一种基于改进遗传算法的选煤厂智能排产方法技术

本发明专利技术涉及一种基于改进遗传算法的选煤厂智能排产方法，包括如下步骤：获取选煤厂的历史数据、实时数据及参数，并整理成一个可供调用的数据模块；建立混合0

【技术实现步骤摘要】
一种基于改进遗传算法的选煤厂智能排产方法


[0001]本专利技术涉及信息
，尤其涉及一种基于改进遗传算法的选煤厂智能排产方法。

技术介绍

[0002]在我国的煤炭行业中，选煤工作是十分重要的环节。在这一环节中，主要是对原煤进行深加工处理，以获取品质更高的煤炭产品，在生产产品煤过程中，如何综合考虑科学制定生产计划以达到生产效率最大化和利益最大化成为选煤工作需要解决的关键问题之一。选煤厂的选煤工作系统主要分为原煤系统和洗选系统两大工作系统。在原煤系统中经过破碎站破碎后的煤炭经由不同传送带运送至规定的毛煤仓中；在洗选系统中特定皮带从指定的毛煤仓中获取毛煤后经过分级筛、脱水筛、浅槽分选机、矸石脱介筛、离心机、刮板机等设备后分类进入不同规格的产品仓中。
[0003]智能排产就是根据生产现场的生产资源配合系统编制和下发的生产计划以及生产过程中实时采集到的库存等情况，综合得出一个满足实际情况的生产效率最大化的生产方案，以解决人工经验排产计划考虑不足的问题，为选煤排产提供科学的指导。常用来解决排产问题的智能算法有蚁群算法、模拟退火算法、神经网络算法、粒子群算法和遗传算法等。解决复杂的车间排产优化问题需要用到智能算法，而遗传算法(Genetic Algorithm，简称“GA”)不依赖于问题的具体领域，对所求解的问题具有很强的鲁棒性，它提供了一种求解复杂问题的通用框架。
[0004]而上述方法存在以下不足：首先，由于车间排产问题收敛性难以保证，从而造成算法的求解效率低、过早收敛等问题，最终难以达到理想的优化目标。其次，复杂车间排产问题生成的染色体编码长度过长，使用遗传算法随机生成的染色体绝大部分不符合约束，若使用穷举法生成染色体，耗费时间会呈现指数倍增长，将无法进行后续的迭代步骤。再次，由于遗传算法中的复制、交叉操作对于探索种群之外的解空间能力有限，而在变异概率比较小的情况下个体发生朝向种群多样性方向变异的可能性也很低，难以保证种群的多样性。

