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

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、t_m，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

一种基于遗传优化算法的钢球磨煤机设计选型方法

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P_m：

式中：η_dj电动机效率、η_cd钢球磨煤机传动装置的效率、ρ_b钢球的堆积密度、K_r燃料系数、K_ap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P_fj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B_m；

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),β_T为实际系统运行时的磨煤通风量，β_S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：K_cm＝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)，γ_T为实际系统运行时钢球磨煤机内存煤量，γ_S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)，t_m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B_m：

式中：D磨筒直径、L磨筒长度、n磨筒转速、充球系数、K_ap护甲形状影响系数、K_jd护甲和钢球磨损造成的出力降低的影响系数、K_gr工作燃料可磨性的影响系数和K_mf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E_m：

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,t_m，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E_m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,t_m，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minE_m(β,γ,t_m)：

得出该型号的最优运行结果minE_m1；

步骤23)、依次算出其余型号的最优运行结果minE_m2，minE_m3,...,minE_m16，从中选出最小的制粉单耗minE_m，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minE_m(β,γ,t_m)：

步骤32)、定义三个变量β、γ、t_m，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E_m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、t_m，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K_gr，煤粉细度影响系数K_mf和燃料系数K_r、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、t_m，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,t_m，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P_m：

式中：η_dj电动机效率、η_cd钢球磨煤机传动装置的效率、ρ_b钢球的堆积密度、K_r燃料系数、K_ap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P_fj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B_m；

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),β_T为实际系统运行时的磨煤通风量，β_S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：K_cm＝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)，γ_T为实际系统运行时钢球磨煤机内存煤量，γ_S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)，t_m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B_m：

式中：D磨筒直径、L磨筒长度、n磨筒转速、充球系数、K_ap护甲形状影响系数、K_jd护甲和钢球磨损造成的出力降低的影响系数、K_gr工作燃料可磨性的影响系数和K_mf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E_m：

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,t_m，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E_m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,t_m，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minE_m(β,γ,t_m)：

得出该型号的最优运行结果minE_m1；

步骤23)、依次算出其余型号的最优运行结果minE_m2，minE_m3,...,minE_m16，从中选出最小的制粉单耗minE_m，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minE_m(β,γ,t_m)：

步骤32)、定义三个变量β、γ、t_m，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E_m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、t_m，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K_gr，煤粉细度影响系数K_mf和燃料系数K_r、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K_gr：1.33、煤粉细度影响系数K_mf：0.383、燃料系数K_r：1.05、护甲形状影响系数K_ap：1.0、护甲和钢球磨损造成出力降低的影响系数K_jd：0.95、电动机效率η_dj：、球磨机传动装置的效率η_cd:0.85、钢球堆积密度ρ_b:4.9kg/m3、电机冷却和励磁附加消耗功率P_fj: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P_m：

式中：η_dj电动机效率、η_cd钢球磨煤机传动装置的效率、ρ_b钢球的堆积密度、K_r燃料系数、K_ap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P_fj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B_m；

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,β_T为实际系统运行时的磨煤通风量，β_S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：K_cm＝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， γ_T为实际系统运行时钢球磨煤机内存煤量，γ_S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： t_m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B_m：

式中：D磨筒直径、L磨筒长度、n磨筒转速、充球系数、K_ap护甲形状影响系数、K_jd护甲和钢球磨损造成的出力降低的影响系数、K_gr工作燃料可磨性的影响系数和K_mf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E_m：

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,t_m，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E_m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,t_m，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minE_m(β,γ,t_m)：

得出该型号的最优运行结果minE_m1；

步骤23)、依次算出其余型号的最优运行结果minE_m2，minE_m3,...,minE_m16，从中选出最小的制粉单耗minE_m，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minE_m(β,γ,t_m)：

步骤32)、定义三个变量β、γ、t_m，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E_m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、t_m，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K_gr，煤粉细度影响系数K_mf和燃料系数K_r、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。