原料燒結的配料優化方法和系統的制作方法

原料燒結的配料優化方法和系統的制作方法
【專利摘要】本發明公開了一種原料燒結的配料優化方法，包括：獲取每種原料的單價、每種原料中每種成分的含量以及每種目標成分的上限和下限；根據每種原料的單價和每種原料的用量建立目標函數，以每種目標成分的上限和下限作為約束條件，建立原料燒結的配料模型；根據原料燒結的配料模型采用粒子群算法獲得滿足約束條件的每種原料的配比。本發明還公開了一種原料燒結的配料優化系統。本發明的方法和系統可以在提高燒結料質量的同時降低配料的成本。
【專利說明】
原料燒結的配料優化方法和系統
技術領域
[0001] 本發明設及燒結控制技術領域，特別是設及一種原料燒結的配料優化方法和系 統。
【背景技術】
[0002] 配料是燒結生產的關鍵環節，目前很多燒結廠的配料環節都是由技術員根據經驗 來完成的。隨著科學發展和精細化管理的要求，仍靠人工憑經驗配料已經不能滿足穩定生 產高品質燒結礦的需要。配料計算過程相對復雜，它主要根據原料的化學成分和燒結礦目 標成分來計算各種原料的配用量，在滿足約束條件的基礎上使配料成本盡可能低。當原料 的化學成分或配料目標發生變化時，必須重新計算各種原料的配用量。運種憑經驗配料的 做法，往往造成配料結果不準確，燒結礦品位低下，嚴重時還會引起質量事故。國內也有一 些廠家采用傳統電子表格進行計算，該方法較經驗有了一定的進步，但仍不能滿足燒結礦 精細化的配料要求。
[0003] 粒子群優化算法是一種進化計算技術，1995年由化erhaパ博±和1(日1111日(17博±共 同提出。該算法最初是受到飛鳥集群活動的規律性啟發，進而利用群體智能建立的一個簡 化模型。粒子群優化算法在對動物集群活動行為觀察基礎上，利用群體中的個體對信息的 共享使整個群體的運動在問題求解空間中產生從無序到有序的演化過程，從而獲得最優 解。
[0004] 粒子群優化算法同遺傳算法類似，是一種基于迭代的優化算法。系統初始化為一 組隨機解，通過迭代捜尋最優值。但是它省去了遺傳算法用的交叉W及變異，而是粒子在解 空間追隨最優的粒子進行捜索。同遺傳算法比較，粒子群優化算法的優勢在于其簡單、容易 實現并且沒有太多參數需要調整。目前該算法已廣泛應用于函數優化，神經網絡訓練，模糊 系統控制W及其它領域。

【發明內容】

[0005] 本發明的目的在于提供一種原料燒結的配料優化方法，可W在提高燒結料質量的 同時降低配料的成本。
[0006] 本發明的另一目的在于提供一種原料燒結的配料優化系統，可W在提高燒結料質 量的同時降低配料的成本。
[0007] 本發明的技術方案如下：
[000引一種原料燒結的配料優化方法，包括:獲取每種原料的單價、每種原料中每種成分 的含量W及每種目標成分的上限和下限;根據每種原料的單價和每種原料的用量建立目標 函數，W每種目標成分的上限和下限作為約束條件，建立原料燒結的配料模型;根據原料燒 結的配料模型采用粒子群算法獲得滿足約束條件的每種原料的配比。
[0009]進一步：所述粒子群算法中用于更新每個粒子的位置和速度的公式為：
L 化）），其中，i表示粒子的編號，i = I，2,…，N，N表示粒子群規模，k表示循環變量，K表示最大 循環次數，《表示慣性權重，ci、c康示學習因子，ri、n是(0，1)之間的隨機數，Xi(k)表示第i 個粒子的位置，Xi化+1)表示第i個粒子的相對于Xi化)的更新的位置，Xi化-1)表示第i個粒 子的相對于Xi化)的前次的位置，Vi化)表示第i個粒子的速度，Vi化+1)表示第i個粒子的相 對于Vi(k)的更新的速度，Pbesti(k)表示每個粒子的最優位置，Pbesti化）=Xi(k) ,Gbest 化)表示整個粒子群的最優位置。
[0010] 進一步
[0011] 進一步
[0012] 進一步，所述目標函數為
其中，Ct表示每種原料的單價，Pt表示每種 原料的用量：
，n表示原料的種數，t = l，2,…，n。
[OOU] 進一步:所述約束條件如下式所示；
