CN114118898A - 一种改进的混匀配料Block计划生成的方法、装置以及存储介质 - Google Patents

一种改进的混匀配料Block计划生成的方法、装置以及存储介质 Download PDF

Info

Publication number
CN114118898A
CN114118898A CN202111234910.2A CN202111234910A CN114118898A CN 114118898 A CN114118898 A CN 114118898A CN 202111234910 A CN202111234910 A CN 202111234910A CN 114118898 A CN114118898 A CN 114118898A
Authority
CN
China
Prior art keywords
plan
block
blending
value
total
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.)
Pending
Application number
CN202111234910.2A
Other languages
English (en)
Inventor
梁小兵
叶理德
赵菁
路万林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wisdri Engineering and Research Incorporation Ltd
Original Assignee
Wisdri Engineering and Research Incorporation Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wisdri Engineering and Research Incorporation Ltd filed Critical Wisdri Engineering and Research Incorporation Ltd
Priority to CN202111234910.2A priority Critical patent/CN114118898A/zh
Publication of CN114118898A publication Critical patent/CN114118898A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及冶炼配料技术领域。本发明具体公开了一种改进的混匀配料Block计划生成的方法，所述方法包括：获取混匀大堆的总计划；获取混匀配料的工艺参数；将混匀大堆的总计划和混匀配料的工艺参数，输入到Block拆分模型中；指定Block拆分模型中第一个Block计划的约束条件，执行优化算法，得到拆分后的全部Block计划；其中，所述Block拆分模型用于将一个混匀大堆的总计划，拆分为多个Block计划。本发明还提出了一种应用上述方法的改进的混匀配料Block计划生成的装置和计算机可读存储介质。本发明提供的一种改进的混匀配料Block计划生成的方法和装置，简化了计算过程，提升了计算效率和解的稳定性，显著提升了Block计划生成的实用性和高效性。

