一種基于智能算法的高爐布料數值模擬方法技術

一種基于智能算法的高爐布料數值模擬方法，屬于高爐布料數值模擬技術領域。本發明專利技術針對高爐布料數值模擬的現狀，將高爐布料理論和人工智能算法相結合，能夠解決高爐復雜多變布料過程的料層分布數值模擬問題，直觀地給出整個爐喉區域各批料的料層分布狀況。優點在于局限性小，適用性強，相比傳統的布料模型，更貼近實際，能輔助高爐操作者直觀了解當前爐內料層分布情況，為后續布料調整提供參考依據。

【技術實現步驟摘要】

本專利技術屬于高爐布料數值模擬
，特別涉及，適用于對高爐全爐喉區域復雜布料過程的料層分布狀況進行仿真模擬。
技術介紹
高爐煤氣分布，在很大程度上受爐料分布影響，為實現準確控制爐料分布，需要了解爐內的爐料分布情況，由于高爐的密閉性，無法直觀觀察和檢測料面形狀，必須借助數學方法，開發貼近實際的爐料分布模型。關于布料的模擬模型已有許多，模擬手段多采用幾何方法，大都只針對半邊料層進行模擬，或認為左右兩邊的料層分布是對稱的，對于整個爐喉區域料層分布狀況研究的很少，局限性大，不能滿足現場復雜布料過程的數值模擬要求。
技術實現思路
本專利技術的目的在于提供，基于高爐布料理論、人工智能遺傳算法的高爐布料數值模擬方法，該方法解決了復雜布料過程的料面數值模擬問題，能夠對整個爐喉區域的料層分布狀況進行在線模擬。本專利技術的エ藝步驟如下(I)讀取高爐布料相關數據(爐喉直徑、爐喉高度、溜槽參數、布料矩陣、料批重量、料尺深度、爐料參數等)，根據牛頓第三定律、運動方程和爐料下落時間，計算爐料運動軌跡和落點位置；(2)依據開爐實測料面形狀特點，將料面形狀劃分為三段，分別以直線、拋物線進行描述，料流落點位置就是料面堆尖位置，在多角度布料過程中，爐料落點位置和料面形狀不斷變化，每個角度對應的料面形狀互相疊加，采用分段函數方程聯立求交點的方法，以左右料線深度檢測值，分別計算左右兩邊的三段法料面形狀，并保存料面離散點數據；(3)利用基于遺傳算法的全爐喉區域的料面計算得到料面分布數據；(4)根據計算得到的料面分布數據繪制料層分布圖像。所述的基于遺傳算法的全爐喉區域的料面計算，將布料理論與遺傳算法相結合，用于全爐喉區域料面計算，利用遺傳算法的全局尋優特性，以爐料批重、左右料尺深度為目標，以三段法料面計算得到的料面特征為基礎，獲得全爐喉區域的料面分布數據，其主要步驟如下(I)爐喉區域自動劃分網格，并存儲網格單元的尺寸信息；(2)以三段法料面為基礎，提取礦石、焦炭的料面形狀特征，作為遺傳算法中染色體基因取值范圍的設置基準；(3)將料尺深度值植入遺傳算法染色體中，使進化過程中每個世代的種群都具有 此基因特征。(4)計算每個染色體的適應度吋，需計算爐料批重適應度和正則化適應度，綜合得到染色體的適應度。(5)最終得到的最佳染色體即可作為所求料面數據進行輸出。本專利技術的有益效果 本專利技術是ー種基于遺傳算法的高爐布料數值模擬方法，針對高爐布料數值模擬的現狀，將高爐布料理論和遺傳算法相結合，能夠解決高爐復雜多變布料過程的料層分布數值模擬問題，直觀地給出整個爐喉區域各批料的料層分布狀況，局限性小，適用性強，相比傳統的布料模型，更貼近實際，能輔助高爐操作者直觀了解當前爐內料層分布情況，為后續布料調整提供參考依據。附圖說明圖I為ニ段法料面不意圖。圖2為本專利技術的高爐爐喉區域網格劃分方法示意圖。圖3為本專利技術的基于遺傳算法的高爐布料數值模擬程序流程圖。圖4為本專利技術的基于遺傳算法的全爐喉區域料面計算程序流程圖。具體實施例方式下面結合附圖對本專利技術的具體實施方式進行詳細的說明。本專利技術基于高爐布料理論、智能算法，提供了一種全爐喉區域料層分布數值模擬方法，如圖3所示，具體實現步驟如下(I)讀取布料相關參數、布料矩陣、料批重量、料尺深度、爐料密度等數據，根據牛頓第三定律、運動方程和爐料下落時間，計算爐料運動軌跡，求解爐料堆尖與高爐中心的間距Xn，計算落點的方程如下Ix=---\ Ctg2CC + -~^~[/0g [VC1 -sin aJxn = 'I IH--—-ん _ e ctSa) + 2 (/。