高炉炉料结构优化模型设计与应用

以高炉炼铁专家知识为依托,以VB和MATLAB软件为平台,以Microsoft Access数据库为工具,构建了高炉炉料结构优化模型。此模型不仅能计算得到适合炼铁工艺的最优吨铁配比,而且可以根据最优配比计算出生铁产量、燃料用量、熔剂用量、渣量及炉渣成分等生产所需数据。     

基于燃料比最优的高炉喷煤设定值多目标优化

为了降低高炉炼铁的能耗,节约成本,将高炉炼铁过程信息、专家经验与智能模型相结合,提出基于燃料比最优的高炉喷煤设定值多目标优化方案。以燃料比最优为优化目标,炉温预测指标为约束条件,喷煤量为决策变量,采用基于K-均值聚类的径向基神经网络建立多目标优化模型,并通过基于NSGA-Ⅱ算法的多目标优化方法,获取尽可能使多个目标同时达到最优的Pareto最优解。结果表明,该优化方案可以在保证炉温良好的前提下,决策出使燃料比达到最优的喷煤设定值,大大降低能耗,节约成本。不仅为高炉实际生产提供操作指导,也为高炉冶炼的优化运行奠定了基础。     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

基于ANSYS的槽式太阳能桁架支撑结构数值分析

利用ANSYS有限元软件建立模型,根据桁架式聚光器的实际工况进行结构静力学仿真分析,并对该模型进行模态分析研究,得出影响聚光器结构和工作性能的共振频率值.同时应用ANSYS优化模块对桁架杆的尺寸进行优化,在满足设计要求的范围内,使桁架式支撑结构的重量达到最优值,既能实现产品正常性能,又能降低企业生产成本.     

基于Matlab的无心磨床主轴优化设计

随着制造业的发展,磨床的性能成本需要进一步降低,通过最优化设计数值计算和应用计算机技术的最优化设计方法,求解无心磨床主轴的最优设计方案.在充分分析无心磨削原理的基础上,满足磨床磨削条件,建立主轴优化模型.由于含有非线性约束,因此应用Matlab软件,并选用拟牛顿SQP算法,得出最优解.优化结果使磨床主轴参数得到优化,磨床主轴自重降低,性能提升,从而降低了生产成本,达到最佳的生产经济性指标.     

基于遗传神经网络的高强高掺粉煤灰材料设计

应用均匀设计方法研究了高强高掺粉煤灰试块的配比关系.基于遗传算法与改进的BP神经网络建立了适用于抗压强度试块原料配比之间的数学模型.通过加入罚函数项并二次采用遗传算法对数学模型寻优求解得到最优配比,此配比下模型预测7 d和28 d强度分别达到35.61MPa和34.25 MPa,与实验结果35.89 MPa和34.10 MPa非常相近.     

重力区位模型的改进研究

本文对原有的供应链选址模型--重力区位模型进行了改进,应用一个运输成本系数方程取代原有不变的运输成本,使模型在理论上更加合理.并通过一个实例,验证了改进重力区位模型下得到的优化分销网络比原重力区位模型得到的分销网络下的最优输送方案节省了29.75%的生产成本和运输成本.     

碳化硅颗粒级配优化的理论与实验研究

运用堆积颗粒的颗粒级配优化模型,计算了碳化硅制品工业生产中使用原料常用的3种粒径的最优配比,同时通过3种粒径碳化硅颗粒的粉体堆积密度和压实密度的实验,获得了最优堆积密度和压实密度,对比验证了理论模型的计算结果。实验结果表明不同颗粒级配的堆积密度和压实密度的最优配比,与最优理论模型基本相符合。实验研究发现当粗中细3种颗粒粒度的最优化配比百分数为:63∶9.7∶26.8时,粉体自由堆积密度与压实密度达到最大。     

基于机器学习和遗传算法的高炉参数预测与优化

针对目前高炉炼铁模型精度不高问题，提出建立高炉生产过程中精确的多目标优化模型.首先对高炉的海量数据进行了数据预处理，其次采用支持向量机、随机森林、梯度提升树、XGBoost、LightGBM、人工神经网络6种机器学习算法对高炉焦比、K值进行了预测，并采用特征工程和超参调优对机器学习预测进行了优化，最后采用新的集成学习方法进行预测.预测结果不仅精准度高而且具有很好的鲁棒性.在机器学习的基础之上，采用NSGA-Ⅱ遗传算法对高炉参数进行了多目标优化分析，得到了Pareto最优解，高炉操作者可以根据该多目标优化结果针对不同的需求选择相应的控制参数.     

多次走刀切削参数优化模型

针对多次走刀切削参数优化问题,基于模型预测控制策略,建立了以生产率及单位切除体积生产成本作为目标函数,相关技术指标作为约束条件的多次走刀切削参数优化模型.采用宽容分层序列法对所建立的多目标、非线性模型进行处理,运用模型预测控制策略及内点法进行优化求解.仿真结果中,将提出的策略与传统优化方法所获得的优化结果进行相比,证明了该方法求解复杂度低,并能够获得生产率更高、生产成本更低的最优切削参数组合.