Description

一种改进的混匀配料Block计划生成的方法、装置以及存储 介质
技术领域
本发明涉及冶炼配料技术领域，尤其涉及一种改进的混匀配料Block计划生成的方法、装置以及存储介质。
背景技术
含铁原料的混匀是钢铁企业生产的重要一环，混匀矿的质量对烧结矿的质量起到关键作用。Block配料计划源于日本，我国宝钢首先采用，由于其计划性强，易于生产的组织和操作以及质量的控制，Block计划引进后逐步得到推广。
Block计划是指将混匀大堆计划拆分成多个Block计划，要求各个Block计划的配料品种尽量相同，数量尽量相等，成分尽量相同。由于硅、铁含量对烧结质量影响最为显著，各个Block要保证硅、铁含量尽量相等。
实现每个Block计划的成分和大堆的成分基本相同，同时保证混匀矿大堆总配比计划合乎要求，还要考虑原料中的有害元素，每个Block计划的物料品种尽量相同等等，该问题的求解过程牵涉到的因素和约束众多，求解困难。目前钢铁企业中Block计划的制定多采用人工计算，对调度人员的要求高，且不同人员制定的Block计划差异较大，质量难以保证，不能满足对混匀矿质量精准控制的要求。采用线性规划方法开发的求解方法无法满足非线性约束条件，采用完全基于智能优化算法的方案，解的鲁棒性较差，在众多约束条件下，优化求解过程耗时较长。因此，很有必要结合现场调度人员的经验规则和优化算法，开发一套高效实用的混匀配料Block计划生成系统，提高Block计划质量，减轻Block计划制定的工作量。
发明内容
为了克服如上所述的技术问题，本发明提出一种改进的混匀配料Block计划生成的方法和装置，能够实现在已知混匀大堆的总计划的前提下，自动将混匀大堆的总计划拆分成多个Block计划，同时保证各个Block计划的硅、铁含量与混匀大堆的总计划的硅、铁含量尽量相同，所有Block计划的物料配比之和与混匀大堆的总计划的物料配比相同，以及拆分后的Block计划之间的物料种类的变动较小，并且允许人工指定优先使用的物料。
本发明提出一种改进的混匀配料Block计划生成的方法，所述方法的技术方案如下：
S1，获取混匀大堆的总计划；
S2，获取混匀配料的工艺参数；
S3，将混匀大堆的总计划和混匀配料的工艺参数，输入到Block拆分模型中；
S4，指定Block拆分模型中第一个Block计划的约束条件，执行优化算法，得到拆分后的全部Block计划；
其中，所述Block拆分模型用于将一个混匀大堆的总计划，拆分为多个Block计划；同时可以指定第一个Block计划中必须使用的物料种类以及禁止使用的物料种类，将必须使用的物料种类的第一集合记为A，将禁止使用的物料种类的第二集合记为B，若未指定第一个Block计划中必须使用的物料种类，则根据所有物料的硅含量等级，将每个硅含量等级中重量最大的物料种类，加入集合A中，并且将第一个Block计划的第一集合A和第二集合B作为该Block计划的约束条件。
进一步的，所述的混匀大堆的总计划具体为：
混匀大堆的总计划包含多种物料，每种物料的参数包括重量值、SiO2含量值、TFe含量值、H2O含量值、有害元素总含量值和硅含量等级；以及根据所有物料的参数计算得到混匀大堆的总计划的SiO2含量值和TFe含量值。
进一步的，所述的混匀配料的工艺参数具体为：
每种混匀配料对应一种物料，每种物料存放于料仓中，一种物料至少使用一个料仓，一种物料使用的料仓的最大数量是c，其中，c≥1；料仓的工艺参数包括第一下料速度值，将第一下料速度值的范围设定为[α,β]，其中α为料仓的最低下料速度，β为料仓的最高下料速度；多个料仓对应一个混匀料槽，混匀料槽的工艺参数包括第二下料速度值，将第二下料速度值设定为v。
进一步的，所述的Block拆分模型具体为：
Block拆分模型用于将混匀大堆的总计划拆分为多个Block计划，每个Block计划包含混匀大堆中的多种物料，将每个Block计划包含的物料的种类数量限制在数量范围[a,b]内，其中a为Block计划包含的物料的种类数量最小值，b为Block计划包含的物料的种类数量最大值，同时除最后一个Block计划外的每个Block计划必须至少用完1种物料，至多用完d种物料；
进一步的，以每个Block计划包含的有害元素总含量值最小为目标，建立Block拆分模型中Block计划的目标函数；以每个Block计划和混匀大堆的总计划的SiO2含量值和TFe含量值满足预先设定的条件以及混匀配料的工艺参数作为约束，建立Block拆分模型中Block计划的约束条件。
进一步的，所述的Block拆分模型的混匀大堆的总计划具体为：
一个混匀大堆的总计划使用多种物料，将一个混匀大堆的总计划使用的物料种类的数量设定为n；对每种物料按顺序进行编号，将编号设定为i；将第i种物料的重量值设定为mi，其中，物料的重量值mi包含水的重量；将第i个物料的SiO2含量值、TFe含量值和H2O含量值分别表示为
Figure BDA0003317180400000031
计算出混匀大堆的总计划的SiO2含量值和TFe含量值，将混匀大堆的总计划的SiO2含量值和TFe含量值分别设定为
Figure BDA0003317180400000032
计算公式如下：
Figure BDA0003317180400000033
Figure BDA0003317180400000034
所有物料的种类数量值n，每种物料的重量值mi、SiO2含量值
Figure BDA0003317180400000035
TFe含量值
Figure BDA0003317180400000036
H2O含量值
Figure BDA0003317180400000037
有害元素总含量和硅含量等级，混匀大堆的总计划的SiO2含量值
Figure BDA0003317180400000038
和TFe含量值pTFe构成混匀大堆的总计划。
进一步的，所述的Block拆分模型的目标函数，具体为：
Block拆分模型将混匀大堆的总计划拆分为多个Block计划，将拆分后的Block计划按照拆分的时间先后顺序进行编号，将编号设定为j，令第j个Block计划中使用的混匀大堆的总计划中的物料重量依次表示为
Figure BDA0003317180400000041
并以此为决策变量，建立目标函数：
Figure BDA0003317180400000042
其中，
Figure BDA0003317180400000043
为第i中物料的有害元素总含量值，z为第j个Block计划包含的所有物料的有害元素总含量值。
