关键词:
铁矿石烧结
降本增效
烧结优化配料
烧结矿化学成分预测
遗传算法
深度置信网络
摘要:
烧结厂所使用的原料成分复杂、来源多样,其动态变化给烧结配料带来了极大挑战。烧结配料和烧结过程具有高温多变量复杂体系的特征,各变量呈现非线性、强耦合、大滞后的特点,导致烧结矿的化学成分稳定性难以控制,不利于高炉冶炼。本文基于遗传算法和深度置信网络建立了烧结优化配料模型和烧结矿化学成分预测模型。首先,针对烧结配料以经验为主或采用烧结杯试验法难以满足当前烧结生产需要的问题,基于现代智能算法建立了烧结优化配料数学模型。提出以遗传算法为优化方法求解优化模型,降低了生产成本,改善了烧结矿的质量,有利于企业降本增效。其次,针对浅层神经网络在烧结矿化学成分预测方面的不足,基于深度置信网络(DBN)建立了烧结矿化学成分预测模型,构建了模型评估指标体系。仿真结果表明,该模型误差小、精度高,能够有效指导烧结生产。