基于微粒群算法的转炉合金加入量多目标优化模型
DOI:
CSTR:
作者:
作者单位:

1. 大连理工大学电信学院
2. 大连理工大学电子与信息工程学院
3. 北京金自天正智能控制股份有限公司
4. 本钢板材股份有限公司炼钢厂

作者简介:

韩敏

通讯作者:

中图分类号:

TP18

基金项目:


Multi-objective optimization model for alloy addition of BOF based on
particle swarm optimization algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对转炉炼钢过程中钢水出钢环节脱氧合金剂加入量确定的问题, 建立了合金加入量优化计算模型. 首先,
    利用支持向量机建立钢包元素含量预测模型, 将该模型的预测结果与元素规定含量的误差作为优化模型的一个目标
    函数, 合金成本作为另一个目标函数; 然后利用预测收得率方法计算合金加入量并作为优化模型的初始值, 使用改进
    的动态邻域多目标微粒群算法对优化模型进行求解, 有效地找出Pareto最优解集, 并根据实际需要得出较好的优化结
    果. 仿真实验表明了该优化模型的有效性.

    Abstract:

    In the process of BOF steelmaking, in order to figure out and optimize the amount of alloy addition during
    deoxidizing and alloying of tapping, alloy addition multiobjective optimization model is developed. Firstly, the prediction
    model of ladle element content is developed with support vector machine(SVM). One objective function of multiobjective
    problem is the error between the regulations and the result of the prediction model of ladle element content, and the other
    objective function is the cost of alloy addition. Then the result of alloy addition calculation is made as initial value
    of the optimization model, and the alloy addition is optimized by using modified dynamic neighborhood multiobjective
    optimization-particle swarm optimization(MO-PSO) so as to determine the Pareto optimal solutions effectively. The
    final amount of alloy addition is decided according to the practical requirement. Finally, experimental results show the
    effectiveness of the proposed model.

    参考文献
    相似文献
    引证文献
引用本文

韩敏, 徐俏, 赵耀,等.基于微粒群算法的转炉合金加入量多目标优化模型[J].控制与决策,2010,25(12):1901-1904

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-09-02
  • 最后修改日期:2010-03-24
  • 录用日期:
  • 在线发布日期: 2010-12-20
  • 出版日期:
文章二维码