进一步的，所述的Block拆分模型的约束条件，具体为：
第j个Block计划需要满足的约束条件如下：
Figure BDA0003317180400000044
Figure BDA0003317180400000045
Figure BDA0003317180400000046
Figure BDA0003317180400000047
Figure BDA0003317180400000048
其中，约束条件(1)表示第j个Block计划中使用的物料的种类数量必须在数量范围[a,b]内；约束条件(2)表示第j个Block计划的SiO2含量值与混匀大堆的总计划的SiO2含量值相等，即等硅约束；约束条件(3)表示第j个Block计划的TFe含量值与混匀大堆的总计划的TFe含量值相等，即等铁约束，约束条件(4)表示第j个Block计划使用的每种物料的下料速度不低于料仓最低下料速度α，并且不高于料仓的最高下料速度β和每种物料使用的料仓的最大个数c的乘积，即cβ；约束条件(5)表示除最后一个Block计划外的第j个Block计划用完的物料必须至少有1种，至多有d种，需要注意，当j＝1时，第j个Block计划使用的每种物料重量的取值范围为约束条件(6)，具体为：
Figure BDA0003317180400000051
当j>1时，第j个Block计划使用的每种物料重量的取值范围为约束条件(7)，具体为：
Figure BDA0003317180400000052
约束条件(6)表示，第一个Block计划中必须使用的物料种类的第一集合A中的第i种物料的用量范围为开区间(0,mi]，即第一集合A中的物料必须在第一个Block计划中使用，第一个Block计划中禁止使用的物料种类的第二集合B中的第i种物料的用量为0，即第二集合B中的物料禁止在第一个Block计划中使用，其他的第i种物料的用量范围为闭区间
Figure BDA0003317180400000053
即可用可不用；约束条件(7)表示，从第二个Block计划开始，上一个Block计划中使用过但未用尽的物料，在下一个Block计划中必须使用，其用量范围为开区间
Figure BDA0003317180400000054
其余的第i种物料的用量范围为闭区间
Figure BDA0003317180400000055
进一步的，所述的优化算法具体为：
优化算法使用遗传算法，首先利用优化算法计算得到第一个Block计划，然后从混匀大堆的总计划中扣除该Block计划所使用的物料的重量得到剩余的混匀大堆的总计划，重复上述优化算法计算过程，直到剩余的混匀大堆的总计划中剩余的物料种类数量在预先设定的种类数量范围之内，优化算法计算过程结束，得到全部的Block计划。
进一步的，所述的优化算法，包括步骤：
步骤1：设置种群大小为N，令j＝1；
步骤2：当j＝1时，根据约束条件(6)随机产生N组初始解；当j>1时，根据约束条件(7)随机产生N组初始解；每组解形如
Figure BDA0003317180400000061
每组解对应种群中的一个个体，种群中的个体对应Block计划中的决策变量，令迭代次数g＝0；
步骤3：使用如下公式计算每组解的适应度，每组解的适应度对应Block计划的目标函数，该公式将最小化目标函数转换成最大化适应度；
Figure BDA0003317180400000062
步骤4：计算种群中个体违反约束的程度，将约束条件(1)～(5)转化成个体违反约束的程度的公式，将约束条件(1)～(5)中的不等式转化成“≤”形式，等式转化成绝对值形式，得到个体违反约束的程度的向量CV，如下：
Figure BDA0003317180400000063
Figure BDA0003317180400000064
Figure BDA0003317180400000065
Figure BDA0003317180400000066
Figure BDA0003317180400000067
Figure BDA0003317180400000068
Figure BDA0003317180400000071
Figure BDA0003317180400000072
CV＝[CV1,CV2,...,CV8]；
其中，CV3、CV4分别对约束条件(2)、(3)做了松弛处理，允许第j个Block计划中的SiO2含量值、TFe含量值与混匀大堆的总计划中SiO2含量值、TFe含量值的比值差异在范围[0,λ]内，其中，λ为松弛因子；
步骤5：判断迭代次数g是否达到预设的最大迭代次数G，若是，则输出个体适应度最大且个体违反约束的程度的向量CV中各项均为非正数的个体，记为第j个Block计划的最优解
Figure BDA0003317180400000073
转到步骤9；否则转到步骤6；
步骤6：令g＝g+1，根据轮盘赌选择法从N组解中选取存活的N组解，作为下一代种群；
步骤7：根据优化算法中预设的交叉概率，对选择的N组解进行单点交叉操作；
步骤8：根据优化算法中预设的变异概率，对执行单点交叉操作后的N组解中的每一组解的所有变量依次进行变异操作；转到步骤3；
步骤9：从混匀大堆的总计划中扣除第j个Block计划所使用的物料的重量得到剩余的混匀大堆的总计划，判断剩余的混匀大堆的总计划的物料种类的数量是否在数量范围[a,b]内，若是，将剩余的物料的重量值组成的一组解作为最后一个Block计划的最优解，记为xj+1 *，得到混匀大堆的总计划拆分后的Block计划的集合为[x1 *,x2 *,...,xj *,xj+1 *]T，优化算法计算过程结束，得到全部的Block计划；否则，令j＝j+1，转到步骤2。
本发明还提出一种改进的混匀配料Block计划生成的装置，所述改进的混匀配料Block计划生成的装置存储计算机指令；所述计算机指令在改进的混匀配料Block计划生成的装置执行如上述任一项所述的改进的混匀配料Block计划生成的方法。
本发明还提出了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述任一项所述的改进的混匀配料Block计划生成的方法。
本发明提供的技术方案带来的有益效果是：
本发明的一种改进的混匀配料Block计划生成的方法和装置，能够根据用户经验或者物料的硅含量等级进行分级，获取第一个Block计划优先使用的物料种类，并将上一个Block计划使用过但未用尽的物料，直接放入下一个Block计划中，解决Block间的继承性问题，简化了计算过程，提升了计算效率和解的稳定性，显著提升了Block计划生成的实用性和高效性。