技术实现思路

[0005]本专利技术所要解决的技术问题是克服现有技术中存在的不足，提供一种基于改进遗传算法的选煤厂智能排产方法，用以解决选煤厂智能排产优化的问题。
[0006]本专利技术是通过以下技术方案予以实现：
[0007]一种基于改进遗传算法的选煤厂智能排产方法，包括如下步骤：
[0008]S1.获取选煤厂的历史数据、实时数据及参数，并整理成一个可供调用的数据模块，所述历史数据、实时数据分别包括生产数据和设备数据；
[0009]S2.确定输入数据和参数，考虑选煤厂生产指标最大化，以小时为单位，建立混合0
‑
1整数规划模型；
[0010]S3.根据生产过程中的约束条件对原煤系统和洗选系统运行过程进行优化求解；
[0011]S4.根据生产逻辑关系生成具有一定特征的染色体编码，将问题空间转化成遗传空间；
[0012]S5.生成在解空间范围内的父代种群，通过选择、交叉、变异操作，经过迭代后寻找到所述解空间内的最优个体；
[0013]S6.对所述最优个体的染色体编码进行解码，完成选煤厂选煤排产计划的优化。
[0014]根据上述技术方案，优选地，在步骤S1中，所述生产数据和设备数据包括：原煤系统中破碎站编号与皮带编号及毛煤仓的关系和数量；洗选系统中毛煤仓与皮带、皮带与产品仓、产品仓与煤种之间的关系和数量。
[0015]根据上述技术方案，优选地，步骤S3包括：在确定好原煤系统目标函数后，根据生产过程中的约束条件建立破碎站的约束方程；在确定好洗选系统目标函数后，根据生产过程中的约束条件建立洗选系统中的约束方程。
[0016]根据上述技术方案，优选地，步骤S4包括：以现场工艺要求和约束条件为生产逻辑初始化父代种群，父代的染色体均采用高维的0
‑
1型染色体编码，所述染色体上的每个基因位代表一条煤流路径一个时间段内的开闭状态，在决策变量中引入0
‑
1变量。
[0017]根据上述技术方案，优选地，步骤S4还包括：构建以约束方程为解空间边界条件的淘汰算子，约束个体生成的范围空间。
[0018]根据上述技术方案，优选地，步骤S5包括：生成在解空间范围内的父代种群，根据适应度函数，选择出一定数量的优秀个体；选择出的所述优秀个体的种群进行交叉、变异操作；生成的个体经过淘汰算子的检验，经过多轮迭代后，获取所述解空间内的最优个体。
[0019]根据上述技术方案，优选地，步骤S6包括：对所述最优个体的染色体编码进行解码，画出排产甘特图，将遗传空间转化回问题空间；获取优化后的原煤系统和洗选系统的排产甘特图表。
[0020]本专利技术的有益效果是：
[0021]本专利技术根据工业现场的真实输入数据和工业参数进行建模求解，此方法在缩短求解时间的前提下仍然能获得求解空间内相对更加良好的结果。由于工业生产数据量庞大，生成的染色体编码维度很高，为了降低数据维度过高带来的影响，在生成染色体编码的时候将现场生产过程中的工艺问题和约束加入到生成染色体的逻辑中，一定程度上降低生成染色体编码时的随机性和可能性。在变异环节增加了变异的方向性，使得每轮迭代都能以比较大的概率扩展种群优良个体，变异扰动操作增加了解空间的探索能力，使得算法突破局部最优解的能力进一步增强。
附图说明
[0022]图1为选煤厂生产系统示意图。
[0023]图2为本专利技术改进遗传算法的流程图。
[0024]图3为本专利技术基于改进遗传算法的选煤厂智能排产方法的流程图。
[0025]图4为本专利技术原煤系统排产优化效果对比图。
[0026]图5(a)为洗选一系统排产优化效果对比图，图5(b)为洗选二系统排产优化效果对比图，图5(c)为洗选三系统排产优化效果对比图。
具体实施方式
[0027]为了使本
的技术人员更好地理解本专利技术的技术方案，下面结合附图和最佳实施例对本专利技术作进一步的详细说明。基于专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于专利技术保护的范围。
[0028]由附图1所示的原煤系统和洗选系统的示意图中可以看出，选煤厂原煤系统含有5个破碎站和12个不同规格的毛煤仓；洗选系统又划分为三个独立的洗选子系统，分别拥有9个、3个和4个产品仓。原煤系统由5个破碎站，每个破碎站有多条煤流路径将破碎后的原煤输送进毛煤仓，其中某些皮带如CM21承担着不同煤流路径的运输任务，要求这类皮带上的煤流路径不可以同时开启；根据现场生产工艺要求，每个破碎站只可以同时启动一条进毛煤仓的煤流路径。洗选系统中多条皮带从不同毛煤仓中取出毛煤，经过分级筛、脱水筛、浅槽分选机、矸石脱介筛、离心机、刮板机等设备后分类进入不同规格的产品仓中，其中存在一些皮带承担不同煤流路径的运输情况，部分此类皮带上的煤流路径不可以在同一时刻开启，针对一些运输量较大的皮带，需要考虑皮带的运输能力上限。不同规格的毛煤仓和产品仓的存储量上限也各不相同，存储的煤种也各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进遗传算法的选煤厂智能排产方法，其特征在于，包括如下步骤：S1.获取选煤厂的历史数据、实时数据及参数，并整理成一个可供调用的数据模块，所述历史数据、实时数据分别包括生产数据和设备数据；S2.确定输入数据和参数，考虑选煤厂生产指标最大化，以小时为单位，建立混合0
‑
1整数规划模型；S3.根据生产过程中的约束条件对原煤系统和洗选系统运行过程进行优化求解；S4.根据生产逻辑关系生成具有一定特征的染色体编码，将问题空间转化成遗传空间；S5.生成在解空间范围内的父代种群，通过选择、交叉、变异操作，经过迭代后寻找到所述解空间内的最优个体；S6.对所述最优个体的染色体编码进行解码，完成选煤厂选煤排产计划的优化。2.根据权利要求1所述一种基于改进遗传算法的选煤厂智能排产方法，其特征在于，在步骤S1中，所述生产数据和设备数据包括：原煤系统中破碎站编号与皮带编号及毛煤仓的关系和数量；洗选系统中毛煤仓与皮带、皮带与产品仓、产品仓与煤种之间的关系和数量。3.根据权利要求1所述一种基于改进遗传算法的选煤厂智能排产方法，其特征在于，步骤S3包括：在确定好原煤系统目标函数后，根据生产过程中的约束条件建立破碎站的约束方程；在确定好洗选系统目标函数后...

【专利技术属性】
技术研发人员：周帆，周辉，张雪瑞，王志远，
申请(专利权)人：大连英达士智能科技有限公司，
类型：发明
国别省市：