一种铁矿混匀过程的预配料方法技术

本发明专利技术涉及数据处理、聚类算法、组合优化等技术领域，尤其涉及一种铁矿混匀过程的预配料方法。本发明专利技术提出了一种基于聚类算法和组合优化的铁矿混匀过程预配料方法，其步骤包括：原料成分数据预处理操作；依据原料成分中硅元素含量差异完成一次聚类操作，即利用Canopy‑Kmeans聚类方法将其分成N大类；在此基础上，依据铁元素含量差异利用K‑means算法进行二次聚类；考虑化学元素指标等约束条件，利用合并和分解的方法对分类结果进行处理；随后，运用组合优化思想确定最优下料次序，得到最终的配料方案。本发明专利技术提供的铁矿混匀过程的预配料方法，节省计算耗时，保证每班混匀料化学成分误差尽可能小，且班与班之间混匀料化学成分的方差波动范围小，精度较高。

【技术实现步骤摘要】

本专利技术涉及数据处理、聚类算法、组合优化等
，尤其涉及一种铁矿混匀过程的预配料方法。
技术介绍
目前，我国钢铁生产行业在钢铁生产数量和质量的需求量上都在不断提升，到2014止，我国的钢铁产量份额已占据了全球的45％。但由于起步较晚，我国在钢铁生产方面的技术仍然与发达国家之间存在较大差距。而原料场混匀过程，作为钢铁生产的第一道工序，其根据每月的堆料任务要求，通过有限的混匀设施，将多种来源不同且成分差异较大的含铁矿物按不同配比进行均匀混合，使得整个月到厂各种铁矿原料得以用完且保证整月任何班混匀料的化学成分均匀稳定，即每班混匀料在企业和国家指标要求的波动范围内，且班与班之间混匀料的化学成分方差波动尽可能小，满足后续烧结和炼铁使用的生产工艺要求，进而得到最终的配料方案。原料场混匀过程的关键在于确定混匀过程中共槽配料的物料组合以及它们的下料次序。而每月待混匀的含铁矿物的种类繁多，矿物成分差异较大，且配料槽数量有限，要保证整月内每班混匀料的化学成分均匀稳定非常困难，至今仍缺少满足实时性要求的混匀配料计算方法。混匀过程配比计算能否及时准确直接关系到混匀料中硅、铁等化学成分是否满足后续生产要求，进而影响到整个钢铁企业的生产效率和产品质量，因此亟需一种针对铁矿混匀过程的实时性计算方法，目前该领域的计算方法主要分为基于人工经验计算的混匀配料方法和基于模糊理论建模计算的混匀配料方法。
技术实现思路
(一)要解决的技术问题<br>本专利技术要解决的技术问题是解决由于铁矿原料含铁矿物的种类繁多、矿物成分差异较大、成分波动大且配料槽数量有限，不能保证整月内每班混匀料的化学成分均匀的问题。(二)技术方案为了解决上述技术问题，本专利技术提供了一种铁矿混匀过程的预配料方法，其包括下述步骤：步骤一：根据当月到厂的各种铁矿原料成分数据，进行预处理操作，排除硅、铁元素成分差异较大或其物理化学特性无法共槽的特殊原料，得到待聚类原料集；步骤二：对步骤一得到的待聚类原料集采用Canopy-Kmeans聚类算法进行一次聚类操作。依据首要元素含量进行大类的划分，使其自动分为合理的N个大类，达到首要元素的平衡；步骤三：对通过步骤二得到的一次聚类原料集合采用K-Means算法进行二次聚类操作。即依据每个大类中所含原料成分中次要元素含量进行再次聚类实现小类划分，在满足首要元素基本平衡的前提下，达到各小类中次要元素的成分基本近似；步骤四：对步骤三中得到的每个小类运用合并和分解的思想进行处理。考虑实际生产中配料槽数、混匀料各元素指标、排班数和总干料量等约束条件，对所得聚类结果和特殊原料进行合并与分解等自动操作，确定最终聚类方案，保证各类中原料种类、数量满足实际生产要求，即确保最终聚类个数等于可用配料槽数，每类原料种类不超过可共槽的原料总数上限，同时满足其他生产约束要求。由此，每类原料在一个配料槽中参与配料，对共槽的多种原料随机确定槽内下料先后次序，进而生成初始的配料方案；步骤五：运用组合优化方法对步骤四中得到的初始配料方案进行共槽原料下料次序的优化，确定最终配料方案。考虑原料种类繁多、成分波动较大和约束条件多等因素的影响，对于共槽中的各原料运用组合优化中的穷举法确定每个类共槽配料的先后排列次序，使得整个月任何班次的混匀料成分在计划成分指标的最小波动范围内波动，得到最终的配料方案。步骤一中原料成分数据预处理的过程为：对于硅、铁元素成分含量差异较大或计划配比较大的原料，因无法与其他物料共槽，需要进行排除，阻止其加入到聚类样本中；对于原料本身物理化学特性如粘稠性、含水量等导致无法共槽的，根据实际生产经验和原料化验结果将该种物料予以区分并排除，阻止其加入到聚类样本中。步骤二中对待聚类原料集合采用Canopy-Kmeans聚类算法进行一次聚类的过程为：依据原料成分中首要元素含量差异，采用Canopy-Kmeans聚类技术将待聚类原料集自动地划分为合理的N个大类，达到首要元素含量的平衡，避免了人为指定聚类数量而降低方法的鲁棒性；例如不同炼铁厂所使用的原料性质和下料要求是不同的，需根据其原料成分数据的特征对聚类的数量和初始点进行智能选取，采用Canopy-Kmeans聚类技术克服了传统K-Means方法在聚类数量和初始点选取时陷入局部最优的缺点。具体步骤如下：将预处理后的各入厂铁矿物料首要元素含量存入数据集中，选择两个阈值T1和T2，其中T1>T2。再任意抽取一点P，计算P点与Canopy的距离，如果P点在某个Canopy的距离T1以内，则将P点加入这个Canopy；如果该P点曾在某个Canopy的距离T2以内，则把P从数据集中删除，重复上述两步直到数据集为空，最终统计Canopy类的个数N，即通过Canopy聚类方法将原有数据分为N个大类。步骤三中对一次聚类原料集采用K-Means算法进行二次聚类操作的过程为：由一次聚类得出的N大类物料内，在每个大类中对次要元素进行类内的K-Means聚类，将大类内的物料分为两个小类，使首要元素近似的物料中次要元素成分差距变小，将所分好的两个小类数据暂时分配到共槽存储空间内，以达到各类中次要元素基本近似的目的；步骤四，对步骤三中得到的每个小类运用合并和分解的思想进行处理。考虑实际生产中配料槽数、混匀料各元素指标、排班数和总干料量等约束条件，对所得聚类结果和特殊原料进行合并与分解等自动操作，确定最终聚类方案，保证各类中原料种类、数量满足实际生产要求，即确保最终聚类个数等于可用配料槽数，每类原料种类不超过可共槽的原料总数上限，同时满足其他生产约束要求。由此，每类原料在一个配料槽中参与配料，对共槽的多种原料随机确定槽内下料先后次序，进而生成初始的配料方案。记共槽的数量上限为k个：1.当小类中物料个数为1时，说明其首要元素和次要元素与其他物料差异大，无法聚类，则将其放入单槽中，但如果该物料的下料量低于Mmin，则不能单独进行配料，必须找到与其合适的物料进行共槽处理，或者当该物料购买量较小时，利用其本身配比小的特性添加到某单槽中配比较大的物料的最后一班，使其对总体化学元素指标的影响力最小化；2.当大类的物料个数介于k+1～2k时，根据次要元素聚类后分成两个小类有很多种组合可能性，例如：若k为3时，可能的组合有2\\3,2\\2,1\\3,3\\3，对于这些可能组合，由于每类物料数目不多，可以考虑直接共槽；其他的情况，例如1\\4，4超过了共槽的个数上限k＝3，则需要针对那4个物料再进行一次聚类分到2个共槽中本文档来自技高网...