sin - e cos a) .Ix + (I0 sin - e cos a)2其中，Ix——爐料落點位置在X軸方向上的分量，單位mC1——爐料離開溜槽的速度，單位m/sa——溜槽傾角，也就是當前布料角度，單位。I0——溜槽長度，單位me——溜槽傾動矩，単位mh——溜槽垂直位置末端到料面的距離，單位mCo-溜槽轉速，單位round/sxn——落點位置，單位m(2)以爐料軌跡落點計算為基礎，按左右料線深度值，分別計算左右兩邊的三段法料面形狀，保存料面方程，具體實現方法如下依據開爐實測料面形狀特點，可將料面輪廓分為三部分，如圖I所示，B部分為曲線段，A、C部分為直線段，X1, X2為三部分料面分界點的橫坐標；假設料流落點位置Xn就是料面堆尖位置；將B段曲線的寬度以堆尖為界分成I和Wk兩部分，其中I由料流內側部分形成，Wk不僅與料流外側部分的寬度有夫，還與堆尖與爐墻距離有關；A段料面坡度取決于內堆角ら，C段料面坡度取決于外堆角02;假定在布料過程中料面不下降。根據爐料運動物理分析、落點求解、料面形狀等理論基礎，動態求解爐料落點位置，在多角度布料過程中，爐料落點位置和料面形狀不斷變化，每個角度對應的料面形狀互相交錯，新舊料面交點情況復雜多祥，為了滿足求解要求，采用分段函數方程聯立求交點的方法，能滿足新舊料面相交的所有復雜情況。(3)利用基于遺傳算法的全爐喉區域的料面計算模塊得到料面分布數據；(4)根據計算得到的料面分布數據繪制料層分布圖像。 本專利技術提出的基于遺傳算法的全爐喉區域的料面計算方法，將布料理論與遺傳算法相結合，用于全爐喉區域料面計算，利用遺傳算法的全局尋優特性，以爐料批重、左右料尺深度為目標，以三段法料面計算得到的料面特征為基礎，獲得全爐喉區域的料面分布數據，如圖4示，具體實現步驟如下(I)爐喉區域自動劃分網格，并存儲網格單元的尺寸信息，為后續計算做準備。其過程是這樣的首先對輸入的爐喉區域的交界進行判斷，參照交界進行網格整體區域的劃分。根據每個劃分區域的大小，自動選擇網格単元的個數，節點的網格尺寸小于0.05m。網格劃分過程中，同時確定每個網格単元的尺寸信息(AX)e，(AX)w, (AX)p0如圖2，根據邊界的形狀得到所示的網格單元。(2)以三段法料面為基礎，提取礦石、焦炭的料面形狀特征，作為遺傳算法中染色體基因取值范圍的設置基準。(3)將料尺位置的深度值植入遺傳算法染色體中，使進化過程中每個世代的種群都具有此基因特征。(4)計算每個染色體的適應度吋，需計算爐料批重適應度和正則化適應度，綜合得到染色體的適應度。具體方法如下將料面按網格劃分離散為s個特征點P1, P2, , Ps,分別代表料面厚度值，由于料層重量與料面形狀有夫，于是確定料面形狀的問題歸結為ー個求極小值的優化問題min {}為了減小料面形狀的波動誤差，采用正則化處理，引入正則化項R，則優化問題成為minJ (P1, P2, , Ps) = min {+R}其中正則化項如下R = a E ( 9 i+「Q ^2 (i = 1,2, , s_2)其中0 i是動態侵蝕邊界上第i到i+1個特征點間的有向線段的傾角，而a是正則化系數。為了將上述極小化問題轉化為遺傳算法適用的極大化問題，我們采用將大數減去目標函數作為新的目標函數的方法。這樣即可得到遺傳算法中的適應度函數。(5)最終得到的最佳染色體即可作為所求料面數據進行輸出。權利要求1.，其特征在于エ藝步驟如下 (1)讀取高爐布料爐喉直徑、爐喉高度、溜槽參數、布料矩陣、料批重量、料尺深度、爐料參數，根據牛頓第三定律、運動方程和爐料下落時間計算爐料運動軌本文檔來自技高網...

【技術保護點】

【技術特征摘要】

【專利技術屬性】
技術研發人員：馬富濤，周檢平，吳建，劉莎莎，
申請(專利權)人：北京首鋼自動化信息技術有限公司，
類型：發明
國別省市：