CN104680012A - 一种烧结配料计算模型 - Google Patents

Abstract

本发明涉及一种烧结配料计算模型，对配料的上下限及各化学成分上下限进行约束，以铁品位和碱度为目标的计算模型；采用模糊理论，建立模糊的满意度函数；在配料过程中，根据配料的特点和工艺要求，分别建立了烧结矿的铁品位满意度函数和碱度满意度函数；再次设立惩罚函数，构建适应度函数；进行算法迭代。优点是：随机生成若干组配比，通过适应函数来计算其每组配比的适应值，并比较出个体最优配比和全局最优配比。并在个体最优配比与全局最优配比的引导下更新每组配比，最终得到满足一切约束的最优配比。实现了对原料的配比优化，满足了化学成分及冶金性能，满足了高炉冶炼要求。

Description

一种烧结配料计算模型

技术领域

本发明涉及一种烧结配料计算模型。

背景技术

钢铁工业还在飞速发展，社会倡导坚持走可持续发展道路，因此，提高钢铁工业的质量和效益已成为钢铁企业发展战略。由于国际市场铁矿石的价格不断变化，国内钢铁企业会对铁矿石的种类和配比做出调整。在铁矿石的种类和品位改变的情况下，用什么样的配料方案进行配料，能够提高烧结矿的质量，降低成本，对于钢铁工业具有重要的意义。

烧结配料是烧结生产的第一道工序，配料方案的好坏将直接影响烧结矿的质量，进而影响高炉炼铁生产。目前烧结配料的计算方法主要分三种：

1、经验试凑法结合简易理论计算法。该方法简单、有效，尤其适用于我国特有的原料多而杂，供应不稳定的工况。该方法改进了操作工人工设定各台秤的设定值的方法，配料控制可按照成分控制目标按照配比调整生产。但其人为干扰因素多，经常需要多次经验凑试，人为调整的变化往往赶不上原料成分的波动、特殊物料的控制、配料设备的误差及成品成分的偏差。

2、线性规划及回归分析技术。该方法是按照理想的配料的目标成分要求，寻求各物料的精确配比求解。该方法在物料品种数量较少，原料供应能保证的情况下可以实现。但针对我国的特有的情况，配料的品种繁多，变量太多，必须将内部部分矿种的配比进行给定，才能得出需要的配比方案，但有时容易因为缺料等特殊情况无论如何都无法满足成分需求。

3、专家数据库的迭代搜索分析法。配料优化专家系统为协同式专家系统，该系统采用先进的数据库管理技术，收集参与配料的各种原料成分分析数据、成品矿成分预测及化验数据、过程历史数据、以及控制输出数据等，形成庞大的专家数据库；然后根据专家数据库及相应关联规则进行迭代搜索分析，自动搜索参与配料的原料优化配比方案；最后根据选用的配比方案及预测跟踪的结果、成品分析的数据修改关联规则以进一步优化配比方案。

该方案的关键在于专家数据库的建立、迭代搜索的关联规则的建立。初始专家数据库的建立为人工设定的初始数据及数据采集的参数，包括：各种物料的原始成分、参与配料的物料品种读取，初始配比的选用、各种选用物料配比可选用的范围、每次优化配比的数据变化尺度、运算周期的设定、每个运算周期的配比搜索次数、合理性分析、各物料的下料量、跟踪时间的确定、成品化验结果及检验时间等。迭代搜索的关联规则的总原则是将所有物料按照专家经验及物料成分进行分类以决定初始配比及调整策略。物料包括铁原料、熔剂、镁石、燃料及特殊物料(炉渣、富矿等)。

发明内容

为克服现有技术的不足，本发明的目的是提供一种烧结配料计算模型，优化算法，根据原料配比与烧结矿性能、成分之间的关系，原料的配比通过模型进行优化，以满足化学成分及冶金性能，满足高炉的冶炼要求。

