CN105701576B - 一种基于遗传优化算法的钢球磨煤机设计选型方法 - Google Patents
一种基于遗传优化算法的钢球磨煤机设计选型方法 Download PDFInfo
- Publication number
- CN105701576B CN105701576B CN201610060155.3A CN201610060155A CN105701576B CN 105701576 B CN105701576 B CN 105701576B CN 201610060155 A CN201610060155 A CN 201610060155A CN 105701576 B CN105701576 B CN 105701576B
- Authority
- CN
- China
- Prior art keywords
- low speed
- mill
- coal
- coal mill
- speed coal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C17/00—Disintegrating by tumbling mills, i.e. mills having a container charged with the material to be disintegrated with or without special disintegrating members such as pebbles or balls
- B02C17/18—Details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Food Science & Technology (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
Abstract
一种基于遗传算法的钢球磨煤机设计选型方法,它包括以下步骤:步骤1)、设计某种特定钢球磨煤机的参数;步骤2)、从设计的钢球磨煤机的型号和现有的型号中选择钢球磨煤机的最优型号;步骤3)、确定钢球磨煤机的最优运行工况参数;步骤4)、指导钢球磨煤机制粉系统的运行。本发明根据理论依据,基于最小制粉单耗原则,利用遗传算法进行参数自动寻优,给出最优经济运行指导,设计遗传算法控制流程,计算出最优的运行状态参数β、γ、tm,提高制粉系统出力,保证系统安全、经济运行,能够提高球磨机的生产质量与生产效率,节约能源,能够有效提高产品的市场竞争力,从而为企业带来更多的利润。
Description
技术领域
本发明涉及系统优化设计技术领域,具体地说是一种基于遗传优化算法的钢球磨煤机设计选型方法。
背景技术
制粉系统作为火力发电机组中重要的辅助系统,是整个机组的用电大户,优化制粉系统的运行、降低制粉系统的厂用电是火电机组节能的重要手段。钢球磨煤机作为制粉系统的重要设备被广泛应用,但在实际运行过程中,难以保证磨煤机运行在最佳经济出力工作点,会造成单位磨煤电耗增加和能源浪费。这是因为磨煤机系统是一个多输入、多输出的强非线性、大滞后、时变的复杂系统。传统的试验法需要做大量的试验,工作量大,劳动强度大,试验数据易分散,而且不具有连续性,优化参数也不尽合理,对运行人员的指导作用不强;动态规划方法,当机组数目增多或状态变量增多时,需要计算机的储存量很大,导致动态规划的“维数灾难”问题。
另外,对于钢球球磨机的选型问题,长期以来多数采用类比法,选型存在余量过大,参数不匹配等问题,造成了资源的浪费。同时,对于非标准型号的钢球磨煤机尺寸设计没有量化依据。
发明内容
本发明的目的在于提供一种基于遗传优化算法的钢球磨煤机设计选型方法,用于解决以往钢球磨煤机选型余量过大,参数不匹配,非标准型号的钢球磨煤机尺寸设计没有量化依据的问题。
本发明解决其技术问题所采取的技术方案是:一种基于遗传优化算法的钢球磨煤机设计选型方法,其特征是,所述设计选型的方法具体包括:
步骤1)、设计某种特定钢球磨煤机的参数;
步骤2)、从设计的钢球磨煤机的型号和现有的型号中选择钢球磨煤机的最优型号;
步骤3)、确定钢球磨煤机的最优运行工况参数;