其中，Wj,康示第巧巾目標成 分在第t種原料中的含量，Uj表示燒結料中第巧中目標成分的上限，表示燒結料中第巧中目 標成分的下限，qt表示每種原料在燒結料中的占比，j = l，2,…，m，m表示目標成分的種數。
[0014] 進一步，所述原料的成分包括:1。6、51〇2、化0、1邑0、412〇3、口、5、1'1〇2和水;所述目標 成分包括:We、Si〇2、CaO、MgO、Al2〇3、P、S和Ti〇2。
[0015] W及，一種原料燒結的配料優化系統，包括:參數獲取模塊，用于獲取每種原料的 單價、每種原料中每種成分的含量W及每種目標成分的上限和下限;模型建立模塊，用于根 據每種原料的單價和每種原料的用量建立目標函數，W每種目標成分的上限和下限作為約 束條件，建立原料燒結的配料模型;配比獲取模塊，用于根據原料燒結的配料模型采用粒子 群算法獲得滿足約束條件的每種原料的配比。
[0016] 與現有技術相比，本發明具有W下優點：
[0017] 1、本發明的原料燒結的配料優化方法通過分析配料的最終目標和約束條件，將其 用數學函數和不等式表示出來，建立了原料燒結的配料模型，可W準確描述燒結過程中化 學成分變化和物料守恒定律，解決了當前燒結配料憑經驗的做法造成的配料結果不準確、 燒結礦品位低下W及嚴重時還會發生質量事故的問題，使獲得燒結料的成本更低，獲得的 燒結料的品位更高，在節約成本的同時，提高了產品質量，達到在滿足各種約束的前提下配 料成本最優的目的。
[0018] 2、本發明的原料燒結的配料優化方法在模型求解的過程中，采用改進的粒子群優 化算法求解最佳配比，避免了傳統粒子群算法易陷入局部最優的缺陷，能快捷、準確地找到 問題的全局最優解，達到了在滿足約束的前提下，目標函數最優的要求。
[0019] 3、本發明的原料燒結的配料優化方法可W推廣到冶金行業的其它領域，比如焦化 配煤中，因此具有較高的應用價值。
[0020] 4、本發明的原料燒結的配料優化系統，通過分析配料的最終目標和約束條件，將 其用數學函數和不等式表示出來，建立了原料燒結的配料模型，可W準確描述燒結過程中 化學成分變化和物料守恒定律，解決了當前燒結配料憑經驗的做法造成的配料結果不準 確、燒結礦品位低下W及嚴重時還會發生質量事故的問題，使獲得燒結料的成本更低，獲得 的燒結料的品位更高，在節約成本的同時，提高了產品質量，達到在滿足各種約束的前提下 配料成本最優的目的。
[0021] 5、本發明的原料燒結的配料優化系統在模型求解的過程中，采用改進的粒子群優 化算法求解最佳配比，避免了傳統粒子群算法易陷入局部最優的缺陷，能快捷、準確地找到 問題的全局最優解，達到了在滿足約束的前提下，目標函數最優的要求。
[0022] 6、采用本發明的原料燒結的配料優化系統，可W將人從復雜的手工計算中解放出 來，實現燒結過程的自動控制，克服了經驗配料或者專家配料的弊端，具有很好的應用和推 廣價值。
[0023] 7、本發明的原料燒結的配料優化系統可W推廣到冶金行業的其它領域，比如焦化 配煤中，因此具有較高的應用價值。
【附圖說明】
[0024] 圖1是本發明的原料燒結的配料優化方法的流程圖；
[0025] 圖2是本發明的粒子群算法的流程圖；
[0026] 圖3是本發明的原料燒結的配料優化系統的結構示意圖。
【具體實施方式】
[0027] 為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖和實施例 作進一步詳細的說明。
[0028] 本發明公開了一種原料燒結的配料優化方法。如圖1所示，為本發明的原料燒結的 配料優化方法的流程圖。該方法具體過程如下：
[0029] 步驟S10:獲取每種原料的單價、每種原料中每種成分的含量W及每種目標成分的 上限和下限。
[0030] 其中，每種原料中每種成分的含量可通過常規的化學分析方法、儀器分析方法等 測量得到。具體的，本發明中的每種成分的含量可W具體用如下幾種形式表示:每種成分的 質量或者每種成分的質量占比。每種原料的單價參考市場報價。每種目標成分的上限和下 限為用戶根據需要確定。
[0031] 步驟S20:根據每種原料的單價和每種原料的用量建立目標函數，W每種目標成分 的上限和下限作為約束條件，建立原料燒結的配料模型。