附图说明
图1为本发明实施例的一种改进的混匀配料Block计划生成的方法的流程图；
图2为本发明实施例的一种改进的混匀配料Block计划生成的优化算法求解过程的流程图；
图3为本发明实施例所涉及的一种改进的混匀配料Block计划生成的方法的装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例一：
如图1所示为本发明实施例的一种改进的混匀配料Block计划生成的方法的流程图，示出了该方法的具体实施步骤，以某钢铁企业原料场的数据为例，包括：
在步骤S1中，获取混匀大堆的总计划；
本例中，所述的混匀大堆的总计划包括整个混匀大堆需要使用的各种物料的重量，每种物料的SiO2含量值、TFe含量值、H2O含量值、有害元素总含量和硅含量等级，本实施例中使用如下表所示混匀大堆的总计划，作为计算示例；
Figure BDA0003317180400000081
Figure BDA0003317180400000091
其中，硅含量等级是根据物料中硅的含量，根据用户预先设定的硅含量区间自动生成，这里硅含量等级1、2、3、4分别对应低硅、中硅1、中硅2、高硅。
需要说明的是：在本发明中，并不以示例中出现的物料参数值为限，实际应用中根据具体情况做出相应调整。
在步骤S2中，获取混匀配料的工艺参数；
本例中，工艺参数包括：一个物料使用的料仓的最大数量c＝3，料仓的第一下料速度值范围[α,β]为[40,250]t/h，即α＝40t/h、β＝250t/h，混匀料槽的第二下料速度值v＝1200t/h；
需要说明的是：在本发明中，并不以一种物料使用的料仓的最大数量c＝3，料仓的第一下料速度值范围[α,β]为[40,250]t/h，混匀料槽的第二下料速度值v＝1200t/h为限，实际应用中根据具体情况可作调整。
在步骤S3中，建立混匀大堆的Block拆分模型，具体为：
本例中，混匀大堆的总计划中使用了n＝15种物料，混匀大堆的总计划中第i种物料的重量值为mi，其中，物料的重量值mi包含水的重量；第i种物料的的SiO2含量值、TFe含量值和H2O含量值分别表示为
Figure BDA0003317180400000092
混匀大堆的总计划的SiO2含量值和TFe含量值分别表示为
Figure BDA0003317180400000093
和pTFe，计算公式如下：为：
Figure BDA0003317180400000101
Figure BDA0003317180400000102
结合公式和本例中的所有物料的参数值计算得到
Figure BDA0003317180400000103
和pTFe＝0.6179；
Block拆分模型将混匀大堆的总计划拆分为多个Block计划，每个Block计划包含混匀大堆中的多种物料，将每个Block计划包含的物料的种类数量限制范围[a,b]设为[6,10]，即a＝6、b＝10；同时除最后一个Block计划外的每个Block计划必须至少用完1种物料，至多用完d＝2种物料，将拆分后的Block计划按照拆分的时间先后顺序进行编号，将编号设定为j，令第j个Block中使用的大堆总计划中的物料重量依次为
Figure BDA0003317180400000104
并以此为决策变量，建立目标函数：
Figure BDA0003317180400000105
其中，
Figure BDA0003317180400000106
为第i中物料的有害元素总含量值，z为第j个Block计划包含的所有物料的有害元素总含量值；
根据所述的混匀大堆的总计划和混匀配料的工艺参数，得到一组Block拆分模型的约束条件，则第j个Block需要满足的约束条件如下：
Figure BDA0003317180400000107
Figure BDA0003317180400000108
Figure BDA0003317180400000111
Figure BDA0003317180400000112
Figure BDA0003317180400000113
其中，约束条件(1)表示第j个Block计划中使用的物料的种类数量必须在数量范围[a,b]内，本例中，a＝6，b＝10，；约束条件(2)表示第j个Block计划的硅含量与SiO2含量值与混匀大堆的总计划的SiO2含量值相等，即等硅约束，本例中，
Figure BDA0003317180400000114
约束条件(3)表示第j个Block计划的TFe含量值与混匀大堆的总计划的TFe含量值相等，即等铁约束，本例中，pTFe＝0.6179；约束条件(4)表示第j个Block计划使用的每种物料的下料速度不低于料仓最低下料速度α，并且不高于料仓的最高下料速度β和每种物料使用的料仓的最大个数c的乘积，即cβ，本例中，α＝40，β＝250，c＝3，cβ＝750；约束条件(5)表示除最后一个Block计划外的第j个Block计划用完的物料必须至少有1种，至多有d＝2种，需要注意，第j个Block计划使用的每种物料重量的取值范围为约束条件(6)，具体为：
Figure BDA0003317180400000115
当j>1时，第j个Block计划使用的每种物料重量的取值范围为约束条件(7)，具体为：
Figure BDA0003317180400000116
约束条件(6)表示，第一个Block计划中必须使用的物料种类的第一集合A中的第i种物料的用量范围为开区间(0,mi]，即第一集合A中的物料必须在第一个Block计划中使用，第一个Block计划中禁止使用的物料种类的第二集合B中的第i种物料的用量为0，即第二集合B中的物料禁止在第一个Block计划中使用，其他的第i种物料的用量范围为闭区间
Figure BDA0003317180400000121
即可用可不用；约束条件(7)表示，从第二个Block计划开始，上一个Block计划中使用过，但未用尽的物料，在下一个Block计划中，必须使用，其用量范围为开区间
Figure BDA0003317180400000122
其余的第i种物料的用量范围为闭区间
Figure BDA0003317180400000123
在步骤S4中，指定第一个Block计划的约束条件，具体为：
在本例中，将第一个Block计划的必须使用的物料种类的第一集合A设定为A＝[1,3,4,13]，第一个Block计划中禁止使用的物料种类的第二集合B设定为
