论文部分内容阅读
焦炭和烧结矿生产工序及高炉炼铁工序是钢铁生产中的重要环节,这三个工序流程与物流繁多,工艺操作复杂,实际生产中焦炭质量经常产生波动,烧结至高炉区的调度也常常出现不协调的情况。因此对焦炭质量建立预测模型,可以稳定焦炭性能,提高焦炭产量;对烧结至高炉段工序建立调度优化模型,对维持生产稳定,提高生产效率都具有重要作用。迄今为止,国内外已有许多针对焦炭质量预测模型、烧结至高炉工序过程优化的研究,并建立了各具特色的数学模型,但是这些研究中仍存在着一些不足,如焦炭性能模型预测精度差;对于烧结至高炉工艺过程的调度优化模型研究也鲜有报道。本论文针对炼铁生产中的焦炭的质量波动的问题和烧结至高炉工序过程的物流调度问题进行研究,采用三种不同方法建立了焦炭性能预测模型,并使用Petri网结合遗传算法的方法建立了烧结至高炉段物流调度仿真模型和优化模型。论文的主要研究内容包括以下几部分:①首先提出了课题的学术背景及实用意义,阐明了焦炭性能预测模型和物流调度模型的重要意义,并对相关领域的国内外研究现状以及发展趋势做了综述,并指出了本文的主要研究内容和创新点。②详细地介绍了炼铁工序主要工艺流程的特点。③针对焦炭质量预测问题,先建立单种煤性能和混合煤性能的关系式,然后再分别采用支持向量机(SVM)、BP神经网络和自适应神经模糊系统等三种方法建立起焦炭质量预测模型,并比较三者预测值与实际测量值之间的误码差。④使用弧赋时Petri网(TAPN)对烧结至高炉工序进行建模,提出了包括关键操作的连续性函数、满足生产计划的供应函数和关键仓贮的稳定性函数在内的复合目标函数。通过遗传算法以最小化目标函数为目标寻找最优的调度参数。⑤对重钢炼铁厂的实际情况进行了研究,通过模型仿真优化后的调度参数:可以满足关键操作连续;可以保证最大限度完成生产计划;可以保持关键仓储最佳的稳定性。