简介概要

基于混合粒子群算法的铅锌烧结过程产量质量优化

来源期刊:中国有色金属学报2008年第6期

论文作者:丁雷 吴敏 曹卫华 王春生

文章页码:1152 - 1152

关键词:铅;锌;烧结;质量预测模型;混合粒子群优化算法;联赛选择算子;

Key words:lead; zinc; sinter; quality prediction model; hybrid particle swarm optimization algorithm; tournament selection

摘    要:

建立铅锌烧结过程的产量质量预测模型及其数学优化模型,利用混合粒子群优化算法对其进行优化。将质量约束的产量优化问题转换为两个目标函数的优化问题,即产量目标函数和违反质量约束条件的程度函数。采用联赛选择算子比较粒子群算法所搜索到的解。当粒子群算法收敛停滞时,沿着当代全局最优解和前一个不同的全局最优解矢量之差的方向进行线性搜索,将搜索到的更优解作为粒子群的当代全局最优解,从而保持粒子群算法的活性。针对工况波动,利用专家规则修正优化参数。实际运行结果表明,该优化方法能在保证质量的情况下在一定程度上提高产量。

Abstract: The quantity and quality prediction model for lead-zinc sintering process was proposed, the corresponding mathematic optimization model was built, and the hybrid particle swarm optimization (PSO) was applied to optimize the mathematic model. The quantity optimization problem with quality-constraint was converted into a two-objective optimization problem, one of which is the objective function of quantity, the other is the degree function of constraint violation of quality. To perform the parallel optimization, the comparison used in tournament selection was employed to compare the searched solutions of the PSO. When the PSO stagnates, the line searching algorithm is executed with a certain probability, which executes the line searching in the direction of the difference between the current global optimum and the last global optimum, and the better searched solution is taken as the current global optimum. Thus it keeps the swarm particle algorithm alive. In order to decrease the fluctuation of sintering process, expert rules were established to modify the calculated optimization parameters, and the practical result shows that the optimization method can increase the quantity to a certain extent and ensure the quality of sinter.

基金信息:国家杰出青年科学基金资助项目



详情信息展示

文章编号:1004-0609(2008)06-1152-07

基于混合粒子群算法的铅锌烧结过程产量质量优化

丁  雷1, 2,吴  敏1,曹卫华1,王春生1

(1. 中南大学 信息科学与工程学院, 长沙 410083;

2. 吉首大学 物理科学与信息工程学院,吉首 416000)

摘  要:建立铅锌烧结过程的产量质量预测模型及其数学优化模型,利用混合粒子群优化算法对其进行优化。将质量约束的产量优化问题转换为两个目标函数的优化问题,即产量目标函数和违反质量约束条件的程度函数。采用联赛选择算子比较粒子群算法所搜索到的解。当粒子群算法收敛停滞时,沿着当代全局最优解和前一个不同的全局最优解矢量之差的方向进行线性搜索,将搜索到的更优解作为粒子群的当代全局最优解,从而保持粒子群算法的活性。针对工况波动,利用专家规则修正优化参数。实际运行结果表明,该优化方法能在保证质量的情况下在一定程度上提高产量。

关键词:铅;锌;烧结;质量预测模型;混合粒子群优化算法;联赛选择算子

中图分类号:TP 391             文献标识码:A

Quantity and quality optimization for lead-zinc sintering process based on hybrid PSO algorithm

DING Lei1, 2, WU Min1, CAO Wei-hua1, WANG Chun-sheng1

 (1.School of Information Science and Engineering, Central South University, Changsha 410083, China;

 2. School of Physics Science and Information Engineering, Jishou University, Jishou 416000, China)

Abstract: The quantity and quality prediction model for lead-zinc sintering process was proposed, the corresponding mathematic optimization model was built, and the hybrid particle swarm optimization (PSO) was applied to optimize the mathematic model. The quantity optimization problem with quality-constraint was converted into a two-objective optimization problem, one of which is the objective function of quantity, the other is the degree function of constraint violation of quality. To perform the parallel optimization, the comparison used in tournament selection was employed to compare the searched solutions of the PSO. When the PSO stagnates, the line searching algorithm is executed with a certain probability, which executes the line searching in the direction of the difference between the current global optimum and the last global optimum, and the better searched solution is taken as the current global optimum. Thus it keeps the swarm particle algorithm alive. In order to decrease the fluctuation of sintering process, expert rules were established to modify the calculated optimization parameters, and the practical result shows that the optimization method can increase the quantity to a certain extent and ensure the quality of sinter.

Key words: lead; zinc; sinter; quality prediction model; hybrid particle swarm optimization algorithm; tournament selection

                    

铅锌烧结过程是将粉状物或细粒矿进行高温加热,在不完全熔化的情况下烧结成块的过程,可以分为干燥、加热、反应和烧结这4个阶段[1]。铅锌烧结过程最直接的控制目标是烧结矿产量和质量指标。目前关于铅锌烧结产量和质量指标的建模与优化控制研究已经取得了一定的进展,如ER等[2]和王雅琳等[3]采用智能方法来预测铅锌烧结块成分,杜玉晓等[4]建立了产量质量模型,在工况较差情况下,采用聚类搜索、专家系统进行优化,给出指导参数。目前在铅锌烧结过程中如何获得最佳的指导操作参数,达到产量最大且质量合格的目标,还有待进一步研究。因此研究如何获得指导实践的最佳操作参数,并在此操作参数的指导下,针对实际工况,结合人工专家经验对参数进行适当调整,具有重要的意义。

约束最优化问题是人们在实践中遇到最多的数学规划问题之一,传统的求解方法[5]将约束问题转化为无约束问题求解,如可行方向法、梯度下降法和罚函数法等,这些方法存在的主要问题是需要设置很好的初始信息才能得到较好的优化结果,如果初始信息选择得不好,则将会较早地收敛于某个局部最优点。

