資源描述：
《煉焦配煤智能優(yōu)化模型及其應(yīng)用研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要煉焦配煤過程是存在諸多不確定性的復(fù)雜工業(yè)過程，配合煤的煤質(zhì)直接影響焦炭的質(zhì)量，而配合煤的性質(zhì)又是由摻配的各單種煤的性質(zhì)與配比決定的，變量之間的關(guān)系十分復(fù)雜。這種復(fù)雜的非線性關(guān)系，使得傳統(tǒng)控制方法難以實施有效的控制。在煉焦配煤過程中，配煤比是影響焦炭質(zhì)量的主要因素。本文從煉焦工藝出發(fā)，提出了一種煉焦配煤智能優(yōu)化模型，能夠精確地確定配煤比，有效地提高了焦炭的質(zhì)量和配煤效率，降低了生產(chǎn)成本。論文的主要研究成果包括：(1)本文從煉焦配煤工藝流程出發(fā)，詳細分析了影響配合煤質(zhì)量的各種因素，包括各單種煤的灰分、硫分、揮發(fā)分、粘結(jié)性指數(shù)、水分等。在機理分析的基礎(chǔ)上，本文提出建立配
2、合煤質(zhì)量預(yù)測模型，它以上述五個相關(guān)因素為輔助變量，采用線性回歸得到配合煤的質(zhì)量預(yù)測值。同時，本文對焦炭質(zhì)量的影響因素進行了詳細分析，采用BP神經(jīng)網(wǎng)絡(luò)描述配合煤和焦炭指標之間的關(guān)系，建立了焦炭質(zhì)量預(yù)測模型(以配合煤的水分、灰分、揮發(fā)分、硫分、粘結(jié)性指數(shù)和細度作為神經(jīng)網(wǎng)絡(luò)的輸入來進行預(yù)測)。(2)針對傳統(tǒng)的基于人工經(jīng)驗的配比計算量大、準確性不高的特點，本文基于給定的焦炭質(zhì)量指標和配合煤質(zhì)量指標、煤場現(xiàn)有的各大類煤種質(zhì)量參數(shù)、以及配煤和煉焦條件，根據(jù)一定的成本和庫存等約束條件，提出應(yīng)用模擬退火算法，建立了配比計算和配比優(yōu)化模型，通過該模型可以獲得最優(yōu)的配煤比和配煤方案。(3
3、)本文在IFIX組態(tài)軟件的操作平臺下，以VC++為開發(fā)工具，實現(xiàn)了煉焦配煤智能優(yōu)化應(yīng)用軟件的設(shè)計，并對實際運行結(jié)果進行了分析。工業(yè)運行結(jié)果表明本文提出的優(yōu)化策略有效地提高了配煤效率，節(jié)約了配煤成本，同時焦炭質(zhì)量預(yù)測精度達到了90％以上，有效的提高了焦炭質(zhì)量。關(guān)鍵詞：配煤過程，線性回歸，神經(jīng)網(wǎng)絡(luò)，模擬退火算法，智能優(yōu)化ABSTRACTThecoalblendingandcokingprocess，inwhichmuchuncertaintyexists，istoocomplicatedtodescribe．Themixedcoalquality,whichisdeter
4、minedbythequalityandproportioningratioofsinglecoal，hasdirectinfluence011thecokequalityindex．ThenonlinearrelationamongthevariablesisSOcomplexthatthetraditionalmethodscanhardlycontroleffectively．Incokingprocess，blendingratioofcoalisthemainfactortoinfluenceoncokequalityprediction．Startingf
5、romthecokingprocess．a(chǎn)ncoalblendingandcokingintelligentoptimizationmodelwhichCallaccuratelydeterminethecoalblendingrateispresentinthispaper,whicheffectivelyhavebeenimprovedthequalityofcokeandthecoalblendingefficiency,thushavebeenloweredthecostofproduction．Themainstudyachievementsinclude：
6、(1)Startingatthetechniqueofcoalblendingprocess，thispaperanalyzedindetailallkindsoffactorsthatinfluencethequalityofthemixedcoal，whichincludethecomponentofash，sulfur,volatility,andwaterandfeltingindexofeverysinglecoals．Thispaperpresentbuildingaqualityforecastingmodelofmixedcoalonthebasiso
7、fprincipleanalysis，whichtaketheabovefivefactorsasassistantvariablesandobtainthequalityforecastingvaluebylinearregress．Atthesametime，thispaperanalyzedindetailthefactorsthatinfluencethequalityofthecoke，describedtherelationshipbetweentheindexofmixedcoalandcokeusingBPneuralnetworka
