（控制科学与工程专业论文）基于多目标优化模型的炼焦生产过程优化方法研究与应用.pdf

摘要炼焦生产过程是复杂的工业过程，具有多因素耦合，大时滞、多约束等特点，由于各个过程缺乏关联性设计而难以达到企业期望的综合生产目标。如何通过调整子过程的操作参数来达到企业期望的综合生产目标是炼焦生产过程优化的关键问题。在充分分析了炼焦生产工艺的基础上，提出了在综合生产目标与过程操作参数之间增加局部优化目标的过程优化策略，即建立综合生产目标与局部优化目标的关联模型，将综合生产目标映射为局部优化目标，再以局部优化目标作为各过程控制系统的设定值和作业计划调度系统决策参数。各过程控制系统只需要调整过程操作参数来达到局部优化目标。针对这样的优化策略，提出了以焦炭产量最大、焦炉能耗最小为优化目标，焦炭质量与工艺要求为约束条件，目标火道温度、集气管压力、结焦时间为决策变量的过程优化思想。首先根据机理分析以及人工经验定性分析了综合生产目标的影响因素，然后采用灰色关联分析方法定量计算了综合生产目标的主要影响因素的灰色关联度，从而确定了多目标优化模型的输入变量。其次在灰色关联分析的基础上，针对正常工况下建立了神经网络多目标优化模型，针对异常工况下建立多元回归多目标优化模型。最后，分别采用多目标遗传算法( m o g a ) 以及线性加权和( l w s ) 与广义简约梯度( g r g ) 组合优化算法求解，最终将获得决策变量目标火道温度、集气管压力、结焦时间的优化值分别作为加热燃烧过程控制系统、集气管压力控制系统的优化设定值以及作业计划调度系统的决策参数。从而完成与这些子系统的无缝连接。以v c + + 为开发工具，实现了炼焦生产过程优化软件的开发。应用结果表明，在正常与异常两种工况下，本文建立的炼焦生产过程的多目标优化模型具有较高的精度，多目标遗传算法( m o g a ) 以及组合优化算法( l w s + g r g ) 具有全局收敛性以及较高的优化有效率。优化软件的运行大大减轻了工人的劳动强度，优化的结果为钢铁企业的实际炼焦生产提供了较好的操作指导。较好的满足了企业的要求。关键词：炼焦生产，多目标优化，b p 神经网络，广义简约梯度算法，多目标遗传算法a bs t r a c tt h ec o k i n gp l a n tp r o c e s si sav e r yc o m p l e xi n d u s t r i a lp r o c e s s t h ef e a t u r e so fs t r o n gm u l t i v a r i a b l ec o u p l i n g ，l a r g et i m ed e l a y ,m u l t i c o n s t r a i n e da let h em a j o rc h a l l e n g e s ，w h a t m o r e ，a sl a c ko ft h er e l a t i o n s h i pd e s i g na m o n gt h ep r o c e s s e s ，t h ec o m p r e h e n s i v ep r o d u c t i o nt a r g e t sc a nn o tb ea c h i e v e d t h u s ，t h em o s tc r i t i c a lp r o b l e mf o rt h et h ec o k i n gp l a n tp r o c e s so p t i m i z a t i o ni sh o wt oa d j u s tp r o c e s so p e r a t i o np a r a m e t e r si nt h ep r o d u c t i o np r o c e s s o nt h eb a s i so ft h ei n t e n s i v ea n a l y s i so fc o k i n gp r o c e s st e c h n o l o g y ，a no p t i m i z a t i o ns t r a t e g yi sp r o p o s e df o rt h ep r o c e s so p t i m i z a t i o np r o b l e m t h a ti st h el o c a lo p t i m i z a t i o nt a r g e t sa r ea d d e db e t w e e nc o m p r e h e n s i v ep r o d u c t i o nt a r g e t sa n dt h ep r o c e s so p e r a t i o np a r a m e t e r s f i r s t ，t h ec o r r e l a t i o nm o d e lb e t w e e nt h ec o m p r e h e n s i v ep r o d u c t i o nt a r g e t sa n dt h el o c a lo p t i m i z a t i o nt a r g e t sa