为实现上述目的，本发明通过以下技术方案实现：

一种烧结配料计算模型，包括以下步骤：

1)对配料的上下限及各化学成分上下限进行约束，以铁品位和碱度为目标的计算模型：

在配料过程中，以烧结矿矿的铁品位Tfe、碱度R、二氧化硅SiO₂、氧化钙CaO、三氧化二铝Al₂O₃、氧化镁MgO为参考指标，目标铁品位Tfe计算公式：

烧结矿中TFe成分百分比含量＝Σx_i*A_TFei      (2)

烧结矿去烧损去水后百分比含量＝∑x_i*(100-A_ilg)*(100-A_iH2O)      (3)

式(2)、式(3)中：x_i表示第i种原料的配比；A_TFei表示第i种原料中TFe成分所占百分比；A_ilg表示第i种原料的烧损所占百分比；A_iH2O表示第i种原料中所含水分所占百分比；

二氧化硅SiO₂、氧化钙CaO、三氧化二铝Al₂O₃、氧化镁MgO计算公式与式(1)、式(2)、式(3)相同；

碱度计算公式为：

f(R)＝f(CaO)/f(SiO₂)          (4)

2)采用模糊理论，建立模糊的满意度函数；在配料过程中，根据配料的特点和工艺要求，分别建立了烧结矿的铁品位满意度函数和碱度满意度函数；在实际混合配料过程中，设m_TFes和m_Rs为烧结矿铁品位和碱度工艺设定值；由于烧结过程是一个十分复杂的过程，烧结矿的铁品位和碱度允许波动，设d_TFes和d_Rs为烧结矿碱度的允许波动值；其目标满意度函数及综合满意度函数可以表示为：

$S_{\mathrm{TFes}}=\left\{\begin{array}{c}0,f_{\mathrm{TFes}}\left(x\right)<A_{\mathrm{TFes}\min }\\ \frac{f_{\mathrm{TFes}}\left(x\right)-A_{\mathrm{TFes}\min }}{m_{\mathrm{TFes}}-d_{\mathrm{TFes}}-A_{\mathrm{TFes}\min }},A_{\mathrm{TFes}\min }\&le;f_{\mathrm{TFes}}\left(x\right)<m_{\mathrm{TFes}}-d_{\mathrm{TFes}}\\ 1,m_{\mathrm{TFes}}-d_{\mathrm{TFes}}\&le;f_{\mathrm{TFes}}\left(x\right)\&le;m_{\mathrm{TFes}}+d_{\mathrm{TFes}}\\ \frac{f_{\mathrm{TFes}}\left(x\right)-A_{\mathrm{TFes}\max }}{m_{\mathrm{TFes}}+d_{\mathrm{TFes}}-A_{\mathrm{TFes}\max }},m_{\mathrm{TFes}}+d_{\mathrm{TFes}}<f_{\mathrm{TFes}}\left(x\right)\&le;A_{\mathrm{TFes}\max }\\ 0,f_{\mathrm{TFes}}\left(x\right)>A_{\mathrm{TFes}\max }\end{array}\right.---\left(5\right)$

$S_{\mathrm{Rs}}=\left\{\begin{array}{c}0,f_{\mathrm{Rs}}\left(x\right)<A_{\mathrm{Rs}\min }\\ \frac{f_{\mathrm{Rs}}\left(x\right)-A_{\mathrm{Rs}\min }}{m_{\mathrm{Rs}}-d_{\mathrm{Rs}}-A_{\mathrm{Rs}\min }},A_{\mathrm{Rs}\min }\&le;f_{\mathrm{Rs}}\left(x\right)<m_{\mathrm{Rs}}-d_{\mathrm{Rs}}\\ 1,m_{\mathrm{Rs}}-d_{\mathrm{Rs}}\&le;f_{\mathrm{Rs}}\left(x\right)\&le;m_{\mathrm{Rs}}+d_{\mathrm{Rs}}\\ \frac{f_{\mathrm{Rs}}\left(x\right)-A_{\mathrm{Rs}\max }}{m_{\mathrm{Rs}}+d_{\mathrm{Rs}}-A_{\mathrm{Rs}\max }},m_{\mathrm{Rs}}+d_{\mathrm{Rs}}<f_{\mathrm{Rs}}\left(x\right)\&le;A_{\mathrm{Rs}\max }\\ 0,f_{\mathrm{Rs}}\left(x\right)>A_{\mathrm{Rs}\max }\end{array}\right.---\left(6\right)$