[0032] 其中，目標成分指的是燒結料中的成分。燒結料為原料燒結后的產品。對于含水原 料而言，原料中除了還含有水W外，原料的其他成分的種類均與燒結料中的目標成分的種 類相同。每種原料的用量可W用每種原料的質量或者每種原料的質量占比類表示。本發明 中所說的原料中的成分并不包括雜質。
[0033] 目標函數為
SCt表示每種原料的單價，Pt表示每種原料的用量，n表示 原料的種數，t = l，2,…，n。
[0034] 在一優選的實施例中，每種目標成分的上限和下限通過下式表示，則約束條件還 可W為：
[0035]
[0036] 其中，Wj,t表示第巧中目標成分在第t種原料中的含量，yj表示燒結料中第巧中目標 成分的上限，hj表示燒結料中第巧中目標成分的下限，qt表示每種原料在燒結料中的占比，j =1，2,…，m，m表示目標成分的種數。該優選的實施例中，第巧中目標成分在第t種原料中的 含量可W用質量或者質量占比來表示，第巧中目標成分的上限可W用質量或者質量占比來 表示，第巧巾目標成分的下限可W用質量或者質量占比來表示。
[0037] 步驟S30:根據原料燒結的配料模型采用粒子群算法獲得滿足約束條件的每種原 料的配比。
[0038] 如圖2所示，為本發明的粒子群算法的流程圖。
[0039] 具體的，該粒子群算法的過程如下：
[0040] 步驟S31:讀入原始數據。
[0041] 該原始數據包括:每種原料的單價、每種原料中每種成分的含量、每種目標成分的 上限和下限。
[0042] 步驟S32:初始化粒子群的位置和速度。
[0043] 其中，粒子群的規模為N，最大循環次數為K，循環變量為k，隨機位置為X，X= (XI， 拉，…，Xn)，速度為V，V=(Vl，V2,…，Vn)。第i個粒子的位置為Xi(k) = (Xil(k)，Xi2(k)，…，Xin 化)），第i個粒子的速度為Vi化）= (vii化），vi2化），???，Vin化）），i = l，2,…，N。
[0044] 步驟S33:獲得每個粒子的個體最優位置Pbesti化）=Xi化），W及整個粒子群的全 局最優位置Gbest化）。
[0045] 步驟S34:更新每個粒子的位置和速度。
[0046] 其中，用于更新每個粒子的位置和速度的公式分別為：
[0047] 速度更新公式：Vi(k+1 )= O Vi (k)+ci;ri (Pbesti(k)-Xi(k) )+C2f2(Gbest(k)-Xi 化)），
[004引位置更新公式：
[0049] 其中，i表示粒子的編號，i = l，2,…，n。粒子的維數即所用原料的種類。k表示循環 變量。K表示最大循環次數。
[0050] ?表示慣性權重。優選的
。更優選的，《max = 〇.9, Omin = 0.4。現有技術中的慣性權重一般為定值，例如通常取0.8,本發明將慣性權重由定值改為變 慣性權重，使算法在初期具有較快的捜索速度，可W很快找到局部最優;在后期算法開始精 確捜索，從而跳出局部最優，找到全局最優解。
[0化1] C1、C2表示學習因子。優選的，C1 = C2 = 2。
[0052] ri、n是(0，1)之間的隨機數。
[0053] Xi(k)表示第i個粒子的位置，Xi(k+1)表示第i個粒子的相對于Xi化）的更新的位 置，Xi化-1)表示第i個粒子的相對于Xi化)的前次的位置。
[0054] Vi(k)表示第i個粒子的速度，Vi(k+1)表示第i個粒子的相對于Vi化）的更新的速 度。
[0055] Pbesti化)表示每個粒子的個體最優位置，Pbesti化）=Xi化）。
[0056] 化est化)表示整個粒子群的全局最優位置。
[0057] 本發明的方法的位置更新公式不僅依賴于粒子上次的位置和速度，還引入了上上 次的粒子位置，運樣做的好處一是防止粒子陷入局部最優，二是充分利用粒子原來的位置 信息，使捜索更具有繼承性。
[005引步驟S35:更新每個粒子的個體最優位置Pbesti化)和整個粒子群的全局最優位置 (ibest化）。
