CN107119159B - 一种存在整数规划问题的高炉布料过程布料矩阵的优化方法 - Google Patents

Abstract

本发明涉及一种存在整数规划问题的高炉布料过程布料矩阵的优化方法。在以高炉布料过程径向料层厚度分布为优化目标，以布料矩阵为优化操作参数的系统描述中，由于操作变量中溜槽倾角序列和布料圈数序列分属于不同数域，致使高炉布料过程操作变量布料矩阵的优化演化成一种存在整数规划问题的优化问题。在积分约束下,本发明给出了料层径向厚度目标分布的分段函数表达形式，并能够手动调节分布目标。针对分属于不同数域的操作变量的优化，本发明给出了一种基于多模型PSO的高炉布料过程布料矩阵的优化策略。本发明对于推进高炉工业过程自动化的进程，改善面向高性能冶炼的高炉操作，以及更大限度的实现高炉冶炼过程的节能、减排以及性能指标优化具有十分重要的意义。

Description

一种存在整数规划问题的高炉布料过程布料矩阵的优化方法

技术领域

本发明涉及高炉布料过程布料制度中布料矩阵的优化求解问题，涉及复杂系统的建模、优化与控制，涉及冶金学、计算机科学、数学、运筹学和控制科学等各学科间的交叉和融合。

背景技术

高炉布料是高炉操作中一个重要操作制度，是高炉稳定顺行、高炉稳产、降低事故率和减少燃料消耗的关键环节。多年的实践和经验告诉我们，高炉布料不仅仅影响初始料面形状和温度场的分布，同时亦是高炉稳产，高炉稳定顺行，高炉事故率和高炉燃料消耗的关键环节(刘云彩，高炉布料规律[M]，冶金工业出版社，2012)。布料矩阵是高炉布料操作中最重要的操作变量，与常规系统相比布料矩阵的特殊性在于溜槽倾角向量和旋转圈数向量分属于不同数域，由于缺少高炉布料过程的有效模型，高炉布料制度的制定、优化和调整仍由经验丰富的工长执行。

专利授权文件201410336893.7提供了一种高炉布料过程径向矿焦比的控制方法，建立了高炉布料控制参数对料面的模型关系，对于描述高炉布料模型，下料过程模型有一定的积极作用，由于缺少布料矩阵和料层厚度输出分布的有效描述，并不能实现对操作参数布料矩阵的优化。专利申请文件201510586609.6提供了一种描述料面输出形状和操作变量之间的模型关系，但并没有给出布料制度中操作变量布料矩阵的优化方案。针对现行的高炉布料制度，本发明以高炉布料过程径向料层厚度分布为优化目标，以布料矩阵为优化参数，描述了一类高炉布料过程的整数规划问题,在积分约束下给出了料层径向厚度目标分布g(y)的分段函数表达形式，并能够手动调节分布目标g(y)，并给出了一种基于多模型PSO的高炉布料过程布料矩阵的优化策略。本发明对于推进高炉工业过程自动化的进程，改善面向高性能冶炼的高炉操作，以及更大限度的实现高炉冶炼过程的节能、减排以及性能指标优化具有十分重要的意义。

发明内容

由于现行高炉布料制度的制定和调整仍由经验丰富的工长执行，缺乏有效的理论支撑，给高炉稳定生产带来较多负面影响。针对人工布料操作模式存在的问题，本发明专利在专利申请文件201510586609.6的基础上，给出了高炉布料过程一类以径向料层厚度分布为优化目标，以布料矩阵为优化操作变量的整数规划问题的描述，并给出了一种积分约束下料层径向厚度目标分布的设定方法和一种基于多模型PSO的高炉布料过程布料矩阵的优化策略。

为了解决上述技术问题，本发明首先给出一种积分约束下料层径向厚度目标分布的设定方法，焦炭层径向厚度目标分布g_c(y)和矿石层径向厚度目标分布g_o(y)分别由线性分段函数描述如下：