Figure BDA0003317180400000124
需要说明的是：在本发明中，并不以第一集合A＝[1,3,4,13]，第二集合
Figure BDA0003317180400000125
为限，实际应用中根据具体情况可作调整。
在步骤S5中，执行优化算法，得到拆分后的全部Block，具体为：
将步骤S1所述的混匀大堆的总计划和步骤S2所述的混匀配料的工艺参数，输入到步骤S3所述的混匀大堆的Block拆分模型中，同时指定步骤S4所述的第一个Block计划的约束条件，执行优化算法，得到拆分后的全部Block计划。
如图2所示为本发明实施例的一种改进的混匀配料Block计划生成的优化算法求解过程的流程图，示出了图1所对应的实施例中步骤S5的具体实施步骤，包括：
在步骤201中，设置种群大小为N＝200，令j＝1；
在步骤202中，当j＝1时，根据约束条件(6)随机产生N组初始解；当j>1时，根据约束条件(7)随机产生N组初始解；每组解形如
Figure BDA0003317180400000126
每组解对应种群中的一个个体，种群中的个体对应Block计划中的决策变量，令迭代次数g＝0；
在步骤203中，使用如下公式计算每组解的适应度，每组解的适应度对应Block计划的目标函数，该公式将最小化目标函数转换成最大化适应度；
Figure BDA0003317180400000131
在步骤204中，计算种群中个体违反约束的程度，将约束条件(1)～(5)转化成个体违反约束的程度的公式，将约束(1)～(5)中的不等式转化成“≤”形式，等式转化成绝对值形式，得到个体违反约束的程度的向量CV，如下：
Figure BDA0003317180400000132
Figure BDA0003317180400000133
Figure BDA0003317180400000134
Figure BDA0003317180400000135
Figure BDA0003317180400000136
Figure BDA0003317180400000137
Figure BDA0003317180400000138
Figure BDA0003317180400000139
CV＝[CV1,CV2,...,CV8]；
其中，CV3、CV4分别对约束条件(2)、(3)做了松弛处理，允许第j个Block计划中的SiO2含量值、TFe含量值与混匀大堆的总计划中SiO2含量值、TFe含量值的比值差异在范围[0,λ]内，其中，λ为松弛因子，本例中λ＝0.0005；
在步骤205中，判断迭代次数g是否达到预设的最大迭代次数G＝500，进一步的，最大迭代次数G可以根据求解情况进行调整，本例中G＝500，若是，转到步骤210；否则转到步骤206；
在步骤206中，令g＝g+1；
在步骤207中，根据轮盘赌选择法从N组解中选取存活的N组解，作为下一代种群；
在步骤208中，根据优化算法中预设的交叉概率，对选择的N组解进行单点交叉操作；
在步骤209中，根据优化算法中预设的变异概率，对执行单点交叉操作后的N组解中的每一组解的所有变量依次进行变异操作，转到步骤203；
在步骤210中，输出个体适应度最大且个体违反约束的程度的向量CV中各项均为非正数的个体，记为第j个Block计划的最优解
Figure BDA0003317180400000141
在步骤211中，从混匀大堆的总计划中扣除第j个Block计划所使用的物料的重量得到剩余的混匀大堆的总计划，判断剩余的混匀大堆的总计划的物料种类的数量是否在数量范围[a,b]内，若是，转到步骤213；否则，转到步骤212。
在步骤212中，令j＝j+1，转到步骤202；
在步骤213中，将剩余的物料的重量值组成的一组解作为最后一个Block计划的最优解，记为xj+1 *，得到混匀大堆的总计划拆分后的Block计划的集合为[x1 *,x2 *,...,xj *,xj+1 *]T；
在步骤214中，得到经过优化算法计算后的全部Block计划。
需要说明的是：在本发明中，并不以松弛因子λ＝0.0005，最大迭代次数G＝500为限，实际应用中根据具体情况可作调整。
本例中，优化算法执行完毕后，Block拆分模型将混匀大堆的总计划拆分为6个Block计划，每个Block计划的具体组成如下：
Figure BDA0003317180400000142
Figure BDA0003317180400000151
需要说明的是：上述的拆分结果只呈现了一种可能的结果，并不以此结果为限。
实施例二：
本发明还提供所述一种系统/电子设备，如图3所示，该装置包括处理器301、存储器302、总线303、以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序，处理器301包括一个或一个以上处理核心，存储器302通过总线303与处理器301相连，存储器302用于存储程序指令，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地，作为一个可执行方案，所述系统/电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述系统/电子设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述系统/电子设备的组成结构仅仅是系统/电子设备的示例，并不构成对系统/电子设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件。例如所述系统/电子设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述系统/电子设备的控制中心，利用各种接口和线路连接整个系统/电子设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述系统/电子设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例三：
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述系统/电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Onny Memory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (11)