为了避免因初始信息的设置不当带来的影响,近年来将约束优化问题转化为多目标优化问题得到了极大的重视。粒子群算法[6]是一种仿生算法和随机搜索算法,其根据个体的适配信息进行搜索,因此不受函数约束条件的限制具有全局优化能力。目前粒子群  算法已经成为求解约束优化问题的研究热点[7-11],但其本身的一个最大缺点是其早熟性难以克服。CAMPONOGARA 等[12]提出的线性搜索法是一个搜索效果很好的多目标优化方法,但其搜索的最优值很大程度上受其初始值的影响,初始值的不同导致出现不同的最优值,容易陷入局部最优值。因此将粒子群算法和线性搜索法有机结合起来,充分利用粒子群算法强大的全局搜索能力、线性搜索法强大的局部搜索能力共同进行优化,在一定程度上能起到克服标准粒子群算法早熟带来的影响。

本文作者采用混合粒子群算法对烧结过程中产量质量进行优化,获得指导实践的优化操作参数。根据某烧结厂的铅锌烧结过程建立其产量质量预测模型;建立质量约束条件的产量优化模型,为保证算法的优化效果,研究利用混合粒子群算法来进行优化;并预测模型进行验证,结合专家经验规则对优化后的参数进行适当修正,并给出结论。

1  产量质量预测模型

铅锌烧结是一个非常复杂的过程,影响烧结过程产量、质量的因素很多,因此需要对具体的烧结过程进行分析,找出主要的影响因素,以降低建模的难度和提高模型预测的准确性。

神经网络模拟非线性过程的能力非常强,目前已经广泛应用在各种非线性过程建模中。因此,针对烧结过程的强非线性,采用神经网络来建立产量、质量预测模型。

1.1  烧结过程机理分析

物料每8 h进行一次配料,得到含铅量、含锌量和二氧化硅含量等配比的精矿。一次配料后,每3 min进行一次二次配料,并给出相应的烧结操作参数。首先,通过皮带秤进行二次配料,添加合适比例的返粉,得到合适含硫量的混合料,以及添加少量的石灰石熔剂。然后,混合料经过混合料圆筒和制粒圆筒,添加一定比例的水分,成为具有合适水分的混合料料球。最后,系统给出和二次配料相应的台车速度、点火温度、风机风量等操作参数,并开始进行烧结。

图1所示为DL型移动带式鼓风烧结机结构示意图。混合料球通过梭式布料机分别送入点火仓和主料仓,点火仓的混合料球分布到烧结机的台车上形成约3 cm厚的薄层矿料,称为点火层。通过调节煤气流量控制合适的点火温度,对点火层混合料进行点火,点火后的混合料跟随台车一起移动。当混合料移动到烧结机机头后部主料仓时,再布上混合料,形成约30~40 cm厚的总料层。由于混合料含硫较高,硫化物氧化反应放出的热量使反应扩展到整个物料层,无需外加燃料整个鼓风烧结焙烧过程就能顺利进行。混合料随台车一起移动,经过干燥、加热、反应和烧结这4个过程,混合料球烧结成为具有一定结构的烧结块料,并在烧结机尾产出。

图1  DL型移动带式鼓风烧结机结构示意图

Fig.1  Schematic diagram of Dwight-Lioyd sintering machine:

1—Shuttle distributor; 2—Igniton container; 3—Main bed container; 4—Ignition furnance; 5—Gas hood; 6—End gas hood; 7—Troolley; 8—Bellows; 9—Ignition draft fan; 10—Fresh blower 1; 11—Fresh blower 2; 12—Returning gas blower 2; 13—Returning gas blower 1

4台风机提供脱硫氧化反应中所需要的氧气和进行必要的热循环。烧结块料经过两级破碎,大小合适的烧结块进入熔炼炉;规格不合适的烧结块料再经过两级破碎成为返粉,重新进入烧结机。烧结过程中硫因发生剧烈燃烧转变为SO2气体,而其它成分基本上没有变化。因此,除了硫含量外,返粉的其它成分和混合料的一样。为了有效利用烟气中的热量及预防污染,将铅锌精矿鼓风烧结时机头、机尾产生的低浓度SO2烟气和新鲜空气一起送入烧结机中。4台风机中,1#返烟风机主要是冷却作用,对产量质量影响作用较小,且其风机流量基本不变化,所以建模时不需要考虑1#返烟风机的影响。

混合料含硫量影响到烧结过程的结块率和硬度,以及烧结矿的产量,对含铅量也有一定影响,是影响质量的最重要因素。混合料含锌量对烧结矿的产量有一定影响,对含硫量也有一定影响。SiO2是一种加硬剂,对烧结矿结块率和产量有很大影响,也影响到含硫量。加热至900 ℃以上石灰石分解为CaO和CO2,并吸收大量热量,能防止炉料过早结块,减少铅在烧结时的挥发损失。CO2气体可提高炉料的透气性,提高烧结块的空隙度。CaO可将硫化物机械隔开,因此,直接影响到烧结矿的结块率、产量、含铅量和含硫量。混合料的含铁量会影响到烧结矿的硬度。混合料中其他元素汞、砷和氟含量较少,对烧结过程影响很小,因此可以忽略其影响。

1.2  产量质量预测模型

预测模型采用3层结构,BP神经网络的结构示意图如图2所示[13],且可表示为

建立的烧结矿产量的预测模型可表示为

烧结矿含硫量的预测模型可表示为

图2  BP神经网络预测模型结构图

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 主办 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:新出网证(湘)字005号   湘ICP备09001153号