿真结果验证了该方法的有效性.     

近红外光谱灰分预测模型中煤炭样本的优化方法

针对近红外光谱灰分预测模型中样本数据特有的问题,首先采用主成分分析方法剔除建模样本集中的异常样本,并提取出煤炭光谱的特征信息;然后提出一种集成自组织映射神经网络和模糊C均值聚类算法的双层聚类方法,将样本集分为5个子集,并滤除其中的争议点;最后搭建基于GA-BP神经网络的煤炭灰分预测子模型,单独分析各子集的测试集样本。实验结果表明,基于主成分分析和双层聚类方法的煤炭样本优化方法不仅能准确排除异常样本和可疑样本,还能有效地压缩样本数据,使得各子模型的学习精度和运算速度得到显著提高。该方法为近红外光谱煤质分析技术的发展应用提供了一种有效可行的新途径。