1.一种改进的混匀配料Block计划生成的方法，其特征在于，包括步骤：
S1，获取混匀大堆的总计划；
S2，获取混匀配料的工艺参数；
S3，将混匀大堆的总计划和混匀配料的工艺参数，输入到Block拆分模型中；
S4，指定Block拆分模型中第一个Block计划的约束条件，执行优化算法，得到拆分后的全部Block计划；
其中，所述Block拆分模型用于将一个混匀大堆的总计划，拆分为多个Block计划；同时可以指定第一个Block计划中必须使用的物料种类以及禁止使用的物料种类，将必须使用的物料种类的第一集合记为A，将禁止使用的物料种类的第二集合记为B，若未指定第一个Block计划中必须使用的物料种类，则根据所有物料的硅含量等级，将每个硅含量等级中重量最大的物料种类，加入集合A中，并且将第一个Block计划的第一集合A和第二集合B作为该Block计划的约束条件。
2.根据权利要求1所述的方法，其特征在于，所述的混匀大堆的总计划具体为：
混匀大堆的总计划包含多种物料，每种物料的参数包括重量值、SiO2含量值、TFe含量值、H2O含量值、有害元素总含量值和硅含量等级；以及根据所有物料的参数计算得到混匀大堆的总计划的SiO2含量值和TFe含量值。
3.根据权利要求2所述的方法，其特征在于，所述的混匀配料的工艺参数具体为：
每种混匀配料对应一种物料，每种物料存放于料仓中，一种物料至少使用一个料仓，一种物料使用的料仓的最大数量是c，其中，c≥1；料仓的工艺参数包括第一下料速度值，将第一下料速度值的范围设定为[α,β]，其中α为料仓的最低下料速度，β为料仓的最高下料速度；多个料仓对应一个混匀料槽，混匀料槽的工艺参数包括第二下料速度值，将第二下料速度值设定为v。
4.根据权利要求3所述的方法，其特征在于，所述的Block拆分模型具体为：
Block拆分模型用于将混匀大堆的总计划拆分为多个Block计划，每个Block计划包含混匀大堆中的多种物料，将每个Block计划包含的物料的种类数量限制在数量范围[a,b]内，其中a为Block计划包含的物料的种类数量最小值，b为Block计划包含的物料的种类数量最大值，同时除最后一个Block计划外的每个Block计划必须至少用完1种物料，至多用完d种物料；
进一步的，以每个Block计划包含的有害元素总含量值最小为目标，建立Block拆分模型中Block计划的目标函数；以每个Block计划和混匀大堆的总计划的SiO2含量值和TFe含量值满足预先设定的条件以及混匀配料的工艺参数作为约束，建立Block拆分模型中Block计划的约束条件。
5.根据权利要求4所述的方法，其特征在于，所述的Block拆分模型包含的混匀大堆的总计划，具体为：
一个混匀大堆的总计划使用多种物料，将一个混匀大堆的总计划使用的物料种类的数量设定为n；对每种物料按顺序进行编号，将编号设定为i；将第i种物料的重量值设定为mi，其中，物料的重量值mi包含水的重量；将第i个物料的SiO2含量值、TFe含量值和H2O含量值分别表示为
Figure FDA0003317180390000021
计算出混匀大堆的总计划的SiO2含量值和TFe含量值，将混匀大堆的总计划的SiO2含量值和TFe含量值分别设定为
Figure FDA0003317180390000022
pTFe，计算公式如下：
Figure FDA0003317180390000023
Figure FDA0003317180390000024
所有物料的种类数量值n，每种物料的重量值mi、SiO2含量值
Figure FDA0003317180390000025
TFe含量值
Figure FDA0003317180390000026
H2O含量值
Figure FDA0003317180390000027
有害元素总含量和硅含量等级，混匀大堆的总计划的SiO2含量值
Figure FDA0003317180390000028
和TFe含量值pTFe构成混匀大堆的总计划。
6.根据权利要求4所述的方法，其特征在于，所述的Block拆分模型的目标函数，具体为：
Block拆分模型将混匀大堆的总计划拆分为多个Block计划，将拆分后的Block计划按照拆分的时间先后顺序进行编号，将编号设定为j，令第j个Block计划中使用的混匀大堆的总计划中的物料重量依次表示为
Figure FDA0003317180390000031
并以此为决策变量，建立目标函数：
Figure FDA0003317180390000032
其中，
Figure FDA0003317180390000033
为第i中物料的有害元素总含量值，z为第j个Block计划包含的所有物料的有害元素总含量值。
7.根据权利要求6所述的方法，其特征在于，所述的Block拆分模型的约束条件，具体为：
第j个Block计划需要满足的约束条件如下：
Figure FDA0003317180390000034
Figure FDA0003317180390000035
Figure FDA0003317180390000036
Figure FDA0003317180390000037
Figure FDA0003317180390000038
其中，约束条件(1)表示第j个Block计划中使用的物料的种类数量必须在数量范围[a,b]内；约束条件(2)表示第j个Block计划的SiO2含量值与混匀大堆的总计划的SiO2含量值相等，即等硅约束；约束条件(3)表示第j个Block计划的TFe含量值与混匀大堆的总计划的TFe含量值相等，即等铁约束，约束条件(4)表示第j个Block计划使用的每种物料的下料速度不低于料仓最低下料速度α，并且不高于料仓的最高下料速度β和每种物料使用的料仓的最大个数c的乘积，即cβ；约束条件(5)表示除最后一个Block计划外的第j个Block计划用完的物料必须至少有1种，至多有d种，需要注意，当j＝1时，第j个Block计划使用的每种物料重量的取值范围为约束条件(6)，具体为：
