一种选矿日综合生产指标多目标鲁棒优化决策方法技术

本发明专利技术提供了一种选矿日综合生产指标多目标鲁棒优化决策方法，包括：获取生产全流程数据进行预处理，构建决策变量与目标变量训练数据集；根据决策变量不同扰动程度，将决策变量划分为强扰动变量和弱扰动变量；建立稀疏搜索代理模型获取最优的弱扰动变量非支配解集，用于鲁棒精细搜索代理模型的初始种群迁移；建立基于高效随机失活的多隐层神经网络模型；采用基于指标的参考点自适应多目标优化算法和基于K均值聚类算法的模型管理策略获取鲁棒Pareto解集并选择进入下一次迭代的新种群，直至获取到最优鲁棒解集。解决了工业生产经营管理过程中机理模型不清、决策变量不确定性扰动等问题而导致难以寻找指标鲁棒性最优解的问题。题。题。

【技术实现步骤摘要】
一种选矿日综合生产指标多目标鲁棒优化决策方法


[0001]本专利技术属于工业人工智能和优化决策
，具体涉及生产指标数据驱动代理模型的选矿日综合生产指标多目标鲁棒优化决策方法。

技术介绍

[0002]选矿过程是原矿石从地下开采之后，经过破碎、磨矿和磁选等工序将有用矿物和脉石分离，使得有用矿物质成分富集的过程，从而获得品位合格的精矿和尾矿。选矿生产过程是一个典型的复杂流程工业过程，其生产全流程由多个工序组成，如图1所示。但是目前制造与生产全流程的决策、控制与运行管理还是人参与的信息物理系统。操作者与知识工作者根据信息系统获得的生产信息和通过感觉、视觉、听觉、触觉获得的多源异构生产信息,利用大脑的学习认知和分析决策能力，依靠经验和知识决策企业综合生产指标、制造与生产全流程的生产指标、运行指标和控制系统指令。在传统的生产经营管理模型中，企业的生产经营与计划调度主要靠企业管理人员凭长期积累的经验和相关工艺知识进行决策，且未能将上层生产计划和决策调度和底层人控制的控制系统有机结合起来，大量的信息和知识得不到有效利用。
[0003]生产决策者往本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种选矿日综合生产指标多目标鲁棒优化决策方法，其特征在于，所述方法包括：获取选矿厂每日全流程生产数据并进行预处理，将预处理后的生产数据划分为决策变量数据集与目标变量数据集；根据生产工艺和实际生产数据波动情况，确定受较大的扰动影响的决策变量以及实际扰动误差程度，进而构建决策变量空间鲁棒划分器，将决策变量数据集划分为强扰动变量数据集和弱扰动变量数据集；建立弱扰动变量与目标变量之间的稀疏搜索代理模型，所述稀疏搜索代理模型以所述弱扰动变量数据集为输入，以所述目标变量数据集为输出；以随机种群作为第一初始化种群，对所述稀疏搜索代理模型进行种群迭代寻优求解，得到稀疏搜索最优种群，即稀疏搜索最优的弱扰动变量决策解集；建立基于高效随机失活的多隐层神经网络多目标鲁棒优化模型，所述多隐层神经网络多目标鲁棒优化模型以所述决策变量数据集作为输入，以所述目标变量数据集为输出；以随机种群和所述稀疏搜索最优种群作为第二初始化种群，对所述多隐层神经网络多目标鲁棒优化模型进行种群迭代寻优求解，得到鲁棒优化种群；基于所述鲁棒优化种群，得到优化决策解集。2.根据权利要求1所述一种选矿日综合生产指标多目标鲁棒优化决策方法，其特征在于，决策变量包括：日原矿量、原矿品位、入磨品位、干渣品位、尾矿品位和精矿品位；目标变量包括：精矿产量、原矿全铁回收率和入磨选比，构成为多目标优化目标；优化目标是在综合生产指标目标区间内最大化精矿产量、最大化原矿全铁回收率、最小化入磨选比。3.根据权利要求2所述一种选矿日综合生产指标多目标鲁棒优化决策方法，其特征在于，强扰动变量包括：原矿品位和入磨品位；弱扰动变量包括：日原矿量、干渣品位、尾矿品位和精矿品位。4.根据权利要求1所述一种选矿日综合生产指标多目标鲁棒优化决策方法，其特征在于，对所述稀疏搜索代理模型进行种群迭代寻优求解，包括：采用NSGA
‑
II算法对所述稀疏搜索代理模型进行种群迭代寻优求解。5.根据权利要求4所述一种选矿日综合生产指标多目标鲁棒优化决策方法，其特征在于，采用NSGA
‑
II算法对所述稀疏搜索代理模型进行种群迭代寻优求解，包括：产生规模为N的随机初始化种群H0；通过所述稀疏搜索代理模型评价群体的适应度值，对种群进行非支配排序，再对初始种群二元锦标赛选择、模拟二元交叉算子和多项式变异算子，得到新的种群Q0，令寻优次数t＝0；形成群体R
t
＝H
t
∪Q
t
，对种群R
t
进行非支配排序，并计算种群个体拥挤度，选择其中非支配排序最靠前的N个个体形成种群H
t+1
；若寻优次数大于最大评估次数，则结束并输出种群H
t+1
，随机选择种群H
t+1
...

【专利技术属性】
技术研发人员：张克胜，刘长鑫，柴天佑，徐泉，
申请(专利权)人：东北大学，
类型：发明
国别省市：