步骤4)、指导钢球磨煤机制粉系统的运行。
进一步地,所述的设计某种特定钢球磨煤机参数的过程具体包括:
步骤11)、计算钢球磨煤机的消耗功率Pm:
式中:ηdj电动机效率、ηcd钢球磨煤机传动装置的效率、ρb钢球的堆积密度、Kr燃料系数、Kap护甲形状影响系数、D磨筒直径、L磨筒长度、n磨筒转速、充球系数、S筒体和护板的总厚度和Pfj电机冷却与励磁附加消耗功率为已知常数;
步骤12)、计算制粉系统的研磨出力Bm;
步骤121)、计算磨内通风量影响系数:(2),式中,β为实际系统运行时的磨煤通风量与钢球磨煤机设计的最佳通风量之比,(2-1),βT为实际系统运行时的磨煤通风量,βS为钢球磨煤机设计的最佳通风量;
步骤122)、计算磨内存煤量影响系数:Kcm=r(2-r)(3),式中,r为实际系统运行时钢球磨煤机内存煤量与设计最大存煤量之比,(3-1),γT为实际系统运行时钢球磨煤机内存煤量,γS为设计最大存煤量;
步骤123)、计算钢球磨煤机出口温度影响系数:(4),tm为实际系统运行时的钢球磨煤机出口温度;
步骤124)、根据公式2、公式2-1、公式3、公式3-1和公式4计算制粉系统的研磨出力Bm:
式中:D磨筒直径、L磨筒长度、n磨筒转速、充球系数、Kap护甲形状影响系数、Kjd护甲和钢球磨损造成的出力降低的影响系数、Kgr工作燃料可磨性的影响系数和Kmf煤粉细度影响系数为已知常数;
步骤13)、根据公式1和公式5计算钢球磨煤机消耗的制粉单耗Em:
步骤14)、利用遗传算法计算
进一步地,所述的步骤14)具体包括:
步骤141)、定义八个变量D,L,n,S,β,γ,tm,对八个变量进行实数编码,并结合2组专家经验,形成一定规模的初始种群A;
步骤142)、定义制粉单耗Em为遗传算法检验个体的适应度评价函数,并以此函数对种群A中的所有个体进行适应度计算;
步骤143)、根据适应度值对个体进行排序,选择最大适应度的个体,判断是否满足终止条件,如满足终止条件,执行步骤144)操作,如不满足终止条件,执行步骤145)操作;
步骤144)、输出D,L,n,S,β,γ,tm,结束运行;
步骤145)、以该种群所有个体适应度的平均值为阈值,选出高于此阈值的个体为模板进行遗传算法的选择操作;
步骤146)、使用交叉概率和变异概率,进行两点交叉与均匀变异操作;
步骤147)、在产生新个体的过程中,删除相似度高的个体,建立新种群,执行步骤142)操作。
进一步地,所述的选择钢球磨煤机最优型号的过程具体包括:
步骤21)、根据某一钢球磨煤机的型号,确定其磨筒直径D、磨筒长度L、磨筒转速n、充球系数筒体和护板的总厚度S;
步骤22)、根据公式6计算minEm(β,γ,tm):
得出该型号的最优运行结果minEm1;
步骤23)、依次算出其余型号的最优运行结果minEm2,minEm3,...,minEm16,从中选出最小的制粉单耗minEm,其对应的型号即为钢球磨煤机最优型号。
进一步地,所述的确定钢球磨煤机最优运行工况参数的过程具体包括:
步骤31)、根据公式6求解minEm(β,γ,tm):
步骤32)、定义三个变量β、γ、tm,对三个变量进行实数编码,并结合2组专家经验,形成一定规模的初始种群B;
步骤33)、定义制粉单耗Em为遗传算法检验个体的适应度评价函数,并以此函数对种群中的所有个体进行适应度计算;
步骤34)、根据适应度值对个体进行排序,选择最大适应度的个体,判断是否满足终止条件,如满足终止条件,执行步骤35)操作,如不满足终止条件,执行步骤36)操作;
步骤35)、输出β、γ、tm,结束运行;
步骤36)、以该种群所有个体适应度的平均值为阈值,选出高于此阈值的个体为模板进行遗传算法的选择操作;
步骤37)、使用交叉概率和变异概率,进行两点交叉与均匀变异操作;
步骤38)、在产生新个体的过程中,删除相似度高的个体,建立新种群,执行步骤33)操作。
进一步地,所述的终止条件包括最大适应度值和平均适应度值的变化不大、趋于稳定,或/和相邻GAP代种群的距离小于可接受值;所述的交叉概率为0.4--0.9,变异概率为0.01--0.1。
进一步地,所述的指导钢球磨煤机制粉系统运行的过程具体包括:
步骤41)、将燃料特性参数:工作燃料可磨性的影响系数Kgr,煤粉细度影响系数Kmf和燃料系数Kr、结构特性参数:磨筒直径D,磨筒长度L,磨筒转速n,充球系数和筒体与护板的总厚度S输入遗传优化算法;
步骤42)、将磨机入口负压传感器和再循环风门角度传感器检测到的通风量、磨机进出口压差传感器和音频振动传感器检测到的磨内存煤量、温度传感器和热风门角度传感器检测到的磨机出口温度输入遗传优化算法;
步骤43)、通过遗传优化算法迭代计算出最优的钢球磨煤机通风量、钢球磨煤机内存煤量和钢球磨煤机出口温度;
步骤44)、通过PLC控制器对钢球磨煤机制粉运行系统施加作用,驱动再循环风门电动推杆、给煤机转速控制变频器及热风门电动推杆分别对应改变钢球磨煤机的总风量、给煤量和热风量;
步骤45)、钢球磨煤机制粉运行系统的再循环风门角度传感器检测运行状态参数钢球磨煤机通风量、音频振动传感器和磨机进出口压差传感器检测运行状态参数钢球磨煤机存煤量、磨机出口温度传感器检测运行状态参数钢球磨煤机出口温度后反馈给遗传优化算法,遗传优化算法通过反馈回来的运行状态参数与设计的最优参数作比较,进一步地改变钢球磨煤机的总风量、给煤量和热风量实现最优运行。
本发明的有益效果是:本发明提供的一种确定钢球磨煤机最优运行工况参数的方法,根据理论依据,基于最小制粉单耗原则,利用遗传算法进行参数自动寻优,给出最优经济运行指导,设计遗传算法控制流程,计算出最优的运行状态参数β、γ、tm,提高制粉系统出力,保证系统安全、经济运行,能够提高球磨机的生产质量与生产效率,节约能源,能够有效提高产品的市场竞争力,从而为企业带来更多的利润。
本发明专利在提出一种基于遗传算法的钢球磨煤机设计选型方法的同时,还设计了确定钢球磨煤机最优型号的过程和确定某种特定钢球磨煤机参数的过程,能够提供钢球磨煤机的最优型号和钢球磨煤机的尺寸参数D,L,n,S和最优运行参数β,γ,tm,为相关企业提供钢球磨煤机在实际生产中的选型指导,避免盲目选型,给钢球磨煤机在机构方面的优化设计提供理论依据,具有重要的理论意义和现实意义。
本发明还提出了确定钢球磨煤机制粉运行系统状态参数的过程,设计生产单位或用户厂商如果在国家标准规定的钢球磨煤机型号之外,还需要特别定制的球磨机,本发明专利能够在产品设计阶段,将问题转化为求解带约束条件的八变量单目标优化问题,利用改进遗传算法在变量空间进行迭代求解,根据制粉单耗最小原则,确定出球磨机的磨筒直径、磨筒长度、磨筒转速、充球系数、筒体和护板的总厚度等球磨机结构特性参数,可以帮助优化设计钢球磨煤机的参数。
附图说明
图1为本发明的步骤原理图;
图2为本发明的钢球磨煤机的特性曲线图;
图3为本发明设计某种特定钢球磨煤机参数过程的流程图;
图4为本发明中计算的具体流程图;
图5为本发明的确定钢球磨煤机最优型号过程的流程图;
图6为本发明的确定钢球磨煤机最优运行工况参数的流程图;
图7为本发明指导钢球磨煤机制粉系统运行的流程图;
图中,曲线1表示钢球磨煤机消耗的功率,曲线2表示钢球磨煤机进出口压差,曲线3表示钢球磨煤机出口温度,曲线4表示钢球磨煤机入口负压;A区表示钢球磨煤机初始工作状态,B区表示钢球磨煤机正常工作状态,C区表示非正常工作状态。
具体实施方式
如图1至图7所示,本发明包括:
步骤1)、设计某种特定钢球磨煤机的参数;
步骤2)、从设计的钢球磨煤机的型号和现有的型号中选择钢球磨煤机的最优型号;
步骤3)、确定钢球磨煤机的最优运行工况参数;
步骤4)、指导钢球磨煤机制粉系统的运行。
如图2所示,随着钢球磨煤机存煤量的增加,曲线1代表的球磨机消耗功率也随着加大,曲线2代表的磨机出入口压差加大,曲线3代表的磨机出口温度降低,曲线4代表的磨机入口负压加大。
根据曲线特性,可将图2分为A、B、C三个工作区。在A工作区内,钢球磨煤机进入初始工作状态,磨出口温度高,入口负压低,造成磨煤机出力过小,球磨机制粉单耗过高。当磨煤机处于B工作区时,制粉系统进入正常工作状态,磨机出口温度、入口负压和出入口压差进入正常范围,在靠近曲线的右边,存在一个动态平衡点,系统的制粉效率最高。当系统工作于C工作区时,磨煤机的出入口压差和负压会急剧加大,容易发生堵煤和跑粉现象。因此为了减少损耗,提高效率,本发明提供了钢球磨煤机设计选型的方法。