r ee s t a b l i s h e d ，s oa st om a pt h ec o m p r e h e n s i v ep r o d u c t i o nt a r g e t st ot h el o c a lo p t i m i z a t i o nt a r g e t s s e c o n d ，t h el o c a lo p t i m i z a t i o nt a r g e t sa r es e ta sv a l u e si nt h ep r o c e s sc o n t r o ls y s t e m sa n dd e c i s i o nv a r i a b l e si nt h eo p t i m a ls c h e d u l i n gs y s t e m o n l yn e e dt oa d j u s tp r o c e s so p e r a t i o np a r a m e t e r si ne a c hp r o c e s sc o n t r o ls y s t e m st or e a c ht h el o c a lo p t i m i z a t i o nt a r g e t s a c c o r d i n gt ot h i so p t i m i z a t i o ns t r a t e g y , ap r o c e s so p t i m i z a t i o ni d e ai sp r o p o s e d ，w h i c hi sw i t ht h em a x i m u mc o k ey i e l da n dm i n i m u me n e r g yc o n s u m p t i o na st h eo p t i m i z a t i o no b j e c t i v e ，w i t hc o k eq u a l i t ya n dt e c h n o l o g i c a lr e q u i r e m e n t sa st h ec o n s t r a i n tc o n d i t i o n sa n dw i t ht h et a r g e tf l u et e m p e r a t u r e ，c o l l e c t o rp r e s s u r ea n dc o k i n gt i m ea st h ed e c i s i o nv a r i a b l e s f i r s t l y , a c c o r d i n gt ot h em e c h a n i s ma n a l y s i sa n da r t i f i c i a le x p e r i e n c e ，q u a l i t a t i v ea n a l y s i s e dt h ei n f l u e n c i n gf a c t o r so ft h ec o m p r e h e n s i v ep r o d u c t i o nt a r g e t s ，t h e nq u a n t i t a t i v ec a l c u l a t i o nt h eg r a yc o l l e r a t i o nd e g r e ew h i c hi st h em a j o ri n f l u e n c i n gf a c t o r so fc o m p r e h e n s i v ep r o d u c t i o nt a r g e t sb yt h em e t h o do fg r a yc o l l e r a t i o na n a l y s i s ，t h u st h ei n p u tv a r i a b l eo fm u l t i o b j e c t i v eo p t i m i z a t i o nm o d e l sa r ed e t e r m i n e d s e c o n d l y , b u i l d i n gt h en e t u r a ln e t w r o km u l t i o b j e c t i v eo p t i m i z a t i o nm o d e l sf o ra b n o r m a ls i t u a t i o na n db u i l d i n gt h em u l t i p l ei lr e g r e s s i o nm u l t i o b j e c t i v eo p t i m i z a t i o nm o d e l sf o rn o r m a ls i t u a t i o n f i n a l l y ，t h em o g aa l g o r i t h ma n dt h el w s + g r ga l g o r i t h ma r ea p p l i e dt os o l v et h