[发明专利]用于捣固炼焦的预测焦炭质量和优化配煤比的方法

权利要求书

1.一种用于捣固炼焦的预测焦炭质量和优化配煤比的方法，其特征在于所述方法的具体步骤是：

步骤一、建立单种煤性质指标数据库和焦炭性质指标数据库

采用SQL Server大型数据库应用技术中的3NF数据库的设计方法，建立单种煤性质指标数据库和焦炭性质指标数据库；

单种煤性质指标数据库中的单种煤性质指标有：镜质组随机反射率分布比例、灰分、挥发分、硫分、活惰比和镜质组平均最大反射率；

焦炭性质指标数据库中的焦炭性质指标有：抗碎强度M₄₀、耐磨强度M₁₀、反应性CRI和反应后强度CSR；

步骤二、建立配合煤性质指标预测模型

配合煤性质指标预测模型有：镜质组随机反射率分布比例数学模型、镜质组平均最大反射率数学模型、灰分数学模型、挥发分数学模型、硫分数学模型和活惰比数学模型；

1)镜质组随机反射率分布比例数学模型为Re_mix,j

式(1)中，RSingle_ij为第i种单种煤的镜质组随机反射率分布比例在j点的数值，

P_i为第i种单种煤的配比，

i为自然数，i＝1,2,3,…,n，

n为单种煤个数，

j为自然数，j＝1,2,3,…,50；

2)镜质组平均最大反射率数学模型为

式(2)中，R_i为第i种单种煤的镜质组平均最大反射率，

P_i为第i种单种煤的配比，

i为自然数，i＝1,2,3,…,n，

n为单种煤个数；

3)灰分数学模型为A_d,mix

式(3)中，A_d，i为第i种单种煤的灰分，

P_i为第i种单种煤的配比，

i为自然数，i＝1,2,3,…,n，

n为单种煤个数；

4)挥发分数学模型为V_daf，mix

式(4)中，V_daf，i为第i种单种煤的挥发分，

P_i为第i种单种煤的配比，

i为自然数，i＝1,2,3,…,n，

n为单种煤个数；

5)硫分数学模型为S_mix

式(5)中，S_i为第i种单种煤的硫分，

P_i为第i种单种煤的配比，

i为自然数，i＝1,2,3,…,n，

n为单种煤个数；

6)活惰比数学模型为A/I

式(6)中，A_i/I_i为第i种单种煤的活惰比，

P_i为第i种单种煤的配比，

i为自然数，i＝1,2,3,…,n，

n为单种煤个数；

步骤三、建立焦炭性质指标预测模型

首先，将配合煤的镜质组随机反射率分布比例在0.025％到2.475％区间内划分为5个区间：

在0.025％到0.725％区间内，将配合煤的镜质组随机反射率分布比例的加和值设置为Re₁，

在0.725％到0.925％区间内，将配合煤的镜质组随机反射率分布比例的加和值设置为Re₂，

在0.925％到1.325％区间内，将配合煤的镜质组随机反射率分布比例的加和值设置为Re₃，

在1.325％到1.725％区间内，将配合煤的镜质组随机反射率分布比例的加和值设置为Re₄，

在1.725％到2.475％区间内，将配合煤的镜质组随机反射率分布比例的加和值设置为Re₅；

然后，利用配合煤性质指标和支持向量机技术建立焦炭性质指标预测模型，焦炭性质指标预测模型有：抗碎强度M₄₀数学模型、耐磨强度M₁₀数学模型、反应性CRI数学模型和反应后强度CSR数学模型；

