基于遗传算法的烧结配料优化
2011-01-15杨钊,李智
武汉轻工大学学报 2011年3期
杨 钊,李 智
(武汉工业学院电气信息工程系,湖北武汉430023)
基于遗传算法的烧结配料优化
杨 钊,李 智
(武汉工业学院电气信息工程系,湖北武汉430023)
针对烧结配料实验的复杂性和多变性,将遗传算法和广义回归神经网络相结合,发挥神经网络的泛化能力,使神经网络具有较快的收敛性和较强的学习能力,发挥遗传算法的鲁棒性。通过现场试验和优化分析,优化方法符合生产实际,为烧结配料优化生产提供有效的参数依据。
广义回归神经网络;遗传算法;烧结;优化
烧结矿配料优化从20世纪80年代就开始研究,在研究中知道,烧结配矿规律和知识的总结是把握配矿的关键,但配矿问题十分复杂,影响因素很多,即便是配矿专家也很难全面、明确表达出配矿规律和知识。而且由于在配矿过程中矿石之间的相互作用,影响因素过多,限于成本的原因,难以进行全面的配矿试验。配矿数学模型通过多大量的生产和实验数据进行分析处理,采用机器学习,探讨配矿规律。在一定程度上解决了许多问题。
近年来,许多学者用不同的理论知识来建立的数学模型来进行烧结配料的优化,取得了很好的效果[1]。攀钢蒋大军等针对攀钢烧结使用的原料品种越来越多,运用均匀设计法优化烧结实验工艺参数,提高烧结试验效率与质量。李智等[2-3]针对人工智能的配矿方法作了一些研究,分别利用神经网络,Hopfield神经网络和改进的模拟退火算法来建立了武钢烧结厂相应的原料混均数学模型,并进行了优化计算。……
登录APP查看全文