S＝ω_TFes_TFe+ω_Rs_R          (7)

式(5)中：

f_TFes(x)是配比X＝[x₁，x₂，...，x_n]通过公式(1)计算出的全体TFe计算值，A_Tfesmin和A_Tfesmax则分别是全铁设定的最小值与最大值；

式(6)中：f_Rs(x)是配比X＝[x₁，x₂，...，x_n]通过公式(4)计算出的全体Rs计算值，A_Rsmin和A_Rsmax则分别是碱度设定的最小值与最大值；

式(7)中：ω_TFe和ω_R为全铁和碱度满意度函数权重；

3)再次设立惩罚函数，构建适应度函数：

添加配比和约束惩罚项、单种原料配比约束惩罚项、化学成分约束惩罚项；

利用综合满意度函数构建适应度函数，适应度函数fit：

fit＝S-r₀R₀-r₁R₁-r₂R₂          (8)

式(8)中，S表示综合满意度函数；R₀表示配比和约束惩罚项；R₁表示单种原料配比约束惩罚项；R₂表示化学成分约束惩罚项；r₀、r₁、r₂为约束条件的惩罚权重；

配比和约束惩罚项R₀计算公式：

R₀＝(∑x_i-1)²          (9)

式(9)中x_i表示第i种原料的配比；

单种原料配比约束惩罚项R1计算公式：

R₁＝∑(x_i-g)²          (10)

式(10)中x_i表示第i种原料的配比；g为过程量，即当x_i在其约束的上下限范围之内时g＝x_i；当x_i超出上限时，g为上限；当x_i超出下限时，g为下限；

化学成分约束惩罚项R₂的计算式：

R₁＝∑(目标元素计算值-b)²          (11)

式(11)中b为过程量，即当目标元素计算值在其约束的上下限范围之内时，b就为计算值；当目标元素计算值超出上限时，b为上限；当目标元素计算值超出下限时，b为下限；目标元素包括TFe、R、SiO₂、CaO、Al₂O₃、MgO；

4)进行算法迭代：

随机生成若干组配比，通过适应函数来计算其每组配比的适应值，并比较出个体最优配比pbest和全局最优配比gbest；在个体最优配比与全局最优配比的引导下更新每组配比，并最终得到满足一切约束的最优配比；更新配比的计算公式：

v_i(k+1)＝ωv_i(k)+c₁r₁(pbest_i(k)-x_i(k))+c₂r₂(gbest(k)-x_i(k))    (12)

x_i(k+1)＝x_i(k)+v_i(k+1)          (13)

式(12)、式(13)中，第k次迭代时的配比X_i(k)的具体配比表示为X_i(k)＝[x_i1(k)，x_i2(k)，…，x_in(k)]；相应的更新速度为v_i(k)＝[v_i1(k)，v_i2(k)，…，v_in(k)]；r1，r2为[0，1]区间内两不同的独立随机数；c1，c2是[0，4]区间内的常数，分别反映配比的局部搜索能力和全局搜索能力，ω是惯性系数，表示配比当前搜索状态的影响，取值范围为[0，1]；k次迭代的个体最优值pbest_i(k)和全局最优值gbest(k)由适应度函数值确定。

步骤4)中所述的式(12)的惯性系数ω计算公式为：

$\mathrm{\&omega;}={\mathrm{\&omega;}}_{\max }-\frac{{\mathrm{\&omega;}}_{\max }-{\mathrm{\&omega;}}_{\min }}{{\mathrm{iter}}_{\max }}\&times;\mathrm{iter}---\left(15\right)$