1)抗碎强度M₄₀数学模型为

2)耐磨强度M₁₀数学模型为

3)反应性CRI数学模型为CRI^*

4)反应后强度CSR数学模型为CSR^*

式(7)、(8)、(9)和(10)中，SvmM₄₀为自定义的支持向量机的抗碎强度M₄₀预测函数，

SvmM₁₀为自定义的支持向量机的耐磨强度M₁₀预测函数，

SvmCRI为自定义的支持向量机的反应性CRI预测函数，

SvmCSR为自定义的支持向量机的反应后强度CSR预测函数，

Re₁为配合煤的镜质组随机反射率分布比例在0.025％到0.725％区间内的加和值，

Re₂为配合煤的镜质组随机反射率分布比例在0.725％到0.925％区间内的加和值，

Re₃为配合煤的镜质组随机反射率分布比例在0.925％到1.325％区间内的加和值，

Re₄为配合煤的镜质组随机反射率分布比例在1.325％到1.725％区间内的加和值，

Re₅为配合煤的镜质组随机反射率分布比例在1.725％到2.475％区间内的加和值，

V_daf，mix为配合煤的挥发分，

为配合煤的镜质组平均最大反射率，

A/I为配合煤的活惰比；

步骤四、建立适应度数学模型为Fitness

式(11)中，cost_i为第i种单种煤的成本，元/吨，

P_i为第i种单种煤的配比，

i为自然数，i＝1,2,3,…,n，

n为单种煤个数，

a为配煤比成本的权重系数，a取0.4，

b为抗碎强度M₄₀的权重系数，b取0.1，

c为反应后强度CSR的权重系数，c取0.2，

d为反应性CRI的权重系数，d取0.4，

e为耐磨强度M₁₀的权重系数，e取0.05，

M₄₀为焦炭的抗碎强度，

M₁₀为焦炭的耐磨强度，

CRI为焦炭的反应性，

CSR为焦炭的反应后强度，

式(12)中，配合煤性质指标约束条件为：

式(13)中，V_daf，mix为配合煤的挥发分，

S_mix为配合煤的硫分，

A_d，mix为配合煤的灰分，

A/I为配合煤的活惰比，

为配合煤的镜质组平均最大反射率；

步骤五、用适应度数学模型寻求最优配煤比，具体步骤如下：

步骤5.1、设需要优化配煤比的单种煤数为n，选取种群数为M；采用实数编码，在[0,50]区间内构建初代种群；

步骤5.2、将初代种群中的个体转化为初代配煤比，初代配煤比数学模型为T_ij：

式(14)中：x_ij为第i个个体的第j个基因位数值，

i为自然数，i＝1,2,3,…,M，

j为自然数，j＝1,2,3,…,n，

n为单种煤个数；

步骤5.3、根据单种煤性质指标、初代配煤比数学模型和配合煤性质指标预测模型得到初代种群的配合煤性质指标；

步骤5.4、对初代种群的配合煤性质指标按照下式进行镜质组随机反射率分布比例约束检测

式(15)中：Re₁为配合煤的镜质组随机反射率分布比例在0.025％到0.725％区间内的加和值，

Re₂为配合煤的镜质组随机反射率分布比例在0.725％到0.925％区间内的加和值，

Re₃为配合煤的镜质组随机反射率分布比例在0.925％到1.325％区间内的加和值，

Re₄为配合煤的镜质组随机反射率分布比例在1.325％到1.725％区间内的加和值，

Re₅为配合煤的镜质组随机反射率分布比例在1.725％到2.475％区间内的加和值；

若满足约束，则进入步骤5.5；若不满足约束，则返回步骤5.1；

步骤5.5、根据初代种群的配合煤性质指标和焦炭性质指标预测模型得到初代种群的焦炭性质指标；

步骤5.6、采用适应度数学模型计算初代种群适应度，对初代种群适应度从大到小进行排序，选取排名前10位的初代种群个体作为动态疫苗库；

步骤5.7、采用单点交叉的方法对初代种群个体进行交叉操作，交叉概率Pc＝0.6；采用变异概率的方式对初代种群个体进行变异操作，变异概率Pm＝0.2，形成遗传种群；

步骤5.8、由初代配煤比数学模型得到遗传配煤比，由配合煤性质指标预测模型得到遗传种群的配合煤性质指标；对遗传种群的配合煤性质指标进行镜质组随机反射率分布比例约束检测，若满足约束则进入步骤5.9，若不满足约束则返回步骤5.7；

步骤5.9、从动态疫苗库中随机选取一个疫苗，从遗传种群中随机选择一个遗传种群个体，随机选取疫苗片段，将选取的疫苗片段与选取的遗传种群个体进行等基因位接种，形成免疫种群；

步骤5.10、由初代配煤比数学模型得到免疫配煤比，由配合煤性质指标预测模型得到免疫种群的配合煤性质指标，对免疫种群的配合煤性质指标进行镜质组随机反射率分布比例约束检测；若满足约束则进入步骤5.11，若不满足约束则返回步骤5.9；

步骤5.11、根据免疫种群的配合煤性质指标和焦炭性质指标预测模型得到免疫种群的焦炭性质指标，采用适应度数学模型计算免疫种群适应度，对免疫种群适应度从大到小进行排序，将免疫种群适应度最大的个体替换动态疫苗库中适应度最小的个体；

步骤5.12、计算免疫种群个体的浓度pd，计算免疫种群个体的适应度概率pf；依据如下公式计算选择概率p：

p＝0.6×pf+0.4×pd (16)

式(16)中：pf为免疫种群个体的适应度概率，

pd为免疫种群个体的浓度；

依据选择概率p和轮盘赌选择算子选择出进化种群；清除初代种群中所有的个体，用进化种群中所有的个体填充到初代种群中；

步骤5.13、判断填充后的初代种群迭代次数是否大于最大迭代次数，若大于则算法终止，输出最优配煤比，若小于或等于则返回步骤5.7；

步骤六、根据最优配煤比进行配煤，捣固后装炉炼焦，捣固密度为1.10～1.15g/cm³。