[发明专利]一种基于进化算法的炉渣粘度预测方法

权利要求书

1.一种基于进化算法的炉渣粘度预测方法，其特征在于，该方法包括以下步骤：

步骤S10，收集炉渣的粘度样本数据，组成粘度样本库，定义粘度样本库中数据的拟合公式，定义拟合模型的惩罚函数和目标函数，并设置差分进化算法的关键参数；

步骤S20，在辨识参数的搜索范围内随机产生M个个体组成初始种群，从初始种群开始，依次进行变异、交叉、选择操作，不断迭代直到达到最大迭代数，重复若干次取最优的结果；

步骤S30，从粘度样本库中挑选若干个距离当前输入点最近的样本点，从中选出4个样本点，使用行列式计算每个样本点的权重因子；

步骤S40，对选中点的权重因子进行评估，若合格则用来计算炉渣粘度值，不合格则更换选中点或手工测定。

2.根据权利要求1所述的基于进化算法的炉渣粘度预测方法，其特征在于，所述步骤S10中的定义粘度样本库中数据的拟合公式的方法为：

收集使用粘度计测量的粘度样本数据组成样本库，每个样本点中包含有炉渣4种成分的摩尔分数值，还有化验得到的粘度值，定义粘度样本库中数据的拟合公式为：

lnN＝σ_Ca×C_Ca+σ_Mg×C_Mg+σ_Si×C_Si+σ_Al×C_Al+β₀

式中，N为化验的粘度值，σ_Ca和C_Ca分别为CaO成分的距离系数和摩尔分数，σ_Mg和C_Mg分别为MgO成分的距离系数和摩尔分数，σ_Si和C_Si分别为SiO₂成分的距离系数和摩尔分数，σ_Al和C_Al分别为Al₂O₃成分的距离系数和摩尔分数，β₀为线性拟合公式中的截距值；其中，σ_Ca、σ_Mg、σ_Si、σ_Al、β₀为待辨识的参数。

3.根据权利要求2所述的基于进化算法的炉渣粘度预测方法，其特征在于，步骤S10中的定义拟合模型的惩罚函数和目标函数的方法为：

定义惩罚函数：

采用MSE均方误差与惩罚函数合成的目标函数，即：

式中，S_N为样本库中样本的个数，Exp表示以e为底的指数函数，表示σ_Ca、σ_Mg、σ_Si、σ_Al、β₀的估计值，N(i)表示第i个样本的粘度值，F为惩罚因子，用于调整惩罚函数在目标函数中的权重占比。

4.根据权利要求3所述的基于进化算法的炉渣粘度预测方法，其特征在于，所述步骤S10中的设置差分进化算法的关键参数的方法为：

采用差分进化算法进行参数的辨识，首先在搜索范围内随机产生初始种群，设置种群规模为M＝30，即随机生成30个个体，每个个体向量包含5个元素，即上述5个待辨识参数σ_Ca、σ_Mg、σ_Si、σ_Al、β₀的估计值，设置选择最大迭代数为1000次，设置重复次数为10次。