一种钢铁原料场铁矿石配置方法

摘要

一种钢铁原料场铁矿石配置方法，属于冶金工业领域，本发明的优化配置方法，综合考虑多种铁矿石的输入配置及严格的铁矿石成分控制要求，能够帮助配置计划人员找出最佳的存储方式，从而提高铁矿石的生产存储质量，实现保障铁矿石供应，减少运输能耗，防止铁矿石混料情况的发生，保证铁矿石质量从而提高其后续产品质量等目的。通过实际数据的人工配置结果与本发明优化结果的比较，可以得出，在铁矿石输入执行率提高了2.7％的前提下，由本发明优化得到的配置方案与人工配置方案相比能够显著将目标函数降低12.79％。有效地降低了运输能源损耗，提高了铁矿石的存储质量，进而提高其后续产品的质量。

主权项

一种钢铁原料场铁矿石配置方法，其特征在于：包括以下步骤： 步骤1：获取待输入铁矿石数据、原料场储位数据及原料场运行数据，确定铁矿石输入配置的工艺特征，并采用数学模型描述其工艺过程； 其中，所述的待输入铁矿石数据包括：铁矿石批号、铁矿石品种、铁矿石重量、化学成分、铁矿石到达时间、堆高；所述的原料场储位数据包括：储位位置坐标、储位长度、可用储位前次存储信息、已用储位存储信息、输入设备作业能力；所述的原料场运行数据包括：原料场存储清单、铁矿石需求计划、设备检修计划； 所述的数学模型，建立过程如下： 步骤1‑1：确定模型参数为：在时间展望期T内，待配置的铁矿石集合为N，原料场中料条集合为S，且料条j中共有K_j个可用储位，构成可用储位集合K；将铁矿石i分配到料条j第k个可用储位时，需消耗场地平整、物料清空及设备预运行这些准备作业费用，同时也会产生由铁矿石混放引起的铁矿石损失费用，其费用系数分别为c_ijk及p_ijk；开放料条j时会产生相应的运行费用，其费用系数为f_j；当同批号铁矿石被分配到不同料条上的储位存储时，会引起物流设备的路径转换作业，此时所产生的设备损耗及能源消耗费用的系数为q_i； 步骤1‑2：利用步骤1‑1的参数，建立数学模型，其目标函数如下： 式中，x_ijk、z_j、和y_ijk为决策变量，且其取值为：y_ijk≥0，铁矿石i被分配至料条j第k个储位存储的重量； 目标函数(1)的第一项表示铁矿石i分配到料条j第k个储位时由场地平整、物料清空及设备预运行这些准备作业所消耗的能源及设备损耗费用；第二项表示铁矿石i被分配至料条j第k个储位时由铁矿石混放引起的铁矿石损失费用；第三项为开设料条j的费用，包括料条管理和维护费用及料条内堆取料机作业费用；第四项为一种铁矿石i被分配到不同的料条j时引 起的物流设备路径转换所产生的设备损耗及能源消耗费用； 步骤1‑3：确定步骤1‑2所述的目标函数的约束条件： 步骤1‑3‑1：对任一可用储位，所有存放铁矿石所占用的堆积长度总和不能超出所述储位的长度，储位能力约束的公式如下： 式中，ρ_i为根据已知堆积公式得出的单位重量的铁矿石i所需占用的堆积长度，l_jk为料条j第k个储位的长度，D为两个料堆之间所需隔离出的安全距离； 步骤1‑3‑2：在任一料条存放铁矿石时，每堆铁矿石的重量不能超过该料条单个料堆的最大重量限制，料堆重量限制约束的公式如下： 式中，W_j为j料条任一料堆的重量上限； 步骤1‑3‑3：对任一料条j，待输入的铁矿石重量之和不能超过此料条配套设备的作业能力，作业设备能力约束的公式如下： 式中，A_j为料条j配套设备的作业能力上限； 步骤1‑3‑4：保证所有待输入铁矿石都分配到了料场中进行存储，铁矿石收发平衡约束的公式如下： 其中，Y_i表示时间展望期T内铁矿石i的到达量； 步骤1‑3‑5：除了工艺性约束(2)‑(5)之外，还需要满足模型本身的变量逻辑性约束，主要包括： 其中，约束(6)表示当铁矿石i被分配至料条j第k个储位的重量y_ijk大于0时，x_ijk必为1，从而保证铁矿石i被分配至料条j第k个储位的分配过程已经发生；约束(7)保证了当铁矿石i被分配至料条j第k个储位时，料条j必然开放，其中K_j为料条j的可用储位数量；约束(8)保证了当铁矿石i被分配至料条j第k个储位即x_ijk为1时，铁矿石i必然已被分配至料条j，即必为1；步骤2：对输入的铁矿石进行储位预配置，方法为： 