【技术保护点】
一种铁矿混匀过程预配料方法，其特征在于，包含以下步骤：步骤一：对铁矿原料进行预处理操作，排除元素成分差异较大或其物理化学特性无法共槽的特殊原料，得到待聚类的原料集；步骤二：将所述待聚类原料集合采用Canopy‑Kmeans聚类算法进行一次聚类操作，得到一次聚类原料集合，所述一次聚类原料集合为最重要的化学元素指标平衡的多个大类；步骤三：将所述一次聚类原料集合采用K‑Means算法进行二次聚类操作，得到二次聚类原料集合，所述二次聚类原料集合为铁矿原料成分中次要元素含量接近多个小类；步骤四：将所述二次聚类原料集合和所述特殊原料针对配料槽数、混匀料各元素指标、排班数和总干料量等条件进行合并或分解操作，得到初始配料方案；步骤五：运用组合优化方法对步骤四中得到的初始配料方案进行共槽原料下料次序的优化，确定最终配料方案。

【技术特征摘要】
1.一种铁矿混匀过程预配料方法，其特征在于，包含以下步骤：
步骤一：对铁矿原料进行预处理操作，排除元素成分差异较大或其物理化学特性无法
共槽的特殊原料，得到待聚类的原料集；
步骤二：将所述待聚类原料集合采用Canopy-Kmeans聚类算法进行一次聚类操作，得到
一次聚类原料集合，所述一次聚类原料集合为最重要的化学元素指标平衡的多个大类；
步骤三：将所述一次聚类原料集合采用K-Means算法进行二次聚类操作，得到二次聚类
原料集合，所述二次聚类原料集合为铁矿原料成分中次要元素含量接近多个小类；
步骤四：将所述二次聚类原料集合和所述特殊原料针对配料槽数、混匀料各元素指标、
排班数和总干料量等条件进行合并或分解操作，得到初始配料方案；
步骤五：运用组合优化方法对步骤四中得到的初始配料方案进行共槽原料下料次序的
优化，确定最终配料方案。
2.根据权利要求1所述的铁矿混匀过程预配料方法，其特征在于：所述步骤一中的成分
差异较大的元素包括硅、铁、钙元素。
3.根据权利要求1所述的铁矿混匀过程预配料方法，其特征在于：所述Canopy-Kmeans
聚类算法根据首要元素硅含量进行大类的划分。
4.根据权利要求3所述的铁矿混匀过程预配料方法，其特征在于：所述Canopy-Kmeans
聚类算法为选择两个阈值T1和T2，其中T1>T2。实线圈为T1，虚线圈为T2；再任意抽取一点P，计
算P点与Canopy的距离，如果P点在某个Canopy的距离T1以内，则将P点加入这个Canopy；如
果该P点曾在某个Canopy的距离T2以内，则把P从数据集中删除，重复上述两步直到数据集
为空，最终统计Canopy类的个数N。
5.根据权利要求1所述的铁矿混匀过程预配料方法，其特征在于：每个大类中对次要元
素铁含量进行K-Means聚类，将大类内的物料分为两个小类。
6.根据权利要求1所述的铁矿混匀过程预配料方法，其特征在于：所述合并或分解的具
体方法如下，记共槽的数量上限为k个；
(1)当小类中物料个数为1时，说明其首要元素和次要元素与其他物料差异大，无法聚
类，则将其放入单槽中，但如果该物料的下料量低于Mmin，则不能单独进行配料，必须找到与
其合适的物料进行共槽处理，或者当该物料购买量较小时，利用其本身配比小的特性添加
到某单槽中配比较大的物料的最后一班，使其对总体化学元素指标...

【专利技术属性】
技术研发人员：王雅琳，曹跃，陈晓方，何海明，杨卜菘，孙克楠，孙备，桂卫华，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43