[发明专利]一种基于改进粒子群算法的陶瓷辊道窑工艺参数优化方法

说明书

本发明提供一种基于改进粒子群算法的陶瓷辊道窑工艺参数优化方法，包括以下步骤：S1：建立陶瓷坯体的质量模型；S2：根据质量模型，建立陶瓷辊道窑损失优化目标函数；S3：对现有的粒子群算法进行改进并引入跳变率Jr，得到一般化反向无参数粒子群算法；S4：采用一般化反向无参数粒子群算法求解优化目标函数，得到优化后的工艺参数。本发明提供一种基于改进粒子群算法的陶瓷辊道窑工艺参数优化方法，通过引入跳变率，在优化计算时每隔几代才需要对个体进行一次适应度评价，解决了目前粒子群算法在优化计算时的适应度评价计算量巨大的问题。

技术领域

本发明涉及工艺参数优化技术领域，更具体的，涉及一种基于改进粒子群算法的陶瓷辊道窑工艺参数优化方法。

背景技术

在整个陶瓷烧制生产过程中陶瓷辊道窑是最重要的热工设备，陶瓷坯体经过辊道窑烧制以后出窑，其质量取决于辊道窑工艺参数对内部温度的调节，工艺参数设置不当容易造成陶瓷制品的损坏。同时陶瓷辊道窑也是高能耗的设备，烧制阶段的能耗占据整个生产过程能耗50％左右。大部分公司主要还是优先保证质量，对于能耗的降低只能割舍，导致能耗过大。企业迫切的需要平衡产品质量以及能耗的关系，落实节能减排的措施。

粒子群算法在1995年被Eberhart和Kennedy首次提出，在求解非线性、多峰的函数问题上表现出色，并且具有结构简单，参数调节少，工程上易于实现等优点，能够对陶瓷辊道窑工艺参数进行优化，但是在优化计算时的适应度评价计算量巨大，浪费适应度评价与计算支援。

现有技术中，采用粒子群算法的优化方案在优化计算时的适应度评价计算量巨大，如2016年06月29日公开的中国专利，基于粒子群优化算法的特征选择方法，公开号为CN105718943A，将被选择的特征数目引入到适应度函数中，提高了分类精度，但是在优化计算时需要对每代中的个体都需要进行一次适应度评价，计算量巨大。

发明内容

本发明为克服目前粒子群算法在优化计算时的适应度评价计算量巨大的技术缺陷，提供一种基于改进粒子群算法的陶瓷辊道窑工艺参数优化方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于改进粒子群算法的陶瓷辊道窑工艺参数优化方法，包括以下步骤：

S1：建立陶瓷坯体的质量模型；

S2：根据质量模型，建立陶瓷辊道窑损失优化目标函数；

S3：对现有的粒子群算法进行改进并引入跳变率Jr，得到一般化反向无参数粒子群算法；

S4：采用一般化反向无参数粒子群算法求解优化目标函数，得到优化后的工艺参数。

优选的，在步骤S1中，采用神经网络进行拟合得到陶瓷坯体的质量模型。

优选的，神经网络的输入变量包括天然气流量助燃风流量和助燃风温度T_air，神经网络的输出变量包括陶瓷温差ΔT和出窑温度T；则神经网络所建立的质量模型为：

优选的，在步骤S2中，具体包括以下步骤：

S2.1：根据质量模型，建立具有陶瓷坯体质量约束的陶瓷辊道窑优化模型，得到约束优化问题；

S2.2：采用外点法中的非死刑法将约束优化问题转变为无约束优化问题；

S2.3：确定损失优化目标的决策变量包括：天然气流量空气过剩系数γ和助燃风温度T_air；

S2.4：建立陶瓷辊道窑损失优化目标函数为：

其中，