i sm u l t i - o b j e c t i v eo p t i m i z a t i o np r o b l e m ，t h eo p t i m i z a t i o nr e s u l t s ，t h a ti sl o c a lo p t i m i z a t i o nt a r g e t s ，a r es e ta sv a l u e si nt h ep r o c e s sc o n t r o ls y s t e m sa n dd e c i s i o nv a r i a b l e si nt h eo p t i m a ls c h e d u l i n gs y s t e m s ot h es e a m l e s sc o n n e c t i o ni sf i n i s h e db e t e e no p t i m i z a t i o ns y s t e ma n dt h es u b s y s t e m t h ec o k i n gp l a n tp r o c e s so p t i m i z a t i o ns o f t w a r ei si m p l e m e n t e dw i t hv c + + a p p l i c a t i o nr e s u l t ss h o wt h a tt h em u l t i o b j e c t i v eo p t i m i z a t i o nm o d e l su n d e rn o r m a lc o n d i t i o na n da b n o r m a lc o n d i t i o nh a v eh i g hp r e c i s i o nw h i c ha r eb u i l d e di nt h i sp a p e r ，m o g aa l g o r i t h ma n dl w s +g r ga l g o r i t h mh a v eg l o b a lc o n v e r g e n c ea n dh i g ho p t i m i z a t i o ne f f e c t i v er a t e t h el a b o u ri n t e n s i t yi sr e d u c e da f t e ro p t i m i z a t i o ns o f t w a r er u n n i n g ，a n dt h eo p t i m i z e dr e s u l tc a np r o v i e db e t t e ro p e r a t e rg u i d i n gf o ra c t i o nc o k i n gp l a n t ，a n db e t t e rm e e tt h ee n t e r p r i s en e e d s k e yw o r d s ：c o k i n gp l a n tp r o d u c t i o n ，m u l t i - o b j e c t i v eo p t i m i z a t i o n ，b pn e u r a ln e t w o r k ，g r ga l g o r i t h m ，m u l t i - o b j e c t i v eg e n e t i ca l g o r i t h m - i i i原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名：日期：垃年鱼月卫日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到中国学位论文全文数据库，并通过网络向社会公众提供信息服务。作者签名：导师签名桃日期：堕年月土日中南大学硕士学位论文第一章绪论第一章绪论炼焦生产的焦炭广泛用于冶金、机械、化工等行业，为国民经济发展提供重要的物质基础。近年来，我国焦炭需求和产能急剧增加，已成为世界最大焦炭生产国和出口国，随着国民经济的高速发展，炼焦工业发展迅速，生产技术达到了一定水平，但由于世界优质炼焦煤明显短缺，对焦炭质量、产量以及焦炉能耗提出了更高的要求。所以必须不断提高炼焦水平，才能加快与国际的接轨。随着计算机工业化应用的逐步扩展深入，从炼焦生产的实际出发，将最优化技术应用于炼焦生产过程将成为一个重要的课题。本文考虑到钢铁企业的实际需要，从满足期望的综合生产目标的角度出发，即在焦炭质量满足要求的前提下，使得焦炭产量最大，焦炉能耗最小，研究炼焦生产中的过程优化问题。从而提高企业竞争力，实现可持续发展。1 1 研究背景及意义炼焦生产的主要产品是焦炭，同时附带焦炉煤气和百余种化学产品。焦炭广泛用于高炉炼铁、有色金属冶炼、铸造等方面，是冶金、机械、化工等行业的主要原料和燃料。炼铁用焦是高炉生产中的供热燃料、还原剂及支撑骨架，要求焦炭具有较高的抗碎强度和耐磨强度；铸造用焦，要求粒度大、气孔率低、固定碳高和硫分低；化工气化用焦，对强度要求不严，但要求反应性好，灰熔点较高；电石生产用焦要求尽量提高固定碳含量。