如图3所示,设计某种特定钢球磨煤机的参数具体包括:
步骤11)、计算钢球磨煤机的消耗功率Pm:
式中:ηdj电动机效率、ηcd钢球磨煤机传动装置的效率、ρb钢球的堆积密度、Kr燃料系数、Kap护甲形状影响系数、D磨筒直径、L磨筒长度、n磨筒转速、充球系数、S筒体和护板的总厚度和Pfj电机冷却与励磁附加消耗功率为已知常数;
步骤12)、计算制粉系统的研磨出力Bm;
步骤121)、计算磨内通风量影响系数:(2),式中,β为实际系统运行时的磨煤通风量与钢球磨煤机设计的最佳通风量之比,(2-1),βT为实际系统运行时的磨煤通风量,βS为钢球磨煤机设计的最佳通风量;
步骤122)、计算磨内存煤量影响系数:Kcm=r(2-r)(3),式中,r为实际系统运行时钢球磨煤机内存煤量与设计最大存煤量之比,(3-1),γT为实际系统运行时钢球磨煤机内存煤量,γS为设计最大存煤量;
步骤123)、计算钢球磨煤机出口温度影响系数:(4),tm为实际系统运行时的钢球磨煤机出口温度;
步骤124)、根据公式2、公式2-1、公式3、公式3-1和公式4计算制粉系统的研磨出力Bm:
式中:D磨筒直径、L磨筒长度、n磨筒转速、充球系数、Kap护甲形状影响系数、Kjd护甲和钢球磨损造成的出力降低的影响系数、Kgr工作燃料可磨性的影响系数和Kmf煤粉细度影响系数为已知常数;
步骤13)、根据公式1和公式5计算钢球磨煤机消耗的制粉单耗Em:
步骤14)、利用遗传算法计算
如图4所示,步骤14)的具体过程为:
步骤141)、定义八个变量D,L,n,S,β,γ,tm,对八个变量进行实数编码,并结合2组专家经验,形成一定规模的初始种群A;
步骤142)、定义制粉单耗Em为遗传算法检验个体的适应度评价函数,并以此函数对种群A中的所有个体进行适应度计算;
步骤143)、根据适应度值对个体进行排序,选择最大适应度的个体,判断是否满足终止条件:最大适应度值和平均适应度值趋于稳定,如满足终止条件,执行步骤144)操作,如不满足终止条件,执行步骤145)操作;
步骤144)、输出D,L,n,S,β,γ,tm,结束运行;
步骤145)、以该种群所有个体适应度的平均值为阈值,选出高于此阈值的个体为模板进行遗传算法的选择操作;
步骤146)、使用交叉概率0.5和变异概率0.05,进行两点交叉与均匀变异操作;
步骤147)、在产生新个体的过程中,删除相似度高的个体,建立新种群,执行步骤142)操作。
如图5所示,确定钢球磨煤机最优型号的具体过程为:
步骤21)、根据某一钢球磨煤机的型号,确定其磨筒直径D、磨筒长度L、磨筒转速n、充球系数筒体和护板的总厚度S;
步骤22)、根据公式6计算minEm(β,γ,tm):
得出该型号的最优运行结果minEm1;
步骤23)、依次算出其余型号的最优运行结果minEm2,minEm3,...,minEm16,从中选出最小的制粉单耗minEm,其对应的型号即为钢球磨煤机最优型号。
如图6所示,确定钢球磨煤机最优运行工况参数的过程具体包括:
步骤31)、根据公式6求解minEm(β,γ,tm):
步骤32)、定义三个变量β、γ、tm,对三个变量进行实数编码,并结合2组专家经验,形成一定规模的初始种群B;
步骤33)、定义制粉单耗Em为遗传算法检验个体的适应度评价函数,并以此函数对种群中的所有个体进行适应度计算;
步骤34)、根据适应度值对个体进行排序,选择最大适应度的个体,判断是否满足终止条件:最大适应度值和平均适应度值趋于稳定,如满足终止条件,执行步骤35)操作,如不满足终止条件,执行步骤36)操作;
步骤35)、输出β、γ、tm,结束运行;
步骤36)、以该种群所有个体适应度的平均值为阈值,选出高于此阈值的个体为模板进行遗传算法的选择操作;
步骤37)、使用交叉概率0.5和变异概率0.05,进行两点交叉与均匀变异操作;
步骤38)、在产生新个体的过程中,删除相似度高的个体,建立新种群,执行步骤33)操作。
如图7所示,指导钢球磨煤机制粉系统运行的过程具体包括:
步骤41)、将燃料特性参数:工作燃料可磨性的影响系数Kgr,煤粉细度影响系数Kmf和燃料系数Kr、结构特性参数:磨筒直径D,磨筒长度L,磨筒转速n,充球系数和筒体与护板的总厚度S输入遗传优化算法;
步骤42)、将磨机入口负压传感器和再循环风门角度传感器检测到的通风量、磨机进出口压差传感器和音频振动传感器检测到的磨内存煤量、温度传感器和热风门角度传感器检测到的磨机出口温度输入遗传优化算法;
步骤43)、通过遗传优化算法迭代计算出最优的钢球磨煤机通风量、钢球磨煤机内存煤量和钢球磨煤机出口温度;
步骤44)、通过PLC控制器对钢球磨煤机制粉运行系统施加作用,驱动再循环风门电动推杆、给煤机转速控制变频器及热风门电动推杆分别对应改变钢球磨煤机的总风量、给煤量和热风量;
步骤45)、钢球磨煤机制粉运行系统的再循环风门角度传感器检测运行状态参数钢球磨煤机通风量、音频振动传感器和磨机进出口压差传感器检测运行状态参数钢球磨煤机存煤量、磨机出口温度传感器检测运行状态参数钢球磨煤机出口温度后反馈给遗传优化算法,遗传优化算法通过反馈回来的运行状态参数与设计的最优参数作比较,进一步地改变钢球磨煤机的总风量、给煤量和热风量实现最优运行。
根据本发明的设计,应用于某燃煤电厂,该燃煤电厂运行采用的4台MG350/700型钢球磨煤机,相关参数为:磨筒直径D:3.5m、磨筒长度L:7.00m、磨筒转速n:17.57r/min、充球系数:0.209、筒体和护板的总厚度S:0.08m、工作燃料可磨性影响系数Kgr:1.33、煤粉细度影响系数Kmf:0.383、燃料系数Kr:1.05、护甲形状影响系数Kap:1.0、护甲和钢球磨损造成出力降低的影响系数Kjd:0.95、电动机效率ηdj:、球磨机传动装置的效率ηcd:0.85、钢球堆积密度ρb:4.9kg/m3、电机冷却和励磁附加消耗功率Pfj:0.9。
计算制粉单耗
通过本发明设计的改进遗传算法程序计算得到球磨机制粉单耗为51.38kJ/kg,与此电厂原来的球磨机制粉单耗56.17kJ/kg相比,减少了大量能耗。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (4)
1.一种基于遗传优化算法的钢球磨煤机设计选型方法,其特征是,所述设计选型的方法具体包括:
步骤1)、设计某种特定钢球磨煤机的参数;
步骤2)、从设计的钢球磨煤机的型号和现有的型号中选择钢球磨煤机的最优型号;
步骤3)、确定钢球磨煤机的最优运行工况参数;
步骤4)、指导钢球磨煤机制粉系统的运行;
所述的设计某种特定钢球磨煤机参数的过程具体包括:
步骤11)、计算钢球磨煤机的消耗功率Pm:
式中:ηdj电动机效率、ηcd钢球磨煤机传动装置的效率、ρb钢球的堆积密度、Kr燃料系数、Kap护甲形状影响系数、D磨筒直径、L磨筒长度、n磨筒转速、充球系数、S筒体和护板的总厚度和Pfj电机冷却与励磁附加消耗功率为已知常数;
步骤12)、计算制粉系统的研磨出力Bm;
步骤121)、计算磨内通风量影响系数:式中,β为实际系统运行时的磨煤通风量与钢球磨煤机设计的最佳通风量之比,βT为实际系统运行时的磨煤通风量,βS为钢球磨煤机设计的最佳通风量;
步骤122)、计算磨内存煤量影响系数:Kcm=r(2-r)(3),式中,r为实际系统运行时钢球磨煤机内存煤量与设计最大存煤量之比, γT为实际系统运行时钢球磨煤机内存煤量,γS为设计最大存煤量;
步骤123)、计算钢球磨煤机出口温度影响系数: tm为实际系统运行时的钢球磨煤机出口温度;
步骤124)、根据公式2、公式2-1、公式3、公式3-1和公式4计算制粉系统的研磨出力Bm:
式中:D磨筒直径、L磨筒长度、n磨筒转速、充球系数、Kap护甲形状影响系数、Kjd护甲和钢球磨损造成的出力降低的影响系数、Kgr工作燃料可磨性的影响系数和Kmf煤粉细度影响系数为已知常数;
步骤13)、根据公式1和公式5计算钢球磨煤机消耗的制粉单耗Em:
步骤14)、利用遗传算法计算
所述的步骤14)具体包括:
步骤141)、定义八个变量D,L,n,S,β,γ,tm,对八个变量进行实数编码,并结合2组专家经验,形成一定规模的初始种群A;
步骤142)、定义制粉单耗Em为遗传算法检验个体的适应度评价函数,并以此函数对种群A中的所有个体进行适应度计算;