[0059] 根據適應度函數更新每個粒子的個體最優的全局最優。其中，適應度函數即為本 發明的目標函數。更新規則為:對每個粒子，將其當前適應度值與其個體最優位置的值相比 較，若當前適應度值小于其個體最優位置的值，則將當前適應度值作為個體最優位置的值； 將每個粒子的個體最優位置的值與當前的全局最優位置的值相比較，若粒子的個體最優的 值值小于當前的全局最優位置的值，則將該粒子的個體最優位置的值值作為全局最優位置 的值。
[0060] 步驟S36:令k = k+l，判斷是否滿足k<K。
[0061 ] 如果k<K，則進行步驟S34。如果k>K，則進行步驟S37。
[0062] 步驟S37:輸出每種原料的最優用量。
[0063] 本發明的方法通過分析配料的最終目標和約束條件，將其用數學函數和不等式表 示出來，建立了原料燒結的配料模型，可W準確描述燒結過程中化學成分變化和物料守恒 定律，解決了當前燒結配料憑經驗的做法造成的配料結果不準確、燒結礦品位低下W及嚴 重時還會發生質量事故的問題，使獲得燒結料的成本更低，獲得的燒結料的品位更高，在節 約成本的同時，提高了產品質量，達到在滿足各種約束的前提下配料成本最優的目的。
[0064] 此外，本發明的方法在模型求解的過程中，采用改進的粒子群優化算法求解最佳 配比，避免了傳統粒子群算法易陷入局部最優的缺陷，能快捷、準確地找到問題的全局最優 解，達到了在滿足約束的前提下，目標函數最優的要求。
[0065] 本發明的方法可W推廣到冶金行業的其它領域，比如焦化配煤中，因此具有較高 的應用價值。
[0066] 在本發明一優選的實施例中，原料中的成分包括:TFe、Si〇2、CaO、MgO、Al2〇3、P、S、 Ti〇2 和水。目標成分包括：TFe、Si〇2、Ca0、Mg0、AI2O3、P、S和 Ti〇2。
[0067] -般來說，原料燒結過程中，原料中的雜質可能會與0、C〇2等反應而損失、水會蒸 發、W及S可能會與0反應產生S燒損，運些燒結料的質量損失均為燒損。測量含有水的原料 時，當采用化學分析方法時，測得的原料的每種成分的含量一般是干重或者干配比。此外， 對于燒結礦而言，還需要考慮燒結礦的堿度。燒結礦堿度有如下的幾種計算方式：
[006引 （a)，或者，
[0069] (b)，或者，
[0070] 。上述S個式子中的Ca0、Mg0、Si化、Ab化為燒結礦中各成分的含 量。在原料中Al2〇3及MgO含量波動不大的情況下，采用式(C)表示，只有Al2〇3或MgO波動較大 的情況才用式(a)或式(b)。因此，在原料是燒結礦的情況下，約束條件還包括對燒結礦堿度 的約束。
[0071] 在一燒結礦的實施例中，原料中的成分包括:TFe、Si〇2、CaO、MgO、Al2〇3、P、S、Ti〇2 和水，目標成分包括：了。6、51〇2、化0、1旨0、412〇3、？、5和1'1〇2，原料中412〇3及1旨0含量波動不 大。采用質量占比來表示原料的每種成分的含量、每種原料的用量、目標成分的上限和下 限。則第t種原料的干配比GPBt = SPBt ? (1-出Ot) ,SPBt表示第t種原料的濕配比，此Ot表示第 t種原料中水分的占比，該濕配比可通過稱量各原料的質量后計算獲得，該水分的占比可通 過稱量每種原料的質量及燒失量后計算獲得。第t種原料在燒結料的占比5(：^ = 6?8*-(1- 化t) ,Bk表示第t種原料的燒損占比。該燒損占比可通過測量燒損量計算得到。
[0072] 該實施例中的目標函數為：
。
[0073] 基于上述的原料的成分，W式(2)的形式表示的具體的約束條件如下：
[0074]
[0075]
[0076]
[0077]
[007引
[0079]
[0080]
[0081]
[0082]
[0083]
[0084] SPBt min《SPBt《 SPBt max或者GPBt min《GPBt《GPBt max(可根據具體情況具體選擇 其中之一）。
