一种烧结智能数据寻优方法

摘要

本发明涉及一种烧结智能数据寻优方法，在烧结厂现有一级、二级控制系统的基础上，对所采集的生产过程数据进行数据挖掘和分析；分别通过对影响烧结质量、燃料消耗、烧结终点控制三方面的过程因素进行数据挖掘和分析，实现对相关工艺过程的操作进行优化；优化过程的数据挖掘分析采用以遗传算法为主体，引入信息增益熵的概念，并辅以决策树算法的内部核心算法，计算过程包括Ⅰ.初始化；Ⅱ.将各个算子逐个带入适应度函数FUNC，计算其对应的适应值fun[X]；Ⅲ.通过遗传算法进行遗传、交叉、变异进一步的迭代搜索，直至寻找出满足条件的最优区间组合，使目标数据以最大概率落入目标区间。采用本发明可以达到提高烧结产品质量和产量的目的。

主权项

一种烧结智能数据寻优方法，其特征在于，包括如下步骤：1)在烧结厂现有一级控制系统及二级控制系统的基础上，对所采集的生产过程数据进行数据挖掘和分析；所述一级控制系统用于对烧结工艺流程及设备运行状态进行采集并实施监控，所述二级控制系统用于生产过程数据的收集、整理、分析、存储、事件提醒和报表生成；分别通过对影响烧结质量、燃料消耗、烧结终点控制三方面的过程因素进行数据挖掘和分析，实现对相关工艺过程的操作进行优化；2)针对烧结质量方面的优化过程为：通过对影响烧结成品矿质量的工艺参数，包括：层厚，透气性，燃料配比，返矿配比，生石灰配比，混合水分，点火温度，炉膛负压，垂直烧结速度，烧结机速度，FeO含量，孔隙初始半径Ro，烧结终点温度和烧结终点位置进行数据挖掘分析，得到衡量烧结矿质量的指标即：转鼓指数和筛分指数的最佳操作区间，用于指导相关工艺过程的操作；3)针对燃料消耗方面的优化过程为：通过对影响烧结燃料成本的主要工艺参数，包括：层厚，透气性，成品率，生石灰用量，烧结粉用量，混合料最终水分率，大烟道负压，点火炉温，点火强度和FeO含量进行数据挖掘分析，得出烧结成本指标参数即：固体燃耗，气体燃耗，水消耗为最小的最优操作参数，用于指导相关工艺过程的操作；4)烧结终点控制方面的优化过程为：通过对影响烧结成品矿质量的工艺参数，包括：烧结机速度、生石灰配比、返矿配比、混合料水分、层厚、透气性指数、燃料配比、炉膛负压、垂直烧结速度和点火炉温度进行数据挖掘分析，得到烧结终点温度及烧结终点位置的最佳操作区间，用于指导相关工艺过程的操作；5)以上优化过程的数据挖掘分析采用以遗传算法为主体，引入信息增益熵的概念，并辅以决策树算法的内部核心算法，具体计算过程如下：Ⅰ.初始化Step1：读入待分析数据，分为分析数据及目标数据；从数据库中，取出需要分析的数据，将需要分析的数据存入分析矩阵sj[N][M]，将分析目标存入目标矩阵aim[M]；Step2：转换目标数据，进行标准化，使其服务于[0,1]区间；将目标数据进行判断，满足目标要求为1，不满足则为0，并重新存入目标矩阵aim[M]；Step3：计算各数据项对目标数据的信息熵H；扫描目标数组，得到共有x个1，总数为y；计算目标信息熵H； H＝entropy(count，M)；如果x＝0，则H＝0；如果y＝0，则H＝0；如果x＝y，则H＝0；其他则有：$H=-\frac{x}{y}\times {\log }_2\frac{x}{y}-\frac{y-x}{y}\times {\log }_2\frac{y-x}{y}$Step4：随机生成X组算子，利用变量循环逐个生成X组算子；初始化结束；Ⅱ.将各个算子逐个带入适应度函数FUNC，计算其对应的适应值fun[X]；Step1：计算样本信息熵及信息熵增益；对于某个算子来说有多个区间，计算其每项信息熵及信息熵增益；Step2：整合各项信息熵，并使其按照从大到小的顺序排列；Step3：将各个算子内部的多个区间按照排好的顺序，以逐一增加的方式计算目标数据落入目标区间的概率，若达成99％的要求则退出并返回，否则计算出实际概率后返回；并将返回的概率值定为适应值；Step4：整理出各个算子的适应值，选择其中最大的为总群最优；Ⅲ.通过遗传算法进行遗传、交叉、变异进一步的迭代搜索，直至寻找出满足条件的最优区间组合，使目标数据以最大概率落入目标区间。