式(15)中，ω_max，ω_min分别为惯性系数ω的最大值和最小值，iter和itermax分别为当前迭代次数和设定的最大迭代次数。

与现有技术相比，本发明的有益效果是：

随机生成若干组配比，通过适应函数来计算其每组配比的适应值，并比较出个体最优配比pbest和全局最优配比gbest。并在个体最优配比与全局最优配比的引导下更新每组配比，并最终得到满足一切约束的最优配比。实现了对原料的配比优化，满足了化学成分及冶金性能，最终满足了高炉冶炼要求。

具体实施方式

下面对本发明进行详细地描述，但是应该指出本发明的实施不限于以下的实施方式。

烧结配料计算模型，包括以下步骤：

1)烧结配料计算模型为多约束、多目标的计算模型：

在配料过程中，以烧结矿矿的铁品位Tfe、碱度R、二氧化硅SiO₂、氧化钙CaO、三氧化二铝Al₂O₃、氧化镁MgO为参考指标，目标铁品位Tfe计算公式：

烧结矿中TFe成分百分比含量＝∑x_i*A_TFei          (2)

烧结矿去烧损去水后百分比含量＝∑x_i*(100-A_ilg)*(100-A_iH2O)    (3)

式(2)、式(3)中：x_i表示第i种原料的配比；A_TFei表示第i种原料中TFe成分所占百分比；A_ilg表示第i种原料的烧损所占百分比；A_iH2O表示第i种原料中所含水分所占百分比；

二氧化硅SiO₂、氧化钙CaO、三氧化二铝Al₂O₃、氧化镁MgO计算公式与式(1)、式(2)、式(3)相同；

碱度计算公式为：

f(R)＝f(CaO)/f(SiO₂)          (4)

如冷返矿不能无限增大，即每种原料的配比的大小亦为约束条件。对于原料配比来说还包含着所有原料配比之和等于1的绝对条件约束，也就是说烧结配料计算模型为多约束、多目标的复杂计算问题。

2)针对烧结配料过程，考虑到烧结配料过程的影响，目标约束具有模糊性和可调性，对可行域远离期望目标点一定范围内的值可认为是满意的，采用模糊理论，建立模糊的满意度函数。先求出烧结配料各子目标的约束最优解，再利用这些最优解将各子目标函数模糊化，然后求使交集的隶属函数取最大值的解，其解就是烧结配料多目标优化问题的最优解。

在配料过程中，根据配料的特点和工艺要求，分别建立了烧结矿的铁品位满意度函数和碱度满意度函数。在实际混合配料过程中，设mTFes和mRs为烧结矿铁品位和碱度工艺设定值。由于烧结过程是一个十分复杂的过程，烧结矿的铁品位和碱度一般都会有允许波动，设d_TFes和d_Rs为烧结矿碱度的允许波动值。其目标满意度函数及综合满意度函数可以表示为公式如下：

$S_{\mathrm{TFes}}=\left\{\begin{array}{c}0,f_{\mathrm{TFes}}\left(x\right)<A_{\mathrm{TFes}\min }\\ \frac{f_{\mathrm{TFes}}\left(x\right)-A_{\mathrm{TFes}\min }}{m_{\mathrm{TFes}}-d_{\mathrm{TFes}}-A_{\mathrm{TFes}\min }},A_{\mathrm{TFes}\min }\&le;f_{\mathrm{TFes}}\left(x\right)<m_{\mathrm{TFes}}-d_{\mathrm{TFes}}\\ 1,m_{\mathrm{TFes}}-d_{\mathrm{TFes}}\&le;f_{\mathrm{TFes}}\left(x\right)\&le;m_{\mathrm{TFes}}+d_{\mathrm{TFes}}\\ \frac{f_{\mathrm{TFes}}\left(x\right)-A_{\mathrm{TFes}\max }}{m_{\mathrm{TFes}}+d_{\mathrm{TFes}}-A_{\mathrm{TFes}\max }},m_{\mathrm{TFes}}+d_{\mathrm{TFes}}<f_{\mathrm{TFes}}\left(x\right)\&le;A_{\mathrm{TFes}\max }\\ 0,f_{\mathrm{TFes}}\left(x\right)>A_{\mathrm{TFes}\max }\end{array}\right.---\left(5\right)$