并且，所述焦炭层和矿石层的径向厚度目标分布g_c(y)和g_o(y)满足柱形积分约束：

其中，V_t ^c和V_t ^o分别为焦炭层和矿石层的体积，k_c和k_o分别为焦炭层和矿石层的径向厚度目标分布的手动调节斜率，y_ct为焦炭层径向厚度目标分布最高点位置的手动调节节点，y_ot和y_ol分别为矿石层径向厚度目标分布最高点和最低点位置的手动调节节点，本案中焦炭层径向厚度目标分布最低点位置的手动调节节点由y_ot表示，但不仅仅限制与此，亦可单独设定，h_c和h_o为符合积分约束的待估参数。

进一步提出一种存在整数规划问题的高炉布料过程布料矩阵的优化方法，以焦炭层和矿石层的径向厚度目标分布g_c(y)和g_o(y)为优化目标，以布料矩阵为优化操作变量，基于多模型粒子群优化方法(PSO)对高炉布料过程的布料矩阵进行优化，具体步骤如下：

1)操作变量布料矩阵u中溜槽倾角序列和布料圈数序列分属于不同数域，由此带来整数规划问题，其数学描述为：

u＝[α,κ]，

α＝[α₁,…,α_m]^T∈R^m×1,α_i∈[α_min,α_max]，

其中α_min和α_max表示溜槽倾角可调节的边界，m表示最大布料环数，溜槽倾角序列α属于实数域，而布料圈数序列κ属于自然数域；

2)根据布料圈数序列κ所遵循的约束确定M个备选布料圈数序列κ_j所构成的集合：K＝{κ₁,κ₂,…κ_M}；

3)根据目标分布g_c(y)或g_o(y)，定义布料圈数序列κ_j对应的性能准则函数，并采用粒子群优化方法(PSO)确定当前布料圈数序列κ_j所对应的最优决策

4)根据比较布料圈数序列κ_j的性能指标选择布料圈数序列κ所对应的准则函数的最小值根据最小化的性能指标给出相应料层(矿石或者焦炭)的优化参数变量α和κ。

本发明取得了显著的技术效果，具体如下：

(1)本发明创新地提出一种积分约束下料层径向厚度目标分布的设定方法，该方法对于料层径向厚度目标分布的设定给出了理论依据。

(2)本发明以高炉布料过程径向料层厚度分布为优化目标，以布料矩阵为优化参数的整数规划问题，并给出了一种基于多模型的PSO优化策略，替代了以往依赖人工经验的操作。本发明为布料制度中布料矩阵的调整和优化提供了理论依据，给出了手动调节料层厚度分布的具体措施，有利于对于推进高炉布料过程优化与控制的实现，同时本专利分布参数控制的思想也可用于解决其他复杂对象的优化与控制。

附图说明：

图1为高炉布料过程矿石和焦炭层的实际厚度分布：

图2为用分段函数所描述的矿石和焦炭层的目标厚度分布；

图3为高炉布料过程中一类以径向料层厚度分布为优化目标，以布料矩阵为优化参数的整数规划问题的求解流程图；

图4为焦炭层优化厚度分布和目标厚度分布的对比图；

图5为矿石层优化厚度分布和目标厚度分布的对比图。

具体实施方式：

一种存在整数规划问题的高炉布料过程布料矩阵的优化方法：

步骤1：获取高炉布料过程高炉本体参数，包括炉喉半径、料线高度、溜槽长度、喉管高度、溜槽倾动距、溜槽摩擦系数、炉料堆角、炉料堆密度、料批批重，并给出操作变量布料矩阵的向量描述：

α＝[α₁,…,α_m]^T∈R^m×1,α_i∈[α_min,α_max]， (1)

u＝[α,κ]， (3)

其中α_min和α_max表示溜槽倾角可调节的边界，m表示最大布料环数，溜槽倾角向量α属于实数域，而旋转圈数向量κ属于自然数域。

步骤2：获取高炉布料过程料线径向分布γ(y)，即布料过程底部分布形状，其中y表示距离高炉中心的距离。

步骤3：根据料批批重和炉料堆密度计算炉料体积V_t，并假定炉料堆密度恒定，根据质量守恒原则，炉料在料仓中的体积和炉料在高炉炉喉处分布的体积相等，于是我们提出高炉布料过程炉料等体积原则：

其中，f(y,u)表示炉料分布在料线γ(y)的基础上所形成的径向顶部轮廓，u表示布料矩阵，由溜槽倾角向量α和旋转圈数向量构成κ构成。

步骤4：根据高炉布料过程径向底部和顶部的分布形状计算料层厚度分布:

h(y,u)＝f(y,u)-γ(y)。 (5)