步骤143)、根据适应度值对个体进行排序,选择最大适应度的个体,判断是否满足终止条件,如满足终止条件,执行步骤144)操作,如不满足终止条件,执行步骤145)操作;
步骤144)、输出D,L,n,S,β,γ,tm,结束运行;
步骤145)、以该种群所有个体适应度的平均值为阈值,选出高于此阈值的个体为模板进行遗传算法的选择操作;
步骤146)、使用交叉概率和变异概率,进行两点交叉与均匀变异操作;
步骤147)、在产生新个体的过程中,删除相似度高的个体,建立新种群,执行步骤142)操作;
所述的选择钢球磨煤机最优型号的过程具体包括:
步骤21)、根据某一钢球磨煤机的型号,确定其磨筒直径D、磨筒长度L、磨筒转速n、充球系数筒体和护板的总厚度S;
步骤22)、根据公式6计算minEm(β,γ,tm):
得出该型号的最优运行结果minEm1;
步骤23)、依次算出其余型号的最优运行结果minEm2,minEm3,...,minEm16,从中选出最小的制粉单耗minEm,其对应的型号即为钢球磨煤机最优型号。
2.根据权利要求1所述的一种基于遗传优化算法的钢球磨煤机设计选型方法,其特征是,所述的确定钢球磨煤机最优运行工况参数的过程具体包括:
步骤31)、根据公式6求解minEm(β,γ,tm):
步骤32)、定义三个变量β、γ、tm,对三个变量进行实数编码,并结合2组专家经验,形成一定规模的初始种群B;
步骤33)、定义制粉单耗Em为遗传算法检验个体的适应度评价函数,并以此函数对种群中的所有个体进行适应度计算;
步骤34)、根据适应度值对个体进行排序,选择最大适应度的个体,判断是否满足终止条件,如满足终止条件,执行步骤35)操作,如不满足终止条件,执行步骤36)操作;
步骤35)、输出β、γ、tm,结束运行;
步骤36)、以该种群所有个体适应度的平均值为阈值,选出高于此阈值的个体为模板进行遗传算法的选择操作;
步骤37)、使用交叉概率和变异概率,进行两点交叉与均匀变异操作;
步骤38)、在产生新个体的过程中,删除相似度高的个体,建立新种群,执行步骤33)操作。
3.根据权利要求2所述的一种基于遗传优化算法的钢球磨煤机设计选型方法,其特征是,所述的终止条件包括最大适应度值和平均适应度值的变化不大、趋于稳定,或/和相邻GAP代种群的距离小于可接受值;所述的交叉概率为0.4--0.9,变异概率为0.01--0.1。
4.根据权利要求1所述的一种基于遗传优化算法的钢球磨煤机设计选型方法,其特征是,所述的指导钢球磨煤机制粉系统运行的过程具体包括:
步骤41)、将燃料特性参数:工作燃料可磨性的影响系数Kgr,煤粉细度影响系数Kmf和燃料系数Kr、结构特性参数:磨筒直径D,磨筒长度L,磨筒转速n,充球系数和筒体与护板的总厚度S输入遗传优化算法;
步骤42)、将磨机入口负压传感器和再循环风门角度传感器检测到的通风量、磨机进出口压差传感器和音频振动传感器检测到的磨内存煤量、温度传感器和热风门角度传感器检测到的磨机出口温度输入遗传优化算法;
步骤43)、通过遗传优化算法迭代计算出最优的钢球磨煤机通风量、钢球磨煤机内存煤量和钢球磨煤机出口温度;
步骤44)、通过PLC控制器对钢球磨煤机制粉运行系统施加作用,驱动再循环风门电动推杆、给煤机转速控制变频器及热风门电动推杆分别对应改变钢球磨煤机的总风量、给煤量和热风量;
步骤45)、钢球磨煤机制粉运行系统的再循环风门角度传感器检测运行状态参数钢球磨煤机通风量、音频振动传感器和磨机进出口压差传感器检测运行状态参数钢球磨煤机存煤量、磨机出口温度传感器检测运行状态参数钢球磨煤机出口温度后反馈给遗传优化算法,遗传优化算法通过反馈回来的运行状态参数与设计的最优参数作比较,进一步地改变钢球磨煤机的总风量、给煤量和热风量实现最优运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610060155.3A CN105701576B (zh) | 2016-01-28 | 2016-01-28 | 一种基于遗传优化算法的钢球磨煤机设计选型方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610060155.3A CN105701576B (zh) | 2016-01-28 | 2016-01-28 | 一种基于遗传优化算法的钢球磨煤机设计选型方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105701576A CN105701576A (zh) | 2016-06-22 |