$S_{\mathrm{Rs}}=\left\{\begin{array}{c}0,f_{\mathrm{Rs}}\left(x\right)<A_{\mathrm{Rs}\min }\\ \frac{f_{\mathrm{Rs}}\left(x\right)-A_{\mathrm{Rs}\min }}{m_{\mathrm{Rs}}-d_{\mathrm{Rs}}-A_{\mathrm{Rs}\min }},A_{\mathrm{Rs}\min }\&le;f_{\mathrm{Rs}}\left(x\right)<m_{\mathrm{Rs}}-d_{\mathrm{Rs}}\\ 1,m_{\mathrm{Rs}}-d_{\mathrm{Rs}}\&le;f_{\mathrm{Rs}}\left(x\right)\&le;m_{\mathrm{Rs}}+d_{\mathrm{Rs}}\\ \frac{f_{\mathrm{Rs}}\left(x\right)-A_{\mathrm{Rs}\max }}{m_{\mathrm{Rs}}+d_{\mathrm{Rs}}-A_{\mathrm{Rs}\max }},m_{\mathrm{Rs}}+d_{\mathrm{Rs}}<f_{\mathrm{Rs}}\left(x\right)\&le;A_{\mathrm{Rs}\max }\\ 0,f_{\mathrm{Rs}}\left(x\right)>A_{\mathrm{Rs}\max }\end{array}\right.---\left(6\right)$

S＝ω_TFes_TFe+ω_Rs_R          (7)

式(5)中：

f_TFes(x)是配比X＝[x₁，x₂，...，x_n]通过公式(1)计算出的全体TFe计算值，A_Tfesmin和A_Tfesmax则分别是全铁设定的最小值与最大值；

式(6)中：f_Rs(x)是配比X＝[x₁，x₂，...，x_n]通过公式(4)计算出的全体Rs计算值，A_Rsmin和A_Rsmax则分别是碱度设定的最小值与最大值；

式(7)中：ω_TFe和ω_R为全铁和碱度满意度函数权重，此权重根据配料人员对全铁和碱度的偏重程度和生产经验，由配料人员结合实际生产情况设定，经验设定，0到1之间，且两权重之和为1；

3)再次设立惩罚函数，构建适应度函数

烧结配料过程中只有综合满意度函数不能明确的表达所需配比的优劣程度，需添加几项惩罚函数：配比和约束惩罚项、单种原料配比约束惩罚项、化学成分约束惩罚项。

利用综合满意度函数构建适应度函数，适应度函数fit：

fit＝S-r₀R₀-r₁R₁-r₂R₂          (8)

式(8)中，S表示综合满意度函数；R₀表示配比和约束惩罚项；R₁表示单种原料配比约束惩罚项；R₂表示化学成分约束惩罚项；r₀＝0.1，r₁＝0.4，r₂＝0.2为约束条件的惩罚权重；

配比和约束惩罚项R₀计算公式：

R₀＝(∑x_i-1)²          (9)

式(9)中x_i表示第i种原料的配比；

单种原料配比约束惩罚项R1计算公式：

R₁＝∑(x_i-g)²          (10)

式(10)中x_i表示第i种原料的配比；g为过程量，即当x_i在其约束的上下限范围之内时g＝x_i；当x_i超出上限时，g为上限；当x_i超出下限时，g为下限；

化学成分约束惩罚项R₂的计算式：

R₁＝∑(目标元素计算值-b)²          (11)

式(11)中b为过程量，即当目标元素计算值在其约束的上下限范围之内时，b就为计算值；当目标元素计算值超出上限时，b为上限；当目标元素计算值超出下限时，b为下限；目标元素包括TFe、R、SiO₂、CaO、Al₂O₃、MgO；

