[发明专利]基于遗传算法的智能矿山自动配矿方法及系统

说明书

本发明公开了一种基于遗传算法的智能矿山自动配矿方法及系统，属于矿山技术领域，其特征在于，所述基于遗传算法的智能矿山自动配矿方法包括如下步骤：步骤一、建立带有出矿量约束和出矿比例约束的、以配矿后矿石多种成分的含量与矿石质量标准偏差最小为目标函数的配矿模型；步骤二：利用遗传算法求解配矿模型，生成最优配矿比例；步骤三：对配矿结果进行分析验证，并进行微调。本发明采用基于遗传算法的多参数寻优方法，以配矿后矿石多种成分的含量与矿石质量标准偏差最小为目标函数，在满足出矿量、出矿比例等约束的同时，获得各个采矿点的配矿比例。

技术领域

本发明属于矿山技术领域，特别是涉及一种基于遗传算法的智能矿山自动配矿方法及系统。

背景技术

近年来，随着矿山行业的建设及发展，智能矿山建设已成为矿山行业发展的必然趋势。环境感知技术、信息融合技术、计算机技术、无线通讯技术、自动控制技术、物联网技术等越来越多地被应用于智能矿山建设中，从而实现了采矿信息数字化、生产控制智能化、生产监测安全化、经营管理信息化，降低了矿石开采、分选加工、运输销售等环节的成本，提升了矿山全流程的运行效率，有效地保证了矿山的有效运营。作为采矿流程中的重要一环，配矿的目的在于合理利用不同品位的矿物资源，在正确的时间和地点开采出最佳的矿石质量和数量，达到矿石质量指标要求，控制矿石及其加工产品质量的均匀性和稳定性，降低生产成本，获得最佳的经济效益。但是，配矿涉及复杂的数据计算和巨大的信息处理量，同时还需要先进的优化算法才能顺利进行。

遗传算法是在20世纪70年代初由J.Holland教授首次提出的，它基于基因遗传学和达尔文“物竞天择，适者生存”的进化原理，是一种模拟生物在自然环境下的遗传机制和自然选择的进化过程而形成的一种迭代式自适应全局优化概率搜索算法。遗传算法能够并行地对解空间进行搜索，减小了初始种群的规模，从而提高计算效率；整体优化计算不依赖于梯度信息，仅需要目标函数的信息就可以找到最优解；有很强的鲁棒性，适用于处理高复杂度的非线性问题。遗传算法的基本原理是：首先将需要解决的问题存在的可能解编码成一个个“染色体”作为初始种群，采用适应度函数对种群中的每一个个体进行估值。按照适者生存原理进化，选择适应度值较高的优良个体并通过从遗传操作中抽象出来的复制算子、交叉算子以及变异算子对个体进行遗传操作，产生新一代的候选解群，经过特定进化次数或者达到预设收敛优化目标即停止进化，进而得到具有更强适应性的种群后代。

发明内容

为了解决上述技术问题，即智能矿山建设中供矿品位困难大、矿物资源浪费等技术问题，本发明采用基于遗传算法的多参数寻优方法，以配矿后矿石多种成分的含量与矿石质量标准偏差最小为目标函数，在满足出矿量、出矿比例等约束的同时，获得各个采矿点的配矿比例。

本发明的第一目的是提供一种基于遗传算法的智能矿山自动配矿方法，包括：

步骤一、建立带有出矿量约束和出矿比例约束的、以配矿后矿石多种成分的含量与矿石质量标准偏差最小为目标函数的配矿模型；

步骤二：利用遗传算法求解配矿模型，生成最优配矿比例；

步骤三：对配矿结果进行分析验证，并进行微调。

优选地，所述目标函数表达式为：

其中，m为参与计算的矿石成分的数量，n为出矿点的数量，q_ij表示配矿前第i个出矿点第j种成分的含量，P_i表示第i个出矿点的出矿比例；S_j表示第j种成分的矿石质量标准的含量，λ_j表示预先定义的第j种成分对配矿结果影响的权重，满足

优选地，所述出矿量约束表达式为：

其中，n表示出矿点的数量，X_i表示第i个出矿点的出矿量，C表示总出矿量。

优选地，所述出矿比例约束表示为：