CN105701576B true CN105701576B (zh) | 2019-09-10 |
Family
ID=56229716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610060155.3A Active CN105701576B (zh) | 2016-01-28 | 2016-01-28 | 一种基于遗传优化算法的钢球磨煤机设计选型方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701576B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106644639B (zh) * | 2016-12-22 | 2019-04-05 | 长沙矿冶研究院有限责任公司 | 工业型立式搅拌磨机的选型方法及选型试验闭路细磨系统 |
CN106863019B (zh) * | 2017-01-09 | 2018-08-07 | 西北工业大学 | 一种超高强度钢高效低应力磨削工艺参数的获得方法 |
CN110180683B (zh) * | 2019-06-21 | 2021-01-26 | 安徽国兰智能科技有限公司 | 一种基于大数据分析的浮选系统 |
CN110598365B (zh) * | 2019-09-30 | 2023-02-28 | 西安热工研究院有限公司 | 一种计算mp-g型中速磨煤机研磨出力的方法 |
CN111045403B (zh) * | 2019-11-20 | 2020-10-23 | 广州博依特智能信息科技有限公司 | 一种基于遗传算法的球磨车间生产调度方法及装置 |
CN113743672B (zh) * | 2021-09-09 | 2024-04-05 | 西安热工研究院有限公司 | 一种磨煤机经济煤粉细度在线分析及运行优化指导方法 |
CN118142647B (zh) * | 2024-05-09 | 2024-07-26 | 眉山秦川智能传感器有限公司 | 基于工业物联网用于电阻器制造的球磨机控制方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1836785A (zh) * | 2006-04-24 | 2006-09-27 | 西安交通大学 | 火电厂钢球磨煤机制粉系统自动控制方法 |
-
2016
- 2016-01-28 CN CN201610060155.3A patent/CN105701576B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1836785A (zh) * | 2006-04-24 | 2006-09-27 | 西安交通大学 | 火电厂钢球磨煤机制粉系统自动控制方法 |
Non-Patent Citations (1)
Title |
---|
双进双出钢球磨煤机优化技术应用研究;姚树建;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑2006年》;20061015(第10期);C042-114 |
Also Published As
Publication number | Publication date |
---|---|
CN105701576A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701576B (zh) | 一种基于遗传优化算法的钢球磨煤机设计选型方法 | |