4)进行算法迭代：

随机生成若干组配比，通过适应函数来计算其每组配比的适应值，并比较出个体最优配比pbest和全局最优配比gbest；在个体最优配比与全局最优配比的引导下更新每组配比，并最终得到满足一切约束的最优配比；更新配比的计算公式：

v_i(k+1)＝ωv_i(k)+c₁r₁(pbest_i(k)-x_i(k))+c₂r₂(gbest(k)-x_i(k))    (12)

x_i(k+1)＝x_i(k)+v_i(k+1)          (13)

式(12)、式(13)中，第k次迭代时的配比X_i(k)的具体配比表示为X_i(k)＝[x_i1(k)，x_i2(k)，…，x_in(k)]；相应的更新速度为v_i(k)＝[v_i1(k)，v_i2(k)，…，v_in(k)]；r1，r2为[0，1]区间内两不同的独立随机数；c1，c2是[0，4]区间内的常数，分别反映配比的局部搜索能力和全局搜索能力，ω是惯性系数，表示配比当前搜索状态的影响，取值范围为[0，1]；k次迭代的个体最优值pbest_i(k)和全局最优值gbest(k)由适应度函数值确定。

算法中所涉及的参数虽然不多，但是对优化效率是至关重要的。尤其对于大规模优化问题，不合适的参数设置将对收敛结果产生严重地影响。因此，必须对各参数的进行合理的取值。

(1)初始配比的选取

配料过程中库存量的影响具体表现在单种原料的配比约束上，单种原料配比必须在所设定的区间内，否则会发生断料或积料的现象，给企业的库存管理和进料结构造成混乱。同时，各种配比之和必须为1，否则不具备现实意义。以原料数目建立解空间，则一个配料方案可以映射为解空间中的一个点，即初始配比需要满足配比和为1且每项配比分别满足其设定的范围。

(2)初始化配比的数量

算法中每一代配比的数目N。对于不同的优化问题，这个数目是不同。当数目较小时，算法运算速度较快，容易收敛过早。当数目较大时，又会降低寻优效率。实际应用中应适当选取数目，以保证配比的多样性和算法的搜索效率。根据烧结配料优化的规模，预计算法取数目为1000。

(3)惯性权重

惯性系数是一个控制参数，不仅控制前一速度对当前速度的影响，同时有能力探索新的区域，扩展搜索空间，是为了全局搜索与局部搜索的能力。在实现过程中，可通过动态调整惯性系数的大小，先使惯性系数比较大，这样得到整体最优值附近的值，再通过缩小惯性系数进行局部寻优，得到一个更精确的结果。本算法的惯性系数用如下公式来动态调整。

$\mathrm{\&omega;}={\mathrm{\&omega;}}_{\max }-\frac{{\mathrm{\&omega;}}_{\max }-{\mathrm{\&omega;}}_{\min }}{{\mathrm{iter}}_{\max }}\&times;\mathrm{iter}---\left(15\right)$

式(15)中，ω_max，ω_min分别为惯性系数ω的最大值和最小值，iter和itermax分别为当前迭代次数和设定的最大迭代次数。

在迭代的初期，惯性系数较大，全局搜索能力较强。随着迭代次数的增加，惯性系数变小，进而局部搜索能力增强。

(4)算法结束条件

算法结束条件需要根据具体的问题兼顾算法的优化质量和搜索效率等多方面性能。一般来说，设定上次迭代的全局适应值与本次的全局适应值收敛精度计算精度：ε＝10^-8，并设定最大迭代次数iter＝5000，当计算精度满足计算精度要求或者到达最大迭代次数时，输出全局最优配比，即为最优配比。

Claims (2)

1.一种烧结配料计算模型，其特征在于，包括以下步骤：

1)对配料的上下限及各化学成分上下限进行约束，以铁品位和碱度为目标的计算模型：

在配料过程中，以烧结矿矿的铁品位Tfe、碱度R、二氧化硅SiO₂、氧化钙CaO、三氧化二铝Al₂O₃、氧化镁MgO为参考指标，目标铁品位Tfe计算公式：

烧结矿中TFe成分百分比含量＝Σx_i*A_TFei          (2)