步骤5：分别在积分约束下给出了矿层和焦炭层径向厚度目标分布g_o(y)和g_c(y)的分段函数表达形式：

其中k_c和k_o为手动调节斜率,y_ct,y_ot和y_ol为手动调节节点，h_c和h_o为符合积分约束的待估参数，可通过积分(8)和(9)计算得到。

步骤6：根据布料圈数的约束条件(2)，确定M个备选布料圈数序列κ_j所构成的集合：

K＝{κ₁,κ₂,…κ_M}， (10)

其中M表示集合的基数。

步骤7：根据设定的料层厚度分布的目标g(y)，定义有限可数集中布料圈数向量κ_j的性能指标函数：

其中u_j＝[α,κ_j]，目标g(y)为相应的焦炭层厚度分布目标g_c(y)或矿石层厚度分布目标g_o(y)。

步骤8：在溜槽倾角向量α的约束条件下，本专利利用粒子群优化方法(PSO)求解使得性能指标最小的溜槽倾角向量α：

其中(k)表示粒子迭代学习的次数，v_i和α_i分别表示第i个粒子的速度和位置，表示单个粒子的最优值，α^best表示全局最优值。

步骤9：设定粒子维数、粒子最大迭代学习次数和迭代终止条件，根据已经确定的整数域布料圈数向量κ的有限可数集依次计算布料圈数向量κ_j的性能指标

并从中选择向量κ所对应的准则函数的最小值根据最小化的性能指标中给出相应料层(矿石或者焦炭)的优化参数变量α和κ。

下面结合附图1-3，根据本发明在具体实际实践中应用的实例，对本发明的技术方案做进一步的描述。

针对图1所示的2500m³并罐无钟式某钢铁厂高炉，炉喉半径4.3m，矿石和焦炭炉料体积V_t ^c和V_t ^o均为30m³，根据布料圈数的约束条件，给出备选有限可数集为：

γ(y)由现场给定数据拟合获得。

针对上述具体的高炉布料过程，该专利的具体实施方法如下：

(1)按照步骤5手动设置k_c＝0.25和k_o＝0.35，三个手动调节节点分别为y_ct＝1.1m，y_ot＝3.2m和y_ol＝2.4m，设定g_c(y)和g_o(y)：

需要说明的是，目标分布的斜率和调节点由高炉布料专家依经验给出，而与期望目标最接近的优化操作变量布料矩阵的计算方法则由以下方法计算。

(2)根据料流轨迹模型计算高炉炉料落点位置(刘云彩，高炉布料规律[M]，冶金工业出版社，2012)，根据专利申请文件201510586609.6计算f(y,u)，并根据本专利步骤4计算厚度分布h(y,u)。

(3)设定种群数为10，最大迭代次数为100，根据图3所示的控制流程图实时计算决策变量和准则函数并根据步骤9计算最终的优化操作变量α和κ。

(4)分别给出焦炭层和矿石层厚度分布的目标分布与优化结果的对比关系，如图4和图5所示，本发明的高炉布料过程布料矩阵的优化方法对本领域技术人员而言是可以实施的，并且能够取得显著的技术效果。

本发明给出了手动调节料层厚度分布的具体操作办法，从优化的矿石和焦炭层厚度分布看本专利给出的基于多模型的PSO优化策略可以实现料层目标厚度分布的操作变量布料矩阵的优化计算，具有可视性强、操作简单、结果准确的特点，对于布料操作优化和布料过程控制的实现都具有十分重要的指导意义。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (3)

1.一种积分约束下料层径向厚度目标分布的设定方法，其特征在于：焦炭层径向厚度目标分布g_c(y)和矿石层径向厚度目标分布g_o(y)分别由线性分段函数描述如下：

并且，所述焦炭层和矿石层的径向厚度目标分布g_c(y)和g_o(y)满足柱形积分约束：

其中，V_t ^c和V_t ^o分别为焦炭层和矿石层的体积，k_c和k_o分别为焦炭层和矿石层的径向厚度目标分布的手动调节斜率，y_ct为焦炭层径向厚度目标分布最高点位置的手动调节节点，y_ot和y_ol分别为矿石层径向厚度目标分布最高点和最低点位置的手动调节节点，h_c和h_o为符合积分约束的待估参数。

2.一种存在整数规划问题的高炉布料过程布料矩阵的优化方法，以权利要求1所述的料层径向厚度目标分布的设定方法中的g_c(y)和g_o(y)为优化目标，以布料矩阵为优化操作变量，基于多模型粒子群优化方法(PSO)对高炉布料过程的布料矩阵进行优化，具体步骤如下：

1)操作变量布料矩阵u中溜槽倾角序列和布料圈数序列分属于不同数域，由此带来整数规划问题，其数学描述为：

u＝[α,κ]，

α＝[α₁,…,α_m]^T∈R^m×1,α_i∈[α_min,α_max]，

其中α_min和α_max表示溜槽倾角可调节的边界，m表示最大布料环数，溜槽倾角序列α属于实数域，而布料圈数序列κ属于自然数域；

2)根据布料圈数序列κ所遵循的约束确定M个备选布料圈数序列κ_j所构成的集合：K＝{κ₁,κ₂,…κ_M}；

3)根据径向厚度目标分布g_c(y)或g_o(y)，定义布料圈数序列κ_j对应的性能准则函数并采用粒子群优化方法(PSO)确定当前布料圈数序列κ_j所对应的最优决策在性能准则函数定义中，目标函数g(y)为相应的焦炭层厚度分布目标g_c(y)或矿石层厚度分布目标g_o(y)；

4)根据比较布料圈数序列κ_j的性能指标选择布料圈数序列κ所对应的性能准则函数的最小值根据最小化的性能指标给出相应料层的优化参数变量α和κ。

3.一种存在整数规划问题的高炉布料过程布料矩阵的优化方法，其特征在于，包括如下步骤：

步骤1：获取高炉布料过程高炉本体参数，并给出操作变量布料矩阵的向量描述：

α＝[α₁,…,α_m]^T∈R^m×1,α_i∈[α_min,α_max]， (1)

u＝[α,κ]， (3)

其中α_min和α_max表示溜槽倾角可调节的边界，m表示最大布料环数，溜槽倾角序列α属于实数域，而布料圈数序列κ属于自然数域，u表示布料矩阵；

步骤2：获取高炉布料过程料线径向分布γ(y)，即布料过程底部分布形状，其中y表示距离高炉中心的距离；

步骤3：根据料批批重和炉料堆密度计算炉料体积V_t

其中，f(y,u)表示炉料分布在料线γ(y)的基础上所形成的径向顶部轮廓，由溜槽倾角序列α和布料圈数序列构成κ构成；

步骤4：根据高炉布料过程径向底部和顶部的分布形状计算料层厚度分布:

h(y,u)＝f(y,u)-γ(y)； (5)

步骤5：分别在积分约束下给出了矿层和焦炭层径向厚度目标分布g_o(y)和g_c(y)的分段函数表达形式：

其中k_c和k_o为手动调节斜率，其中y_ct、y_ot和y_ol为手动调节节点，h_c和h_o为符合积分约束的待估参数；

步骤6：根据布料圈数的约束条件公式(2)，确定M个备选布料圈数序列κ_j所构成的集合：

K＝{κ₁,κ₂,…κ_M}， (10)

其中M表示集合的基数；

步骤7：根据设定的料层厚度分布的目标g(y)，定义有限可数集中布料圈数序列κ_j的性能指标函数：

其中u_j＝[α,κ_j]，在性能准则函数(11)定义中，目标g(y)为相应的焦炭层厚度分布目标g_c(y)或矿石层厚度分布目标g_o(y)；

步骤8：在溜槽倾角序列α的约束条件下，利用粒子群优化方法(PSO)求解使得性能指标最小的溜槽倾角序列α：

其中(k)表示粒子迭代学习的次数，v_i和α_i分别表示第i个粒子的速度和位置，表示单个粒子的最优值，α^best表示全局最优值；

步骤9：设定粒子维数、粒子最大迭代学习次数和迭代终止条件，根据已经确定的整数域布料圈数序列κ的有限可数集依次计算布料圈数序列κ_j的性能指标：

并从中选择布料圈数序列κ所对应的准则函数的最小值根据最小化的性能指标给出相应料层的优化参数变量α和κ。