[00化]其中，TFet表示第t種原料中全鐵的占比，Si〇2t表示第t種原料中Si化的占比，CaOt 表示第t種原料中CaO的占比，MgOt表示第t種原料中MgO的占比，Ab化t表示第t種原料中 Ah〇3的占比，P康示第t種原料中P的占比，S康示第t種原料中S的含量，S化康示第t種原料 的S燒損的占比（與原料中的金屬氧化物、P等相比，S會與0反應而損失，因此，燒結料中S的 占比是除去S燒損后的原料中S的占比），Ti化t表示第t種原料中Ti化的占比。Wemax表示所有 燒結料中全鐵占比的上限，TFemin表示所有燒結料中全鐵占比的下限。Si〇2max表示所有燒結 料中Si化占比的上限，Si〇2min表示所有燒結料中Si化占比的下限。CaOmax表示所有燒結料中 化0占比的上限，CaOmin表不所有燒結料中CaO占比的下限。MgOmax表不所有燒結料中MgO占比 的上限，MgOmin表示所有燒結料中MgO占比的下限。Ah〇3max表示所有燒結料中Ah〇3占比的上 限，Ah〇3min表示所有燒結料中Ah〇3占比的下限。Pmax表示所有燒結料中P占比的上限，Pmin表 示所有燒結料中P占比的下限。Smax表示所有燒結料中S占比的上限，Smin表示所有燒結料中S 占比的下限。TiCKax表示所有燒結料中Ti化占比的上限，TiCWn表示所有燒結料中Ti化占比 的下限。Rmax表示燒結礦堿度的上限，Rmin表示燒結礦堿度的下限，SPBtmax表示每種原料的濕 占比的上限，SPBtmin表示每種原料的濕占比的下限，GPBtmax表示每種原料的干占比的上限， GPBtmin表示每種原料的干占比的下限。
[0086] 在該優選的實施例中，利用各種原料包括鐵礦石、烙劑、燃料等的化學成分信息和 燒損率、用量、燒結礦的品位等約束條件，并結合物料守恒定律建立了優化的原料燒結的配 料模型。
[0087] 本發明還提供了一種原料燒結的配料優化系統。如圖3所示，為本發明的原料燒結 的配料優化系統的結構示意圖。該原料燒結的配料優化系統包括：
[0088] 參數獲取模塊301，用于獲取每種原料的單價、每種原料中每種成分的含量W及每 種目標成分的上限和下限。
[0089] 模型建立模塊302,用于根據每種原料的單價和每種原料的用量建立目標函數，W 每種目標成分的上限和下限作為約束條件，建立原料燒結的配料模型。
[0090] 配比獲取模塊303,用于根據原料燒結的配料模型采用粒子群算法獲得滿足約束 條件的每種原料的配比。
[0091 ]本發明的原料燒結的配料優化系統，通過分析配料的最終目標和約束條件，將其 用數學函數和不等式表示出來，建立了原料燒結的配料模型，可W準確描述燒結過程中化 學成分變化和物料守恒定律，解決了當前燒結配料憑經驗的做法造成的配料結果不準確、 燒結礦品位低下W及嚴重時還會發生質量事故的問題，使獲得燒結料的成本更低，獲得的 燒結料的品位更高，在節約成本的同時，提高了產品質量，達到在滿足各種約束的前提下配 料成本最優的目的。
[0092] 此外，本發明的原料燒結的配料優化系統在模型求解的過程中，采用改進的粒子 群優化算法求解最佳配比，避免了傳統粒子群算法易陷入局部最優的缺陷，能快捷、準確地 找到問題的全局最優解，達到了在滿足約束的前提下，目標函數最優的要求。
[0093] 采用本發明的原料燒結的配料優化系統，可W將人從復雜的手工計算中解放出 來，實現燒結過程的自動控制，克服了經驗配料或者專家配料的弊端，具有很好的應用和推 廣價值。
[0094] 本發明的系統可W推廣到冶金行業的其它領域，比如焦化配煤中，因此具有較高 的應用價值。
[00%]下面W-具體實施例對本發明的技術方案做進一步說明。
[0096] 實施例1
[0097] 實施例1W某鋼鐵廠的某次燒結配料為例。實施例1的原料有12種。
[0098] 如表1所示，為實施例1的原料的成分。
[0099] 表1實施例1的原料的成分 rnmni
Lwm」 觀恭所不，刃頭砸例1的辭結科的目頓成分的上限邪M很。
[0102]表2燒結料的目標成分的上限和下限 「01031
12 如表3所示，為實施例1的原料的用量上限和下限。 2 表3原料的用量的上限和下限
[0106]