绕结矿去烧损去水后百分比含量＝Σx_i*(100-A_ilg)*(100-A_iH2O)      (3)

式(2)、式(3)中：x_i表示第i种原料的配比；A_TFei表示第i种原料中TFe成分所占百分比；A_ilg表示第i种原料的烧损所占百分比；A_iH2O表示第i种原料中所含水分所占百分比；

二氧化硅SiO₂、氧化钙CaO、三氧化二铝Al₂O₃、氧化镁MgO计算公式与式(1)、式(2)、式(3)相同；

碱度计算公式为：

f(R)＝f(CaO)/f(SiO₂)           (4)

2)采用模糊理论，建立模糊的满意度函数；在配料过程中，根据配料的特点和工艺要求，分别建立了烧结矿的铁品位满意度函数和碱度满意度函数；在实际混合配料过程中，设m_TFes和m_Rs为烧结矿铁品位和碱度工艺设定值；由于烧结过程是一个十分复杂的过程，烧结矿的铁品位和碱度允许波动，设d_TFes和d_Rs为烧结矿碱度的允许波动值；其目标满意度函数及综合满意度函数可以表示为：

$S_{\mathrm{TFes}}=\left\{\begin{array}{cc}0,& f_{\mathrm{TFes}}\left(x\right)<A_{\mathrm{TFes}\min }\\ \frac{f_{\mathrm{TFes}}\left(x\right)-A_{\mathrm{TFes}\min }}{m_{\mathrm{TFes}}-d_{\mathrm{TFes}}-A_{\mathrm{TFes}\min }},& A_{\mathrm{TFes}\min }\&le;f_{\mathrm{TFes}}\left(x\right)<m_{\mathrm{TFes}}-d_{\mathrm{TFes}}\\ 1,& m_{\mathrm{TFes}}-d_{\mathrm{TFes}}\&le;f_{\mathrm{TFes}}\left(x\right)\&le;m_{\mathrm{TFes}}+d_{\mathrm{TFes}}\\ \frac{f_{\mathrm{TFes}}\left(x\right)-A_{\mathrm{TFes}\max }}{m_{\mathrm{TFes}}+d_{\mathrm{TFes}}-A_{\mathrm{TFes}\max }},& m_{\mathrm{TFes}}+d_{\mathrm{TFes}}<f_{\mathrm{TFes}}\left(x\right)\&le;A_{\mathrm{TFes}\max }\\ 0,& f_{\mathrm{TFes}}\left(x\right)>A_{\mathrm{TFes}\max }\end{array}\right.---\left(5\right)$

$S_{\mathrm{Rs}}=\left\{\begin{array}{cc}0,& f_{\mathrm{Rs}}\left(x\right)<A_{\mathrm{Rs}\min }\\ \frac{f_{\mathrm{Rs}}\left(x\right)-A_{\mathrm{Rs}\min }}{m_{\mathrm{Rs}}-d_{\mathrm{Rs}}-A_{\mathrm{Rs}\min }},& A_{\mathrm{Rs}\min }\&le;f_{\mathrm{Rs}}\left(x\right)<m_{\mathrm{Rs}}-d_{\mathrm{Rs}}\\ 1,& m_{\mathrm{Rs}}-d_{\mathrm{Rs}}\&le;f_{\mathrm{Rs}}\left(x\right)\&le;m_{\mathrm{Rs}}+d_{\mathrm{Rs}}\\ \frac{f_{\mathrm{Rs}}\left(x\right)-A_{\mathrm{Rs}\max }}{m_{\mathrm{Rs}}+d_{\mathrm{Rs}}-A_{\mathrm{Rs}\max }},& m_{\mathrm{Rs}}+d_{\mathrm{Rs}}<f_{\mathrm{Rs}}\left(x\right)\&le;A_{\mathrm{Rs}\max }\\ 0,& f_{\mathrm{Rs}}\left(x\right)>A_{\mathrm{Rs}\max }\end{array}\right.---\left(6\right)$