Figure FDA0003317180390000041
当j>1时，第j个Block计划使用的每种物料重量的取值范围为约束条件(7)，具体为：
Figure FDA0003317180390000042
约束条件(6)表示，第一个Block计划中必须使用的物料种类的第一集合A中的第i种物料的用量范围为开区间(0,mi]，即第一集合A中的物料必须在第一个Block计划中使用，第一个Block计划中禁止使用的物料种类的第二集合B中的第i种物料的用量为0，即第二集合B中的物料禁止在第一个Block计划中使用，其他的第i种物料的用量范围为闭区间
Figure FDA0003317180390000043
即可用可不用；约束条件(7)表示，从第二个Block计划开始，上一个Block计划中使用过但未用尽的物料，在下一个Block计划中必须使用，其用量范围为开区间
Figure FDA0003317180390000044
其余的第i种物料的用量范围为闭区间
Figure FDA0003317180390000045
8.根据权利要求7所述的方法，其特征在于，所述的优化算法具体为：
优化算法使用遗传算法，首先利用优化算法计算得到第一个Block计划，然后从混匀大堆的总计划中扣除该Block计划所使用的物料的重量得到剩余的混匀大堆的总计划，重复上述优化算法计算过程，直到剩余的混匀大堆的总计划中剩余的物料种类数量在预先设定的种类数量范围之内，优化算法计算过程结束，得到全部的Block计划。
9.根据权利要求8所述的方法，其特征在于，优化算法包括步骤：
步骤1：设置种群大小为N，令j＝1；
步骤2：当j＝1时，根据约束条件(6)随机产生N组初始解；当j>1时，根据约束条件(7)随机产生N组初始解；每组解形如
Figure FDA0003317180390000051
每组解对应种群中的一个个体，种群中的个体对应Block计划中的决策变量，令迭代次数g＝0；
步骤3：使用如下公式计算每组解的适应度，每组解的适应度对应Block计划的目标函数，该公式将最小化目标函数转换成最大化适应度；
Figure FDA0003317180390000052
步骤4：计算种群中个体违反约束的程度，将约束条件(1)～(5)转化成个体违反约束的程度的公式，将约束条件(1)～(5)中的不等式转化成“≤”形式，等式转化成绝对值形式，得到个体违反约束的程度的向量CV，如下：
Figure FDA0003317180390000053
Figure FDA0003317180390000054
Figure FDA0003317180390000055
Figure FDA0003317180390000056
Figure FDA0003317180390000057
Figure FDA0003317180390000061
Figure FDA0003317180390000062
Figure FDA0003317180390000063
CV＝[CV1,CV2,...,CV8]；
其中，CV3、CV4分别对约束条件(2)、(3)做了松弛处理，允许第j个Block计划中的SiO2含量值、TFe含量值与混匀大堆的总计划中SiO2含量值、TFe含量值的比值差异在范围[0,λ]内，其中，λ为松弛因子；
步骤5：判断迭代次数g是否达到预设的最大迭代次数G，若是，则输出个体适应度最大且个体违反约束的程度的向量CV中各项均为非正数的个体，记为第j个Block计划的最优解
Figure FDA0003317180390000064
转到步骤9；否则转到步骤6；
步骤6：令g＝g+1，根据轮盘赌选择法从N组解中选取存活的N组解，作为下一代种群；
步骤7：根据优化算法中预设的交叉概率，对选择的N组解进行单点交叉操作；
步骤8：根据优化算法中预设的变异概率，对执行单点交叉操作后的N组解中的每一组解的所有变量依次进行变异操作；转到步骤3；
步骤9：从混匀大堆的总计划中扣除第j个Block计划所使用的物料的重量得到剩余的混匀大堆的总计划，判断剩余的混匀大堆的总计划的物料种类的数量是否在数量范围[a,b]内，若是，将剩余的物料的重量值组成的一组解作为最后一个Block计划的最优解，记为xj+1 *，得到混匀大堆的总计划拆分后的Block计划的集合为[x1 *,x2 *,...,xj *,xj+1 *]T，优化算法计算过程结束，得到全部的Block计划；否则，令j＝j+1，转到步骤2。
10.一种改进的混匀配料Block计划生成的装置，其特征在于，包括存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如权利要求1至9任一所述的改进的混匀配料Block计划生成的方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如权利要求1至9任一所述的改进的混匀配料Block计划生成的方法。
CN202111234910.2A 2021-10-22 2021-10-22 一种改进的混匀配料Block计划生成的方法、装置以及存储介质 Pending CN114118898A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111234910.2A CN114118898A (zh) 2021-10-22 2021-10-22 一种改进的混匀配料Block计划生成的方法、装置以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111234910.2A CN114118898A (zh) 2021-10-22 2021-10-22 一种改进的混匀配料Block计划生成的方法、装置以及存储介质