国家十一五规划提出要建立节约型社会，高耗能行业要节能减排。炼焦行业作为高耗能行业，这给它们带来了严峻的考验，要想在激烈的市场竞争中生存与发展，就必须尽可能的降低成本，最大限度的提高产能。根据有关部门调查和中国炼焦行业协会调研统计数据显示【l , 2 1 ，2 0 0 5 年，全国炼焦产能近3 亿吨，当年生产焦炭约2 4 3 亿吨。2 0 0 6 年投产焦炉3 7 座，总计产能将达3 0 6 0 万吨；2 0 0 7 年- - - 2 0 0 8 年增加焦炉约6 0 座、总计产能约3 9 7 0 万吨。由此可见，焦炭质量直接影响着企业产品成本、生产质量，制约着企业经济效益的增长。焦炭质量低下，会引起各工序消耗指标升高，同时会导致后道工序的生铁质量不符合要求，炼钢用生铁也将产生质量异议，轧钢用炼钢的钢坯生产钢材会导致钢材不符合用户需求，一系列的连锁反映，将使企业付出高额的成本，承受重大的质量损失【3 1 。因此焦炭质量满足要求是企业控制成本的前提，而要想在日益激烈的市场竞争实现可持续发展，必须最大限度的提高焦炭产量，最大限中南大学硕士学位论文第一章绪论度的降低焦炉能耗。只有实现包括焦炭质量、产量以及焦炉能耗在内综合生产目标才是企业提高其核心竞争力的关键。因此，从满足综合生产目标出发的炼焦生产过程中的优化问题是炼焦行业的一个重要而且迫切的课题。炼焦是一个复杂的传热和化学变化过程【4 1 ，由于焦炉炉体结构复杂，操作环境恶劣，检测手段少，故比起其它工业窑炉、焦炉的控制较难实施。大型焦炉的计算机控制一直是钢铁联合企业的薄弱环节。随着企业自动化水平的提高，一些基本的控制系统已经建立，如焦炉加热燃烧控制系统，焦炉集气管压力控制系统，作业计划与优化调度系统等。这些系统的建立取得了一定的经济效益，但同时也存在一些问题：目标火道温度、集气管压力以及结焦时间主要依靠人工经验给定，难以根据工况变化进行实时调整。钢铁企业为了提高其竞争力，要求在炼焦生产过程中达到其期望的综合生产目标，即在焦炭质量满足要求的前提下，焦炭产量最大，焦炉能耗最小。为了能达到企业的要求，需要从满足综合生产目标的角度出发，研究炼焦生产过程优化问题。但由于炼焦生产具有多因素耦合，大时滞、变参数等特点，难以直接建立焦炭质量、产量以及焦炉能耗与过程操作参数之间的关联模型。目前还没有针对从满足企业期望综合生产目标的角度出发的炼焦生产过程优化的研究。针对以上问题，本文提出通过建立综合生产目标与局部优化目标的关联模型，采用最优化方法将综合生产目标映射为局部优化目标，通过将局部优化目标作为控制系统的优化设定值以及调度系统的决策参数，调节过程控制系统与调度系统的过程操作参数来达到局部优化目标。由于综合生产目标与局部优化目标存在着映射关系，因此，当达到局部优化目标时就相当于达到了综合生产目标，从而达到企业期望的在焦炭质量满足要求的前提下，焦炭产量最大，焦炉能耗最小。1 2 国内外研究现状目前，国内外关于炼焦生产过程的研究主要是独立地考虑各个子过程的控制问题。并且集中在加热燃烧过程控制、集气管压力控制和作业计划与优化调度这三个方面。针对焦炉加热燃烧过程控制，国外在早期的研究中开发了一些过程控制系统，相应的控制策略主要有两大类：“以反馈控制为主、前馈控制为辅”的控制系统和“以前馈控制为主、反馈控制为辅”的控制系统。前馈控制为主、反馈控制为辅的控制系统有代表性的如法国的c r a p o 系统【5 j 、荷兰c e t c o 及其改进系统 6 1 、比利时的c r m 系统【刀、德国的a b c 系统【8 、芬兰的c p m s 系统 1 0 1 。前馈控制为主、反馈控制为辅有代表性的系统如日本钢管的c c c s 系统【1 1 , 1 2 】、日本钢铁公司的a c c 系统 1 3 , 1 4 】、荷兰霍戈文钢铁公司的c e t o c 系统【1 5 1 。2中南大学硕士学位论文第一章绪论针对集气管压力控制，国外对于集气管压力控制的研究非常少。1 9 9 0 年，前苏联“国立焦化工业设计院焦化机械设计院”设计了一套集气管压力液压比例控制系统【1 6 ，1 7 1 。目前国内焦炉控制系统多采用电动单元仪表系统【1 射，如上海浦东煤气厂采用的定阀位集气管调节系统【1 9 1 ，长春市煤气公司站煤气厂的f c s 控制系统【2 0 】，铁岭焦化厂的c r b 集气管压力控制系纠2 0 】等。针对四大车调度与作业计划，国外已经开发了很多计划调度系统，日本钢管的炼钢工序调度系统【2 ，住友金属的热轧坯料分配调度系统【2 2 1 ，神户、川崎制铁厚板、无缝管、冷轧轧制顺序计划调度系统【2 3 洲，日新制钢的镀锡调度系统【2 5 1世守o目前国内外针对整个炼焦生产过程优化的的研究主要是从满足单一生产目标的角度出发。安徽工业大学严文福、郑明东等人利用焦炉炭化室传热的一维、二维传热过程，用计算机导出了煤结焦过程中结焦时间与炼焦热的计算模型基础上进一步由入炉煤性质参数和结焦过程参数，从满足焦炭质量要求的角度出发，得到目标火道温度线性模型，并先后在莱钢3 稃焦炉、攀钢1 # - - 6 # 焦炉、昆焦l 群、2 撑焦炉等6 厂1 2 座焦炉上投入运用，均取得了明显的效果【2 6 】。中南工业大学金敏等人以湖南涟源钢厂为背景，采用变焦混沌优化方法【2 7 ，2 引，其优化命题为：以能耗最小为目标函数，以指定入炉煤水分含量、作业结焦时间、作业焦饼结焦温度为约束条件，寻求最佳立火道温度设定值。