S＝ω_TFes_TFe+ω_Rs_R         (7)

式(5)中：

f_TFes(x)是配比X＝[x₁,x₂,…,x_n]通过公式(1)计算出的全体TFe计算值，A_Tfesmin和A_Tfesmax则分别是全铁设定的最小值与最大值；

式(6)中：f_Rs(x)是配比X＝[x₁,x₂,…,x_n]通过公式(4)计算出的全体Rs计算值，A_Rsmin和A_Rsmax则分别是碱度设定的最小值与最大值；

式(7)中：ω_TFe和ω_R为全铁和碱度满意度函数权重；

3)再次设立惩罚函数，构建适应度函数：

添加配比和约束惩罚项、单种原料配比约束惩罚项、化学成分约束惩罚项；

利用综合满意度函数构建适应度函数，适应度函数fit：

fit＝S-r₀R₀-r₁R₁-r₂R₂            (8)

式(8)中，S表示综合满意度函数；R₀表示配比和约束惩罚项；R₁表示单种原料配比约束惩罚项；R₂表示化学成分约束惩罚项；r₀、r₁、r₂为约束条件的惩罚权重；

配比和约束惩罚项R₀计算公式：

R₀＝(Σx_i-1)²               (9)

式(9)中x_i表示第i种原料的配比；

单种原料配比约束惩罚项R1计算公式：

R₁＝Σ(x_i-g)²         (10)

式(10)中x_i表示第i种原料的配比；g为过程量，即当x_i在其约束的上下限范围之内时g＝x_i；当x_i超出上限时，g为上限；当x_i超出下限时，g为下限；

化学成分约束惩罚项R₂的计算式：

R₁＝Σ(目标元素计算值-b)²             (11)

式(11)中b为过程量，即当目标元素计算值在其约束的上下限范围之内时，b就为计算值；当目标元素计算值超出上限时，b为上限；当目标元素计算值超出下限时，b为下限；目标元素包括TFe、R、SiO₂、CaO、Al₂O₃、MgO；

4)进行算法迭代：

随机生成若干组配比，通过适应函数来计算其每组配比的适应值，并比较出个体最优配比pbest和全局最优配比gbest；在个体最优配比与全局最优配比的引导下更新每组配比，并最终得到满足一切约束的最优配比；更新配比的计算公式：

v_i(k+1)＝ωv_i(k)+c₁r₁(pbest_i(k)-x_i(k))+c₂r₂(gbest(k)-x_i(k))     (12)

x_i(k+1)＝x_i(k)+v_i(k+1)            (13)

式(12)、式(13)中，第k次迭代时的配比X_i(k)的具体配比表示为

X_i(k)＝[x_i1(k)，x_i2(k)，…，x_in(k)]；相应的更新速度为v_i(k)＝[v_i1(k)，v_i2(k)，…，v_in(k)]；r1，r2为[0，1]区间内两不同的独立随机数；c1，c2是[0，4]区间内的常数，分别反映配比的局部搜索能力和全局搜索能力，ω是惯性系数，表示配比当前搜索状态的影响，取值范围为[0，1]；k次迭代的个体最优值pbest_i(k)和全局最优值gbest(k)由适应度函数值确定。

2.根据权利要求1所述的一种烧结配料计算模型，其特征在于，步骤4)中所述的式(12)的惯性系数ω计算公式为：

$\mathrm{\&omega;}={\mathrm{\&omega;}}_{\max }-\frac{{\mathrm{\&omega;}}_{\max }-{\mathrm{\&omega;}}_{\min }}{{\mathrm{iter}}_{\max }}\&times;\mathrm{iter}---\left(15\right)$

式(15)中，ω_max，ω_min分别为惯性系数ω的最大值和最小值，iter和itermax分别为当前迭代次数和设定的最大迭代次数。