L〇1〇7」讀入如表1~表3所示的據始數據，通妊本發明的目標函數和約束條件得到每種據 料的最優配比。本實施例的粒子群算法中N= 100 ,K= 1000，貝化=1，2，……，1000。同時，按 照現有技術獲得每種原料的最優配比。結果如表4和表5所示，分別為按照現有技術和本發 明的方法獲得的實施例1的每種原料的配比W及按照現有技術和本發明的方法獲得的燒結 料成分及價格。
[0108] 表4按照現有技術和本發明的方法獲得的實施例1的每種原料的配比
[0109]
[
[0111]表5按照現有技術和本發明的方法獲得的燒結料成分及價格 「ni "1

[0113] 由表5可W看出，采用本發明的方法得到的結果更優，運說明本發明較之現有技術 的經驗計算法在滿足各種約束的前提下，在成本方面更加節約，表明本發明的方法具有更 好的推廣價值。
[0114] W上對本發明的技術方案，進行了詳細介紹，本文中應用了具體個例對本發明的 原理及實施方式進行了闡述，W上實施例的說明只是用于幫助理解本發明的核屯、思想；同 時，對于本領域的一般技術人員，依據本發明實施例的思想，在【具體實施方式】及應用范圍上 均會有改變之處，綜上所述，本說明書內容不應理解為對本發明實施例的限制。
【主權項】
1. 一種原料燒結的配料優化方法，其特征在于，包括： 獲取每種原料的單價、每種原料中每種成分的含量以及每種目標成分的上限和下限； 根據每種原料的單價和每種原料的用量建立目標函數，以每種目標成分的上限和下限 作為約束條件，建立原料燒結的配料模型； 根據原料燒結的配料模型采用粒子群算法獲得滿足約束條件的每種原料的配比。2. 如權利要求1所述的原料燒結的配料優化方法，其特征在于，所述粒子群算法中用于 更新每個粒子的位置和速度的公式為：Vi(k+Ι) = ω Vi(k)+ciri(Pbesti(k)-Xi(k) )+C2r2(Gbest(k)-Xi(k))， 其中，i表示粒子的編號，i = l，2,…，N，N表示粒子群規模，k表示循環變量，K表示最大 循環次數，ω表示慣性權重，C1、C^示學習因子，^2是(0，1)之間的隨機數上〇〇表示第1 個粒子的位置，Xdk+Ι)表示第i個粒子的相對于X 1U)的更新的位置，X1U-I)表示第i個粒 子的相對于X1U)的前次的位置,V 1(Ic)表示第i個粒子的速度,Vdk+l)表示第i個粒子的相 對于Vi(k)的更新的速度，Pbesti(k)表示每個粒子的最優位置，Pbesti(k) = Xi(k)，Gbest (k)表示整個粒子群的最優位置。3. 如權利要求2所述的原料燒結的配料優化方法，其特征在于4. 如權利要求3所述的原料燒結的配料優化方法，其特征在于：ω max=〇. 9，ω min=〇. 4。5. 如權利要求2所述的原料燒結的配料優化方法，其特征在于，所述目標函數為：，其中，表示每種原料的單價，Pt表示每種原料的用jη表示原料的 種數，t = l，2,…，η。6. 如權利要求5所述的原料燒結的配料優化方法，其特征在于:所述約束條件如下式所 示：其中，表示第j種目標成分在第t種原料中的含量，Uj表示燒結料中第j種目標成分的 上限，Ij表示燒結料中第j種目標成分的下限，qt表示每種原料在燒結料中的占比，j = l， 2，…，m，m表不目標成分的種數。7. 如權利要求1~6任一項所述的原料燒結的配料優化方法，其特征在于， 所述原料的成分包括:TFe、Si02、Ca0、Mg0、Al203、P、S、Ti0：^PA ; 所述目標成分包括:TFe、S i O2、CaO、MgO、A12〇3、P、S和T i O2。8. -種原料燒結的配料優化系統，其特征在于，包括： 參數獲取模塊，用于獲取每種原料的單價、每種原料中每種成分的含量以及每種目標 成分的上限和下限； 模型建立模塊，用于根據每種原料的單價和每種原料的用量建立目標函數，以每種目 標成分的上限和下限作為約束條件，建立原料燒結的配料模型； 配比獲取模塊，用于根據原料燒結的配料模型采用粒子群算法獲得滿足約束條件的每 種原料的配比。
【文檔編號】G06Q10/02GK106022496SQ201610333545
【公開日】2016年10月12日
【申請日】2016年5月19日
【發明人】楊在蘇, 張軍廷, 王麗娜, 王瀏瑋
【申請人】北京佰能盈天科技有限公司