Klyuev et al. | Improving the energy efficiency of technological equipment at mining enterprises | |
AU2011297864B2 (en) | Method for controlling a mill system having at least one mill, in particular an ore mill or cement mill | |
CN103028480B (zh) | 一种基于模糊pid算法的立磨智能控制系统 | |
CN103331204B (zh) | 高炉喷煤制粉系统中速磨控制方法 | |
CN108393146B (zh) | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 | |
CN111047104B (zh) | 粉磨系统的能耗优化方法 | |
AU2007284842B2 (en) | Using historical data to estimate wear profiles of consumable wear products | |
CN108672025B (zh) | 一种钢球磨煤制粉系统的多工况最优解耦控制方法 | |
CN102402186A (zh) | 一种水泥厂粉磨过程优化控制方法 | |
Niemczyk et al. | Derivation and validation of a coal mill model for control | |
JP6776881B2 (ja) | 粉砕プラントにおける処理装置、方法、およびプログラム | |
Morrell | Helping to reduce mining industry carbon emissions: A step-by-step guide to sizing and selection of energy efficient high pressure grinding rolls circuits | |
CN103017536A (zh) | 一种烧结控制方法及系统 | |
CN107213956A (zh) | 一种二段磨矿设备及其优化控制方法 | |
CN203054470U (zh) | 一种立磨总体控制结构 | |
CN110090727A (zh) | 一种磨矿生产中操作数据的处理方法、装置、设备及介质 | |
CN102716796B (zh) | 一种基于碎磨设备性能确定选矿厂矿石入磨粒度的方法 | |
Gang et al. | Analysis and optimization of cone crusher performance | |
Song | Intelligent Control and Energy Conservation of Ball Mill | |
Jahani et al. | Application of SPI for Modeling energy consumption in Sarcheshmeh SAG and ball mills | |
Kamarova et al. | Improving the Efficiency of the Coal Grinding Process in Ball Drum Mills at Thermal Power Plants | |
Shen et al. | Modeling and analysis of material layer thickness in slag powder process | |
Fedoryshyn et al. | Automation and optimization of coal grinding by means of ball mills | |
Butar et al. | CONTINUOUS IMPROVEMENT AT SENTINEL (WITH REMOTE GRINDING SUPPORT) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |