原料场生产自动化混匀堆积智能模型

原料场生产自动化混匀堆积智能模型在混匀作业中，为保证混匀质量，必须在几天内完成几十万吨料堆的堆积。在堆积前要制订细致合理的大致配槽计划(简称大致计划)，在堆积开始后的整个过程中，根据现场情况随时调整各个

原料场生产自动化混匀堆积智能模型

在混匀作业中，为保证混匀质量，必须在几天内完成几十万吨料堆的堆积。在堆积前要制订细致合理的大致配槽计划(简称大致计划)，在堆积开始后的整个过程中，根据现场情况随时调整各个料槽切出速度配比以满足产量和质量要求。由于人工制定和计算切出速度，强度大，效率低，同时由于成分计算复杂，人工不可能在短时间内完成，只能根据按时完成堆积任务这一目的而进行计算，因而不能很好地满足质量要求。本模型就是解决大致计划制定及切出速度计算等问题。

本模型最初是为宝钢开发的，故以下叙述均按宝钢实际设备情况描述，应用于其他原料场时，可按实况更改，本模型的思想是：堆积前由计算机根据事先输入的经验、规则，通过模糊推理的方法对参加堆积的众多原料进行分析、归类，自动编制出大致计划；按照8个槽中各配槽品种的成分、产量要求等采用复形调优法自动给出合理的各槽初始切出速度，指导操作员操作；堆积开始后，通过实时采集程序时刻跟踪现场堆积情况，监视物料变化，并在物料发生改变或槽工作状态改变(例如槽发生故障)时，即刻给出新的合理的各槽切出速度，以保证物料混合后成分稳定同时不影响总产量，达到质量、产量并重的控制目的。模型功能见图1所示。

图1 混匀堆积智能模型功能示意图

现场共有8个混匀矿槽(1、2期料场)，其中有4个大槽和4个小槽，参与堆积的原料有几十种。编制大致计划的主要步骤是：根据原料科下达的生产计划确定进入大槽或小槽的分别是哪些原料，将它们分成两组。在大槽原料组和小槽原料组中按照品种成分相近与否进行原料分类，将成分相近的原料分配在同一槽中。

确定原料进入大槽或小槽的依据是该原料的计划堆积量。首先将所有原料按照各自计划量的多少由小到大排序，再按照4个小槽的总容量及各品种计划量确定出序列中哪个原料应放入小槽，其余则放入大槽。为使堆积获得尽可能好的混匀效果，需要将成分性质最相近的原料放在同一槽中，这就涉及如何判定原料成分相近的问题。每种原料都含有包括SiO2、TFe在内的众多成分，各成分值有高有低。比较原料成分需要考虑几种成分值来综合评判。例如：某原料可能含有较高的SiO2值和较低的TFe值，另一种原料可能含有适中的SiO2及TFe值，那么到底哪个原料的综合评判结果要高一些呢？这是个难以精确定量的问题，因而我们采用模糊数学中的综合评判方法进行评判。设U为各原料品种的集合，集合中的元素以U表示：U={u1，u2，…un}，其中n为槽数；设V为各品种成分的集合，我们将集合中的元素确定为SiO2和TFe：V={SiO2，TFe}。

设评判矩阵R为U到V的模糊关系，R={rij}；(i=1，2；j=1，2，…，n)，元素rij表示第j个品种的第i种成分表达值，在计算之前，对rij应进行归一化处理。同时，对V集合中的两个成分又有不同的权衡，这种权衡可表示成一个模糊矩阵A=[Q(SiO2)，Q(TFe)]，A也称为权衡矩阵，Q( )表示对括号中的成分的权衡值，如果对矩阵中某元素重视程度高，则该元素的数值较大。由于在实际堆积中更重视对SiO2的波动偏差的抑制，即在计算中要着重考虑SiO2的因素，因而对SiO2元素要分配较大的数值，这里设定权衡矩阵A={1，0.8}。

如果能确定评判矩阵R，又确定了权衡矩阵A，则综合评判结果B=A•R。现举例说明如下。设有4个品种：第1品种硅、铁成分值为R’1=(2.8，64.2)；第2品种硅、铁成分值为R’2=(3.5，65.1)；第3品种硅、铁成分值R’3=(4.2，58)；第4品种硅、铁成分值R’4=(3.2，50.7)。则矩阵：

归一化整理后

则

由S矩阵可知，第1品种与第4品种成分性质最相近，第1品种与第2品种成分性质也较相近。通过类似方法，可以将所有参与堆积的原料品种根据成分性质相近与否加以归类，最后将成分最相近的原料放入同一料槽中，形成完整的大致计划。

下面将计算各槽切出速度。切出速度计算所要遵循的原则是既要保证任一时刻各原料混合后的成分均一稳定，又要保证按时完成计划堆积量。本模型的计算目标就是在料槽切出能力及堆料机负载能力的范围内，使得各原料切出并混合后的总的成分值尽可能逼近给定的SiO2及TFe的目标成分值，同时以产量要求作为限制条件。本模型采用约束条件下n维极值的复形调优法(n=8)来计算各槽的切出速度。

复形调优法的实质是搜索算法，属于非线性规划的一种。主要思想是在满足所有搜索条件的前提下，随机搜索到n+1个初始点，每个初始点具有n个分量，从空间上可理解为由这n+1个初始点在n维空间形成一个n+1面体。将每个顶点的n个分量代入目标函数中，可计算出各顶点的函数值。比较这n+1个顶点的函数值，去掉函数值中最不理想的点(例如若目标函数是求极小值，则去掉函数值最大的顶点)，取剩余n个顶点的中心构成一个新的顶点，与剩余n个顶点形成一个新的n+1面体。重复以上步骤，每次去掉一个不理想的顶点，用一个较好的顶点替换。每替换一次都计算新的多面体各顶点之间的距离，这个距离将随着替换次数的增加而递减。当多面体各顶点距离缩小到足够小时(即各顶点距离小于误差允许范围ε时)，即可将这个多面体看成一个点，此点具有n个分量，即所求解的n个分量。由于n维空间的n+1面体一定是个凸多面体，不难证明该问题的解是收敛的，即定能得到问题的解。

应用于混匀管理系统中的具体形式如下：

目标函数

式中：X—一个n维向量(n=8)，它的n个分量Xi为待求的第i槽的切出速度；

Csi，CFe—第i槽中原料的SiO2和TFe成分；

ds，dF—整个混匀过程中的SiO2和TFe目标成分值；

l1，l2—SiO2和TFe成分加权。

这个目标函数的含义是：分别以Xi为切出速度来切出第i个槽原料时，混合后的硅成分与料堆的硅的目标成分的偏差同混合后的铁成分与料堆的铁的目标成分的偏差加权求和后的值尽可能小。

由于在工艺上，除了要求混合后成分尽可能接近目标成分外，还有一定的产量要求，因而在求解过程中，要加上以下的限制条件：

ai﹤xi﹤bi (i=1，2，…8)

式中，ai=当前时刻第i槽准时切完应采取的速度×ka (ka﹤1)；bi=当前时刻第i槽准时切完应采取的速度×kb (kb﹤1)。

xi必须在ai，bi所限定的范围内。ai，bi主要用来确定第i槽速度的大致范围，以防不能按时堆完或提前太多堆完，ka，kb是变系数，随着剩余时间的缩短，ka，kb之间的差距也逐渐缩小(ka﹤1，kb﹥1)，可使得速度允许范围变窄，借以控制物料的准时切完。

另外，由于各料槽切出速度的总和不能超出堆料机堆料速度范围，故应加入另一限制条件为：

式中，1000t/h和1800t/h是堆料机堆料速度的上下限。

根据列出的目标函数和各限制条件，并应用复形调优法进行问题求解，在具体的复形调优算法中，设定目标误差允许范围ε﹤10–6。所求解X的8个分量xi(i=1，2，…8)即代表8个料槽所应具有的切出速度。

本模型于1997年1月在宝钢炼铁厂原料分厂正式投入使用至今，效果良好。