浙江大学鲍立威等人提出了基于人工神经网络自学习的结焦终点在线预报模型【2 9 , 3 0 ，在炼焦过程总体数学模型的基础上，以全焦炉能耗最小为控制目标，建立了基于神经网络的优化逆模型，寻求火道温度的优化设定值。但是，在考虑综合生产目标的情况下，仅仅建立某个生产目标的数学模型是不够的，需要综合定性描述的知识模型，从集成建模的角度建立多目标优化模型。炼焦生产过程优化考虑到了综合生产目标，即在焦炭质量满足要求的前提下，使得焦炭产量最大，焦炉能耗最小，这是一个多目标优化问题，多目标优化问题不存在唯一的全局最优解，而是存在多个最优解的集合，一般称为p a r e t o 最优解集，解集中的元素称为非劣最优解。目前求解多目标优化问题的方法大致可以分为传统多目标优化方法以及基于演化计算的智能优化算法。传统的多目标优化方法是将各子目标聚合成一个带权重系统的单目标函数，不同的转化方法对应着不同的策略，常用的策略有约束法【3 1 1 ，顺序单目标法 3 1 】，评价函数法【3 2 1 。( 1 ) 约束法：选择一个起主要作用的目标作为目标函数，而将余下的目标作为约束函数，使其不超过事先给定的值。( 2 ) 顺序单目标法：将每一个目标按重要程度排序，然后依次对每个目标3中南大学硕士学位论文第一章绪论在约束区域的某个子集上求最优解。( 3 ) 评价函数法：根据多目标的特点和对该问题的解的实际要求构造出一个单目标评价函数，然后按单目标寻优。评价函数构造方法有理想点法，虚拟目标法，平方加权法，线性加权和法，乘除法，极小极大法等。转换为单目标优化问题之后，根据问题的复杂程度，可以采用经典优化算法或者智能优化算法。针对单目标线性规划问题可以采用单纯形法、对偶单纯形法、割平面法等；针对无约束优化问题可以采用最速下降法、n e w t o n 法、共轭梯度法、拟n e w t o n 法、p o w e u 方向加速法等；针对约束优化问题可以采用罚函数法、乘子法、投影梯度法、广义简约梯度法、约束变尺度法等【3 3 1 。传统多目标优化方法针对特定的优化问题具有较好的优化效果，但对p a r e t o 前沿面的形状比较敏感，不能处理前沿的凹部，并且如果启发式知识获得较少，会导致优化效果差。传统的多目标优化方法是以单点搜索为特征的串行算法，不可利用p a r e t o最优概念对解进行评估。演化算法的产生为上述问题的解决提供了一个新思路。演化算法搜索解的一个最大特点是群体搜索，并且演化算法对p a r e t o 解集的诸如形状、连续性等性质并不敏感，而这两点却在实际工作中经常遇到。近几年来，随着遗传算法( g a ) 、粒子群优化( p s o ) 、蚁群算法( a c a ) 等基于演化计算的智能优化方法在机器学习、过程控制、经济预测、工程优化等领域取得的成功，利用智能优化算法求解m o p 问题的p a r e t o 最优解集是近年来的研究热点，它的优点在于：可处理大规模的搜索空间，在单轮优化期间产生多个均衡解，优化结果分布性能好；进化结果的非劣前端与p a r e t o 最优前端的距离最短，它的缺点是算法复杂，工程上不易实现。常见的智能优化算法有：( 1 ) 粒子群优化算法( p s o )粒子群优化算法( p s o ) 是k e n n e d y 和e b e r h a r t 于1 9 9 5 年提出的一种基于群体搜索的演化算法【3 4 1 。粒子群优化算法由于算式简洁，易于编程实现，无需梯度信息，只需利用目标的取值信息，且具有群搜索性能与各粒子间的协同特性：自提出后在很多领域得到广泛的应用与迅速的发展完善【3 4 1 。但是，粒子群优化算法的历史尚短，在理论基础上与应用推广上都还存在一些急待解决的问题：目前还不能从理论上证明粒子群算法的收敛性；由于其局部搜索能力较差，在处理实际的复杂多目标优化问题时容易陷入局部优化解。( 2 ) 遗传算法( g a )遗传算法最初由美国学者j j h o l a n d t i l j 建，每代均产生大量可行解和隐含的并行性可将其应用到同时求解多目标优化而产生多个非劣解。遗传算法具备种群的多样性以及全局搜索等特性，是解决多目标优化问题的一种有效方法【3 s 1 ，多目标遗传算法与单目标遗传算法的过程是相似的，主要区别在与适应度函数及选4中南大学硕士学位论文第一章绪论择算子。常见的用于多目标优化的遗传算法有：向量评估遗传算法( v e g a ) ：v e g a ( v e c t o re v a l u a t e dg e n e t i ca l g o r i t h m ，v e g a ) i 由s c h a f f e r 于1 9 8 5 年首先提出【3 6 】。它是将y 个目标函数构成一个目标向量，产生与每个目标向量相关具有相同个体的y 个子种群；在每个子种群中进行独立的遗传优化，在子种群间进行交叉操作而最终得到最优解，本质上仍然是加权和方法。v e g a 使用比例选择算子于子种群，交叉算子和变异算子用于整个种群，因此v e g a 通常会偏好收敛于某一区域的解，而不是均匀的收敛于整个p r a t e o 域，所以只能求的局部意义上的非支配解。非劣分层遗传算法( n s g a 和n s g a i i ) ：s r i n i v a s & d e b 提出了非劣排序遗传算法( n o n d o m i n a t e ds o r t i n gg e n e t i ca l g o r i t h m ，n s g a ) 了7 1 ，n s g a 算法是基于对多目标群体进行逐层分类的方法，每代选种配对之前先按解个体的非劣性进行排序，并引进基于决策向量空间的共享函数法，n s g a 的主要优点是根据非劣层分配适应值。由于有计划地强调了较优非劣组，n s g a 以组的方式朝向p r a e t o 最优域进展。而且非劣最优解分布均匀；缺点是计算效率低。d e b 等学者在2 0 0 2 年对原始的n s g a 进行改进，提出改进型非劣分层遗传算法n s g a i i 3 s ，对n s g a的最大改进是根据产生的各种非劣前端，采用更好的记帐策略，从而减少算法运行的整体时间。小生境p a r e t o 遗传算法( n p g a ) ：h o r n 和n a f p l i o t i s 提出了基于p a r e t o 的小生镜遗传算法( n i c h e dp a r e t og e n e t i ca l g o r i t h m ，n p g a ) ”】，n p g a 算法采用基于p a r e t o 最优概念的竞争选择机制，和基于两个个体之间的比较方案不同的是，n p g a 算法还额外地从种群中选取一定数量( 一般为10 个) 的其它个体参与非劣最优解的比较。其优点是能很快找到一些好的非劣最优解域，并能维持一个较长的种群更新期，缺点是除需要设置共享参数外，还需要选择一个适当的竞争规模，限制了该算法的实际应用效果。多目标遗传算法( m o g a ) ：f o n s e e a 和f l e m i n g 提出了多目标优化的遗传算法( m u l t i p l eo b j e c t i v eg e n e t i ca l g o r i t h m s ，m o g a ) 掣删。m o g a 算法中某一个体的排序于该个体在当前群体中支配它的个体数目相一致。这种类型的适应值分配很可能产生较大的选择压力而导致早熟收敛。为了避免这种情况的发生，f o n s e c a和f l e m i n g 在最优( p a r e t o - o p t i m a l ) 区域内使用了一种小生镜方法分配群体，代替以前在参数上实施共享，实现了在目标函数值上执行共享机制。m o g a 方法的优点是适应值分配方案简单、运行效率高且相对容易实现。由于在目标空间使用了小生境策略，m o g a 可以很容易地应用到其它优化问题，例如组合优化问题。如果在目标空间需要一组分布较好的p r a e t o 最优解，m o g a 是一个合适的选择。m o g a 的缺点是在一个特定的非劣层( 第一层除外) 的所有解不一定有相同的指5中南大学硕士学位论文第一章绪论定适应值。这可能导致对搜索区域的某些解的有害偏袒。应用于多目标优化的遗传算法各有优缺点，需要根据实际问题的复杂程度进行合理的选择。目前，从炼焦生产过程的综合生产目标出发的过程优化方法国内外研究较少，而综合生产目标一直是企业期望达到的关键指标，因此，考虑综合生产目标的炼焦生产过程优化方法的研究是当前亟需解决的问题。1 3 研究内容本文将通过对炼焦生产过程的分析与研究，在考虑焦炉自身的控制特点的基础上，从以下几个方面内容完成炼焦生产的过程优化。( 1 ) 综合生产目标与局部优化目标的确定以及过程优化思想炼焦生产过程复杂，涉及众多的过程操作参数，并且各操作参数之间相互耦合，因此，在进行过程优化之前需要确定哪些是综合生产目标，哪些是局部优化目标，为建立综合生产目标与局部优化、关键过程操作参数之间的关联模型奠定基础。在炼焦生产过程中，钢铁企业期望达到综合生产目标，为此，本文提出了在综合生产目标与过程操作参数之间增加局部优化目标的过程优化策略。针对这样的优化策略，提出了以焦炭产量最大、焦炉能耗最小为优化目标，焦炭质量与工艺要求为约束条件，目标火道温度、集气管压力、结焦时间为决策变量的过程优化思想。( 2 ) 综合生产目标的灰色关联性分析_ 。炼焦生产过程是复杂的物理、化学反应过程，受到多种因素的影响，为了能准确的确定综合生产目标的主要影响因素，需要进行综合生产目标的关联分析。本文首先定性分析综合生产目标与局部优化目标以及关键过程操作参数之间的关系，在此基础上，通过灰色关联分析技术得到综合生产目标与局部优化目标、关键过程操作参数之间的灰色关联度，通过灰色关联度排序来确定各参数对综合生产目标的影响强弱，从而确定综合生产目标的主要影响因素。为建立综合生产目标与局部优化目标之间的关联模型奠定基础。( 3 ) 炼焦生产过程多目标优化模型炼焦生产过程作为一个复杂的工业对象，具有多变量、大时滞、多工况等特点，提出针对正常工况，通过改进b p 神经网络方法建立综合生产目标与局部优化目标、关键过程操作参数之间的关联模型，针对异常工况下，通过多元线性回归方法建立综合生产目标与局部优化目标、关键过程操作参数之间的关联模型。最后根据过程优化思想，建立炼焦生产过程的多目标优化模型。