[發明專利]一種設備能力變化條件下的選礦綜合生產指標優化方法

在審

• 申請號: 201310704334.2
• 申請日: 2013-12-19
• 公開（公告）號: CN103617470A
• 公開（公告）日: 2014-03-05
• 發明（設計）人: 丁進良;王厚昌;聶瑞;柴天佑;劉長鑫;鄭秀萍
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02
• 代理公司: 沈陽東大專利代理有限公司 21109
• 代理人: 梁焱

1.一種設備能力變化條件下的選礦綜合生產指標優化方法，所述選礦綜合生產指標包括各月度精礦品位、全選比、金屬回收率、單位成本和產量，設備能力是指設備平均臺時處理量，其特征在于：該方法包括以下步驟：

步驟1：確定選礦企業綜合生產指標優化目標及約束條件；

所述優化目標為：在給定生產條件下，即給定原礦屬性、設備能力、設備運行時間、能源消耗條件下，選礦企業綜合生產指標在目標區間內最大化精礦品位、最小化選礦比、最大化金屬回收率、最小化生產成本、最大化精礦產量；

所述約束條件包括綜合生產指標約束、設備能力約束、能源資源約束、尾礦品位約束、可利用原礦資源約束；

步驟2：周期性地從計劃調度層的指令中獲取選礦過程中的工作設備的運行時間、設備檢修計劃及該設備平均臺時處理量；

步驟3：當設備檢修或設備故障導致設備能力出現變化時，針對選礦企業綜合生產指標優化目標及約束條件對各原礦處理量進行調整優化，進而實現選礦綜合生產指標優化；

采用基于精英策略和移民策略的動態多目標進化方法對各原礦處理量進行調整優化，具體步驟如下：

步驟3.1：初始化及產生種群：設置初始化參數并產生初始化種群，將產生的初始化種群的部分存儲起來作為隨機移民；

初始化參數包括種群大小、交叉概率、變異概率、基于梯度算子更新概率、最大進化代數、初始步長，將原礦處理量可行解的最大個體數映射為種群大小，該種群中的個體為各原礦處理量矢量，即決策變量；

步驟3.2：適應度分配：采用分級方法計算種群中每個個體的適應度值，即根據約束支配關系對種群中的個體進行快速非支配排序，將各個個體比較后分為不同級別，個體的適應度值為其所在非支配層的級別值；

步驟3.3：交配選擇：采用二元或多元競爭選擇方法來產生新的父代種群，即對父代種群和子代種群中的個體進行比較，選擇最優個體作為新的父代種群的個體，構成新的父代種群；

步驟3.4：基于混合算子的個體更新：針對新的父代種群中的個體，進行交叉操作、變異操作和梯度算子搜索操作，產生新的個體；

基于交叉概率進行交叉操作；基于變異概率進行變異操作，基于梯度算子更新概率和初始步長進行梯度算子搜索操作；

步驟3.5：添加移民：將產生的新的個體中，進行部分個體的替換，即將產生的部分新的個體替換成最初存儲的隨機移民中的部分個體，形成新的子代種群，并對該子代種群個體與父代種群個體計算適應度函數值；

步驟3.6：選取精英解：合并父代種群及子代種群，計算合并后的新的子代種群的個體擁擠度，根據合并后的新的子代種群個體適應度函數值和擁擠度進行非支配排序，選取排序等級最好的個體作為新子代種群，如果新子代種群大小小于初始化種群大小，將選取排序等級下一級的個體補充到新子代種群中，直到新子代種群大小等于初始化種群大小；

步驟3.7：如果達到最大迭代代數，則當前子代種群為原礦處理量可行解，即優化后的原礦處理量，否則根據新子代種群返回步驟3.2開始下一代搜索；

步驟4：根據優化后的原礦處理量進行調整，返回步驟2。