第五章 高爐煉鐵多目標(biāo)優(yōu)化控制模型研究

高爐冶煉過程是一個物理和化學(xué)反應(yīng)高度復(fù)雜的過程，它的運(yùn)行機(jī)制往往具有非線性、大時滯、分布參數(shù)等眾多特點。同時，高爐本身是一個集傳熱與化學(xué)反應(yīng)耦合的開放體[44]。其中，高爐入爐焦比、高爐鐵水溫度以及鐵水產(chǎn)量不僅是高爐煉鐵過程中的關(guān)鍵參數(shù)也是高爐冶煉過程中的重要評價指標(biāo)。針對單目標(biāo)優(yōu)化往往是以局部為出發(fā)點，不能從全局考慮，從而限制了最大節(jié)約能源的能力。

所以通過建立以高爐入爐焦比、鐵水產(chǎn)量為多目標(biāo)，以高爐鐵水溫度和其他條件為約束條件的綜合優(yōu)化控制模型來指導(dǎo)高爐的節(jié)能降耗工作。本章利用高爐煉鐵過程中的數(shù)據(jù)，結(jié)合第三章和第四章建立的高爐入爐焦比模型和鐵水溫度以及產(chǎn)量模型，建立以高爐入爐焦比和高爐鐵水產(chǎn)量為目標(biāo)函數(shù)，以高爐鐵水溫度為主要約束條件的高爐煉鐵多目標(biāo)優(yōu)化控制模型，同時，應(yīng)用改進(jìn)多目標(biāo)粒子群算法對高爐煉鐵多目標(biāo)優(yōu)化控制模型進(jìn)行最優(yōu)解的尋找，最終完成了對爐煉鐵多目標(biāo)優(yōu)化控制模型的設(shè)計并且在理論上驗證了優(yōu)化模型的可行性。從而為鋼鐵企業(yè)節(jié)能減排打下堅實基礎(chǔ)。

5.1 高爐煉鐵多目標(biāo)優(yōu)化控制原理

在日常生活中，有很多問題是由多個目標(biāo)共同組成，而且多個目標(biāo)之間有是相互作用和相互影響的。為了使多個目標(biāo)盡可能在在給定區(qū)域內(nèi)實現(xiàn)最優(yōu)化, 相關(guān)學(xué)者和專家做了大量的研究課題，這也就是多目標(biāo)優(yōu)化問題(Multi Objective Optimization, MOP ) [45]。同樣，在鋼鐵生產(chǎn)中，多目標(biāo)優(yōu)化問題也廣泛存在，例如：在高爐煉鐵工序中，為了滿足多個目標(biāo)的需求，(在冶煉過程中，我們想讓高爐入爐焦比最小以及高爐鐵水產(chǎn)量最大)也會存在多目標(biāo)優(yōu)化問題。一般情況下,在多目標(biāo)優(yōu)化問題中，各個子目標(biāo)之間可能是相互矛盾或相互制約的,一個因素可能影響一個或多個子目標(biāo)，一個子目標(biāo)的性能改善可能會引起一個或多個子目標(biāo)的性能降低, 也就是說，想要使眾多子目標(biāo)一起達(dá)到最優(yōu)值是不可能的，最好的方法是在各個目標(biāo)之間折中和協(xié)調(diào)處理，盡可能的使眾多子目標(biāo)達(dá)到性能最優(yōu)。多目標(biāo)優(yōu)化問題與單目標(biāo)優(yōu)化問題最明顯的區(qū)別是：多目標(biāo)優(yōu)化問題的解不唯一，可能存在多組解，這樣的解稱之為 Pareto[46]最優(yōu)解或非劣最優(yōu)解。

........

總結(jié)

高爐煉鐵過程中物理化學(xué)反應(yīng)復(fù)雜多變，通過對高爐冶煉過程深入研究和分析，結(jié)合前人的理論以及相關(guān)領(lǐng)域的研究成果，綜合應(yīng)用數(shù)理統(tǒng)計、神經(jīng)網(wǎng)絡(luò)、系統(tǒng)分析和統(tǒng)計學(xué)的相關(guān)知識，就高爐煉鐵入爐焦比、鐵水溫度和產(chǎn)量的建模預(yù)測和高爐煉鐵多目標(biāo)優(yōu)化控制問題展開系統(tǒng)的研究。建立高爐入爐焦比模型、高爐鐵水溫度模型、鐵水產(chǎn)量模型以及完成高爐煉鐵多目標(biāo)優(yōu)化控制的設(shè)計。最終實現(xiàn)鋼鐵企業(yè)節(jié)能降耗的目的。本論文取得的研究成果如下:

1.通過對高爐煉鐵工藝流程，主要原料，燃料和溶劑的了解，主要分析了高爐煉鐵工藝系統(tǒng)組成以及每個系統(tǒng)的重要作用，并著重對高爐煉鐵機(jī)理進(jìn)行全面分析，探索高爐煉鐵過程中各種化學(xué)反應(yīng)，借助化學(xué)反應(yīng)式闡明高爐內(nèi)的冶煉過程。

2.建立高爐煉鐵入爐焦比預(yù)測模型，通過定性分析和定量分析確定了影響高爐煉鐵入爐焦比的關(guān)鍵因素，以最小二乘支持向量機(jī)構(gòu)建預(yù)測模型主體，通過粒子群算法對預(yù)測模型進(jìn)行參數(shù)尋優(yōu)，選擇最優(yōu)參數(shù)代入預(yù)測模型中，最終，完成了高爐煉鐵入爐焦比預(yù)測模型的構(gòu)建。

3.建立高爐鐵水溫度預(yù)測模型以及高爐鐵水產(chǎn)量預(yù)測模型，通過對預(yù)測目標(biāo)特點分析，選擇廣義回歸神經(jīng)網(wǎng)絡(luò)算法進(jìn)行預(yù)測模型的構(gòu)建，最后通過測試樣本對預(yù)測模型進(jìn)行驗證，證明了該預(yù)測模型的可靠性。

4.設(shè)計高爐煉鐵多目標(biāo)優(yōu)化控制模型，根據(jù)本文第三章和第四章建立的高爐預(yù)測模型，設(shè)計了優(yōu)化模型中的目標(biāo)函數(shù)、決策變量和約束條件，應(yīng)用改進(jìn)多目標(biāo)粒子群算法完成了對高爐煉鐵多目標(biāo)優(yōu)化控制模型的求解。

.........