步骤2.1：将所有可用储位组成可用储位集合U＝{(j，k)|j∈S，k∈K}，将所有待输入的铁矿石按照所需的储位长度从大到小排列，组成备选铁矿石序列N； 步骤2.2：从U中任选一可用储位(j，k)，从N中挑选出满足ρ_iY_i≤l_jk的铁矿石子序列N_jk，优先选择序列中的第一位铁矿石i^*，若不满足则从N_jk中删除铁矿石i^*并选择N_jk中下一位铁矿石对进行判断；若满足则将铁矿石i^*放入此储位中并从N中删除铁矿石i^*，如果该储位(j，k)未利用完，将剩余储位作为新的可用储位(j，k)更新到U中，否则从U中删除储位(j，k)；若对于可用储位(j，k)，无法挑选出满足ρ_iY_i≤l_jk及的铁矿石子序列，将该储位(j，k)加入到储位集合B中，从U中删除储位(j，k)；步骤2.3：如果N＝Φ，转到步骤2.6；否则，转到步骤2.4； 步骤2.4：若U＝Φ，转到步骤2.5；否则，转到步骤2.2； 步骤2.5：将B中可用储位按长度大小降序排列，以顺序依次填满这些可用储位为原则，将N中铁矿石分为多个堆，分配到B中储位中，直到铁矿石全部被分配完； 步骤2.6：将上述铁矿石储位分配方案作为一个初始方案个体进行存储，若已生成P个初始方案个体，预配置结束；否则初始化所有数据，并转到步骤2.1； 步骤3：对铁矿石的储位预配置结果进行优化调整：步骤2中所生成的P个初始方案个体组成一个初始方案种群，利用差分算法对储位预配置结果进行优化调整，方法为： 步骤3.1：对上一代方案种群中每个个体均进行变异操作，即从上一代方案种群中生成新的方案个体进入下一代种群，其变异策略为，在第G次迭代过程中，对于方案个体i，记为i＝1，2，...，P，则一个新的个体按照以下公式产生：上述公式中，和是从当前种群P_G中随机选择3个不同于的个体，即a≠b≠c；F为自适应变异因子，用于控制方案种群多样性和收敛性，且：F＝β(e^λ‑1)，式中，β∈[0.2，0.6]，G_max为最大迭代代数，G为当前迭代的代数；步骤3.2：对方案种群进行交叉操作，即根据新生成的方案个体按照交叉策略使新 旧的方案个体互相交换部分代码，从而形成新的方案个体，公式如下：交叉后的新的方案个体为： 式中，为向量中的第j个组成变量，交叉操作的方程为：式中，为向量中的第j个组成变量，为向量中的第j个组成变量，rand(j)是[0，1]之间均匀分布概率，产生[0，1]之间随机数发生器的第j个估计值；mbr(i)表示[1，D]之间生成的随机整数，用它来确保至少从获得一个参数；CR为交叉概率，CR＝a*CR_s，其中CR_s是预定义的交叉概率，CR_s∈(0，1)，为常数，a为进化速度因子，其表达式如下：式中，f(G)_best，f(G‑1)_best和f(G‑2)_best分别为第G代、第G‑1代和第G‑2代个体代入(1)式后计算所得的最佳数据指标值；const为小的常数，使分子、分母恒不为0，且保证0＜a≤1： 步骤3.3：对方案种群进行选择，产生下一代的方案种群，选择策略为：将与进行比较，若前者代入(1)式后计算所得的数据指标值优于后者，则在第G+1代中就用取代，否则保留；步骤3.4：对于第G+1代方案种群中任一配置方案个体，将同一个料条内的两个铁矿石进行交换或者属于不同料条的两个铁矿石进行交换，生成新的方案个体，从而得到方案集合CH；必须保证交换可行即满足约束(2)‑(5)时，交换可实施，将CH中方案个体及第G+1代方案种群中所有个体按照(1)式得出的数据指标值大小从小到大排列，顺序选择P个互不相同的个体组成新的第G+1代方案种群； 步骤3.5：若满足终止准则，算法结束；否则跳转到步骤3.1 步骤4：将步骤3确定的配置方案送至生产执行系统中执行。