( 4 ) 炼焦生产过程多目标优化算法6中南大学硕士学位论文第一章绪论通过改进b p ：0 经网络方法建立的多目标优化模型由于目标复杂，同时又是非线性约束，因此，采用多目标遗传算法( m o g a ) 求解决策变量( 即局部优化目标) 。通过多元线性回归方法建立的多目标优化模型由于目标函数是线性的，因此，采用经典优化方法即线性加权和( l w s ) 与广义简约梯度( g r g ) 的组合优化算法进行求解。最终将获得局部优化目标作为控制系统的设定值以及作业计划调度系统的决策参数。1 4 论文构成论文的章节安排如下：第二章在深入分析炼焦生产工艺的基础上，确定炼焦生产过程中的综合生产目标与局部优化目标，同时定性分析了综合生产目标的影响因素。在机理分析的基础上，提出炼焦生产的过程优化思想，给出了过程优化的系统结构。第三章首先分析了灰色关联分析的必要性，然后分别对焦炭质量、焦炭产量、焦炉能耗( 焦炉煤气消耗量、高炉煤气消耗量) 进行关联分析。由于焦炭质量受配合煤质量的影响较大，同时焦炭质量、配合煤质量的衡量指标众多，为了能比较精确的建立焦炭质量与局部优化目标、配合煤质量之间的关联模型，需要对焦炭质量、配合煤质量进行主成分分析。第四章详细介绍了两种工况下的多目标优化模型的建立方法。针对正常工况下采用改进b p 神经网络方法建立多目标优化模型，针对异常工况下，通过多元线性回归方法建立综合生产目标与局部优化目标、关键过程操作参数之间的关联模型。最后根据过程优化思想，建立炼焦生产过程的多目标优化模型。第五章采用多目标遗传算法( m o g a ) 求解通过改进b p 神经网络方法建立的多目标优化模型；采用线性加权和( l w s ) 与广义简约梯度( g r g ) 的组合优化算法求解通过多元线性回归方法建立的多目标优化模型。获得决策变量( 目标火道温度、集气管压力、结焦时间) 的优化值。将目标火道温度作为加热燃烧过程控制系统的优化设定值，将集气管压力作为集气管压力控制系统得优化设定值，将结焦时间作为作业计划与优化调度系统的决策参数。第六章给出了系统实现以及工业应用结果分析。系统实现主要针对数据通讯以及多目标优化模型、多目标优化算法的实现进行了详细的介绍。一第七章对本文进行总结，指出今后需要进一步开展的研究工作。7中南大学硕士学位论文第二章机理分析与过程优化思想第二章机理分析与过程优化思想炼焦生产过程是一个复杂的工业过程，实现对炼焦生产的过程优化，对于保证焦炭质量、提高焦炭产量以及降低焦炉能耗有着非常重要的意义。深入地了解焦炉生产工艺是提出过程优化方法的必要条件。本章首先简单地介绍炼焦生产工艺，并对其进行了详细的机理分析，确定综合生产目标，局部优化目标，。以及综合生产目标的影响因素，进而给出了炼焦生产过程优化的基本思想及其整体结构的设计。2 1 炼焦生产工艺焦炉是炼焦生产的主要设备，它由一系列的炭化室和燃烧室相互间隔组成，炭化室与燃烧室的底部是蓄热室【4 1 1 。在炼焦生产过程中，装煤车将一定量的配合煤装入炭化室内，再将一定量的加热煤气和相应比例的经蓄热室预热过的空气，送燃烧室混合后燃烧，加热煤气在燃烧室中进行燃烧产生热量使炭化室温度上升到1 2 0 0 ( 2 以上。炭化室内的配合煤通过燃烧室传热进行高温干馏，炭化室内的配合煤在干馏的过程中产生大量的荒煤气，荒煤气通过集气管流往冷凝器进行净化与重利用。当焦饼成熟时，现场工人根据焦炉作业计划安排推焦车、拦焦车与熄焦车分别进行推焦、拦焦与熄焦，最后形成焦炭。一般地，将炼焦生产过程分成四个过程：即配煤过程，焦炉加热燃烧过程，集气管集气过程，装煤推焦拦焦熄焦过程。2 1 1 配煤过程配煤过程涉及到把多种性质不同的单种煤，按照一定的比例进行配合，得到符合焦炭质量要求的配合煤【4 1 1 。配合煤通过炼焦过程后，可以获得高炉炼铁用的焦炭。配煤过程工艺流程如图2 1 所示。从图2 1 可以看出，将各种不同类型的单种煤由堆取料机从煤场运出，经各级皮带传送至皮带，并由移动皮带输入指定煤斗。当煤斗中已经存放了指定的单种煤后，自动配煤计算机控制系统实施配煤工作，执行修改配比等操作。启动各圆盘给料机，煤斗中的煤随着圆盘的转动，经电子秤小皮带传送到新煤3 皮带，通过电磁铁除铁，经皮带输送到粉碎机，经回笼皮带，将混合均匀的配合煤送往焦炉炼焦。中南大学硕士学位论文第二章机理分析与过程优化思想( 工二园亟正 )圆冒圆圆圆、蕊矿图2 - 1 配煤过程工艺图2 1 2 加热燃烧过程焦炉是热工窑炉中较为复杂的热工设备，焦炉的主体由许多相互间隔的炭化室和燃烧室组成哗j ，炭化室和燃烧室仅一墙之隔，如图2 2 所示。燃烧室包括众多火道，其中每两个火道作为一对，组成一个气体通路，其两端分别和下面的蓄热室相连接，本文所涉及到的l 样、2 撑焦炉均有5 5 个炭化室，5 6 个燃烧室，5 7 个蓄热室。图2 - 2 焦炉加热燃烧过程工艺图为了使推焦顺利进行，焦炉炭化室通常为楔形，使得焦侧宽度大于机侧宽度。因此，在对炭化室加热时，焦侧燃烧室的温度要高于机侧燃烧室的温度。炭化室与燃烧室的大小主要由焦炉的型号决定的，我国广泛使用的是j n 6 0 6 型焦炉，其炭化室与燃烧室的高度为6 米，深度为1 6 米，炭化室宽度为0 4 5 米，燃烧室宽度为o 4 8 米一。为使炭化室均匀加热，加热系统定时改变废气流向，同时，为充分利用废气余热，通过蓄热室来预热进入燃烧室的空气( 煤气) ，因此焦炉每隔3 0 分钟交换9中南大学硕士学位论文第二章机理分析与过程优化思想作为煤气和空气上升通道的蓄热室及作为废气下降通道的蓄热室，即进行换向。加热煤气和空气在燃烧室的火道内混合燃烧产生热量，热废气在高温下以辐射传热为主，并伴随有对流传热的方式，将热量通过炉墙传导给煤料。煤料在整个结焦时间内，因煤料性质的变化及导热系数的不同，炉墙传给煤料的热量在结焦初期较大，以后就小些，即在整个结焦时间内的热流是变化的，其比热流在结焦的第一个小时内达到最高值，然后逐渐降低。煤料依次经过上述结焦过程的各阶段，逐渐炭化而成为焦炭。2 1 3 集气管集气过程炭化室在高温下干馏，产生一定量的荒煤气，通过位于焦炉顶部的集气管对荒煤气进行收集，然后通过冷凝器以及鼓风机送至净化装置，净化后的焦炉煤气一部分外送出去，一部分作为焦炉加热燃烧的燃料。本文涉及的某钢铁公司焦化厂有1 撑、2 撑两座焦炉。1 撑、2 j | j 焦炉产生的荒煤气经过各自集气管煤气汇入总管后，经初冷器( 1 撑、2 撑) 冷却，由鼓风机( 1 # - - - 2 # 中的一台，目前2 群鼓风机作为备用设备) 送往净化回收工序，经脱硫、硫铵、终冷洗苯，几道工序后，分两路送出：一路煤气外送，送给动力分厂；另一路煤气回炉，供焦炉炼焦。整个系统的工艺流程如图2 3 所示。图2 - 3 焦炉集气管系统工艺流程2 1 4 推焦过程推焦过程主要完成从配合煤到焦炭过程中的机械操作。在确定一个炭化室的焦炭已经成熟后，通过三大车( 推焦车、拦焦车和熄焦车) 的协调将焦炭取出：推焦车打开机侧炉门将成熟的焦炭推出，同时在焦侧准备好的拦焦车将焦侧的炉门打开，并且使推出的高温焦炭滑落到下侧轨道上的熄焦车内，最后，熄焦车将炽热的焦炭运至熄焦塔进行熄焦，冷却后的焦炭被运输到储存地或冶炼现场。装煤车的作用是从煤塔取出一定重量的配合煤，通过炭化室顶部装煤孔卸入1 0中南大学硕士学位论文第二章机理分析与过程优化思想炭化室内；推焦车的作用包括：炭化室装煤完毕后，煤落在室内成锥形，由推焦机上的平煤杆将煤推平；另一方面，焦炭成熟后，打开、清扫与关闭机侧的炉门，将成熟的焦炭从炭化室的机侧推到焦侧的熄焦车上；拦焦车作用是当推焦车进行推焦操作时，保证成熟的焦炭被推到熄焦车上；熄焦车的作用是接受推出的赤热焦炭，运到熄焦塔内喷水，将赤热焦炭熄灭，然后卸在凉焦台上冷却。焦炉作业计划调度系统则主要是综合考虑生产任务、工艺要求和设备资源，制定焦炉作业计划方案，实时指导焦炉四大车有序进行推焦操作。只有严格按计划进行生产，才能稳定加热制度，提高产品质量，合理使用机械设备以延长炉体寿命。2 2 机理分析在炼焦生产过程中，最受钢铁企业关注的是综合生产目标：即在焦炭质量满足要求的前提下，使得焦炭产量最大、焦炉能耗最小。而炼焦生产是一个复杂的工业过程，影响焦炭质量、产量以及能耗的因素众多，本节首先确定综合生产目标的衡量指标与局部优化目标的衡量指标，然后根据综合生产目标的衡量指标来分析其影响因素，为比较准确的确定炼焦生产过程多目标优化模型的输入参数与输出参数奠定基础。2 2 1 综合生产目标的确定钢铁企业关注的综合生产目标为：在焦炭质量满足要求的前提下，使得焦炭一产量最大、焦炉能耗最小。因此涉及到焦炭质量、焦炭产量以及焦炉能耗，下面分别对这些指标进行确定：( 1 ) 焦炭质量焦炭的质量是炼焦生产过程优化的一个重要生产指标，主要衡量指标包括水分( 尬) 、灰分( a d ) 、挥发分( 屹、硫分c s t , a ) 、块度、抗碎强度( m e d 、耐磨强度( 尬口) 、反应性指数( c 础) ，反应后强度( c s r ) 。根据国家发改委2 0 0 4年第7 6 号 焦化行业准入条件中规定，新建或改扩建焦炉生产的冶金焦要达到g b t 1 9 9 6 - - 2 0 0 3 规定的二级冶金焦以上标准，现有焦炉生产的冶金焦要达到g b t 1 9 9 6 - - 2 0 0 3 规定的三级冶金焦以上标准。具体而言焦炭质量指标要求( 以表示) 要求如下：l 级焦炭质量指标要求如式( 2 1 ) 所示，3 m 甜 6 ，0 1 9o a d 1 2 ，o s , d 0 6( 2 - 1 )9 2 m2 s 1 0 0 ，o m l os7中南大学硕士学位论文第二章机理分析与过程优化思想l i 级焦炭质量指标要求如式( 2 2 ) 所示，3 6 ，0 1 91 2 吼1 3 5 ，0 6 0 8( 2 - 2 )8 8 m 乃 9 2 ，7 m 1 d 8 5i i i 级焦炭质量指标要求如式( 2 3 ) 所示，3 m 耐 6 ，0 1 91 3 5 鸣1 5 ，0 8 1( 2 3 )8 3 m 乃 8 8 ，8 5 x o ( 2 ) x o ( 1 ) x o ( 6 ) x o ( 4 ) x o ( 3 ) 。则可以确定每孔装煤量对焦炭产量影响最大，焦侧目标火道温度和机侧目标火道温度次之。其次是出炉数、结焦时间、集气管压力。由于x o ( 1 ) 、x o ( 2 ) 、x o ( 3 ) 、x o ( 4 ) 、x o ( 5 ) 、x o ( 6 ) 与焦炭产量x ( o 的灰色关联度都大于0 5 ，因此将机侧目标火道温度，焦侧目标火道温度，集气管压力，结焦时间，