[发明专利]基于能源感知的烧结配料方案级联优化获取方法及装置

权利要求书

1.一种基于能源感知的烧结配料方案级联优化获取方法，其特征在于，包括以下步骤：

1)获取初始期望烧结指标，所述期望烧结指标包括固体能耗指标和物理化学指标；

2)基于当前期望烧结指标构建配料优化模型，求解获得最优烧结原料配比方案；

3)基于所述最优烧结原料配比方案及预先训练好的BP神经网络预测模型获得预测烧结指标；

4)比较所述预测烧结指标和当前期望烧结指标，若满足设定要求，则执行步骤6)，若否，则执行步骤5)；

5)判断是否到达最大迭代次数，若是，则执行步骤6)，若否，则调整设定要求和/或当前期望烧结指标后，返回步骤2)；

6)获得最终烧结原料配比方案。

2.根据权利要求1所述的基于能源感知的烧结配料方案级联优化获取方法，其特征在于，所述配料优化模型以最小化烧结成本为目标，约束条件包括化学成分约束、烧结矿碱度约束、原料比例约束和原料配比约束。

3.根据权利要求1所述的基于能源感知的烧结配料方案级联优化获取方法，其特征在于，采用ISAA算法求解所述配料优化模型，获得最优烧结原料配比方案。

4.根据权利要求1所述的基于能源感知的烧结配料方案级联优化获取方法，其特征在于，所述BP神经网络预测模型通过以下过程获取：

获取能耗及烧结质量影响因素，选择输入层、隐含层和输出层，建立BP神经网络预测模型，所述BP神经网络预测模型为基于带附加动量项和自适应学习率的BP神经网络预测模型；

利用历史数据对所述BP神经网络预测模型进行训练。

5.根据权利要求4所述的基于能源感知的烧结配料方案级联优化获取方法，其特征在于，所述BP神经网络预测模型的学习速率通过以下公式自适应更新：

其中，η(t)表示模型的学习速率，E(t)表示后向传播模型的误差函数，t为迭代次数。

6.根据权利要求4所述的基于能源感知的烧结配料方案级联优化获取方法，其特征在于，所述BP神经网络预测模型中，权重及系数的更新公式表示为：

其中，p_j表示第j个神经元的输入，δ_i表示第i个神经元误差信号，m_c表示惯性动量因子，ω_ij(t)、b_i(t)分别表示权重和系数的变化量。

7.根据权利要求1所述的基于能源感知的烧结配料方案级联优化获取方法，其特征在于，所述设定要求为：固体能耗指标的预测值与期望值的差距以及固体能耗指标的预测值与期望值的差距均满足区间范围。

8.一种基于能源感知的烧结配料方案级联优化获取装置，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器调用所述计算机程序执行如权利要求1-7任一所述方法的步骤。