Publications (1)

Publication Number Publication Date
CN114118898A true CN114118898A (zh) 2022-03-01

Family

ID=80376648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111234910.2A Pending CN114118898A (zh) 2021-10-22 2021-10-22 一种改进的混匀配料Block计划生成的方法、装置以及存储介质

Country Status (1)

Country Link
CN (1) CN114118898A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115935720A (zh) * 2023-03-03 2023-04-07 凌霄(天津)工业互联网有限公司 一种基于大数据处理的配矿方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8413088B1 (en) * 2007-06-07 2013-04-02 Cadence Design Systems, Inc. Verification plans to merging design verification metrics
CN104573955A (zh) * 2014-12-31 2015-04-29 中冶南方工程技术有限公司 炼钢车间生产与检修计划一体化时序控制系统与方法
CN105787509A (zh) * 2016-02-25 2016-07-20 中南大学 一种铁矿混匀过程的预配料方法
CN108960508A (zh) * 2018-06-29 2018-12-07 华中科技大学 基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法
CN110577091A (zh) * 2019-04-03 2019-12-17 上海宝信软件股份有限公司 基于人工智能稳定混匀矿质量的方法、系统及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8413088B1 (en) * 2007-06-07 2013-04-02 Cadence Design Systems, Inc. Verification plans to merging design verification metrics
CN104573955A (zh) * 2014-12-31 2015-04-29 中冶南方工程技术有限公司 炼钢车间生产与检修计划一体化时序控制系统与方法
CN105787509A (zh) * 2016-02-25 2016-07-20 中南大学 一种铁矿混匀过程的预配料方法
CN108960508A (zh) * 2018-06-29 2018-12-07 华中科技大学 基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法
CN110577091A (zh) * 2019-04-03 2019-12-17 上海宝信软件股份有限公司 基于人工智能稳定混匀矿质量的方法、系统及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卢文成;王喆；柴先锋；王华: "多炼厂生产计划优化模型应用研究", 石油化工技术与经济, no. 06, 25 December 2008 (2008-12-25) *
曾亮;梁小兵;欧燕;叶理德: "基于多目标—约束优化进化算法的能源综合调度", 《计算机集成制造系统》, 22 April 2016 (2016-04-22) *
陈燕: "考虑可用余料的下料问题解法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, 15 January 2020 (2020-01-15), pages 029 - 53 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115935720A (zh) * 2023-03-03 2023-04-07 凌霄(天津)工业互联网有限公司 一种基于大数据处理的配矿方法

Similar Documents

Publication Publication Date Title
Aumann Values of markets with a continuum of traders
Tankov et al. Jump-diffusion models: a practitioner’s guide
Tanaka et al. Intellectual property rights and foreign direct investment: A welfare analysis
Baldi et al. The generalized bin packing problem
CN114021913B (zh) 一种基于差分进化算法的高炉配料优化方法、电子设备以及存储介质
Verspagen Evolutionary macroeconomics: a synthesis between neo-Schumpeterian and post-Keynesian lines of thought
Ruiz-Torrubiano et al. A memetic algorithm for cardinality-constrained portfolio optimization with transaction costs
Ray et al. Anomalous approach to the self-organized critical state in a model for ‘‘life at the edge of chaos’’
RU2006114689A (ru) Устройство вычисления подобия и программа вычисления подобия
CN114118898A (zh) 一种改进的混匀配料Block计划生成的方法、装置以及存储介质
Jia et al. Minimizing makespan for arbitrary size jobs with release times on P-batch machines with arbitrary capacities
Wardlaw et al. Comparison of genetic algorithm and linear programming approaches for lateral canal scheduling
Resende et al. Intra-genotypic competition of Eucalyptus clones generated by environmental heterogeneity can optimize productivity in forest stands
Lai Environmental policy competition and heterogeneous capital endowments
Sankoff et al. Conserved segment identification
CN110908975A (zh) 基于高精度取舍方式的误差可控的数据处理系统及方法
Solari et al. Multi split conformal prediction
CN114118809A (zh) 碳排放量的分配方法及其装置、电子设备、存储介质
Adami et al. Critical and near-critical branching processes
Yang et al. A hybrid genetic algorithm for the fitting of models to electrochemical impedance data
Smadi An eco-evolutionary approach of adaptation and recombination in a large population of varying size
CN114118899A (zh) 一种混匀配料Block计划生成的方法、装置以及存储介质
Grünwald et al. The safe logrank test: Error control under optional stopping, continuation and prior misspecification
CN112465576A (zh) 一种发票拆分方法及系统
Matsui et al. Random Drift and Design Creativity: Evolution of Drawings in the Laboratory

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination