基于模糊类聚遗传算法的卡尔多炉参数寻优控制方法
【技术领域】
[0001] 本发明涉及集成智能控制系统领域，尤其涉及卡尔多炉参数寻优控制方法。
【背景技术】
[0002] 卡尔多炉（Kaldo)是瑞典波立登（Boliden)公司于上世纪开发，采用富氧顶吹技 术，广泛用于有色冶金行业中处理铅精矿、废杂铜和阳极泥等。铜阳极泥是金属铜电解精炼 时落于电解槽底的泥状细粒物质，含有较多的(：11、538、？13、1^及部分411、513、813 8和脉 石矿物。处理铜阳极泥，可以回收有价稀有金属，是现阶段贵金属资源综合利用回收的典型 代表，符合国家产业政策。
[0003] 由于卡尔多炉火法处理铜阳极泥工艺流程简洁，同一台炉体内完成熔炼(还原）和 吹炼(精炼)作业，作业周期短、金属回收率高，处理金属品种多，我国于20世纪70年代以 来引进卡尔多炉。但铜阳极泥成分多变，缺少在线检测金属成分仪器，化验室化验时间长 (约lh)，现场操控又比较复杂。其随设备配套的控制系统为传统的经典控制方法(单回路控 制)，没有涉及优化控制问题。
[0004] Kaldo炉处理铜阳极泥过程是一个典型的大滞后、时变、非线性、强耦合特性的多 输入多输出复杂工业过程，用传统的经典控制方法无法解决其优化控制问题。卡尔多炉熔 炼系统由炉体、加料系统、燃烧喷枪、吹炼喷枪、烟道、炉罩、循环水系统等组成。加料系统是 将阳极泥在常压浸出、压力浸出工序处理后，经过滤，形成银硒混合物的滤饼和干燥剂，同 溶剂进入Kaldo炉。燃烧喷枪通入氧气和天然气，用于加热和熔炼，温度大约1150°C，使炉 内物料充分熔炼，熔炼产出银多尔合金和炉渣，熔炼完成后，加入一定量的焦炭肩进行渣还 原，使渣中银含量低于0. 4%，炉温控制在1000°C以上，否则形成泡沫渣，炉况难以控制。吹 炼喷枪通入压缩空气，用于吹炼，吹炼主要用于除去余下的Pb、Te、Bi、Sb和Se，形成氧化铅 渣，硒氧化挥发，当吹炼完成后，吹炼渣排出并返回下一个熔炼步骤。
[0005] Kaldo炉入炉物料主要包括以下三部分：银硒混合物滤饼、熔剂(焦粉、苏打等）和 循环返料。其中，银硒混合物滤饼是入炉的主要原料，焦粉主要是用作还原剂而不是燃料， 它能把阳极泥中的氧化铅还原成金属铅。焦粉的用量，以还原适量的金属铅为度，不宜过 多，以防止其它杂质氧化物也被还原，降低贵铅质量，焦粉多，灰分也多，会影响炉渣性质， 增大渣量；苏打（Na 2CO3)是碱性熔剂，能与As、Sb等高价氧化物造渣，并能降低炉渣的熔点， 改善炉渣的流动性，使炉渣易与贵铅分离，其配入量视阳极泥中酸性成分SiO 2的含量而定， 以产出硅酸度为1-1. 5的炉渣为宜，一般加入量为8%-14%。
[0006] 熔剂的加入量对Kaldo炉炉况产生较大影响，恰当的加入量可以改善炉况熔炼指 标，缩短作业周期，提高作业效率。因此，在满足炉内合适温度的情况下，寻找最优的焦粉、 苏打加入量，可实现生产过程优化。
[0007] 在熔炼期间，在先期预热在大约1000°C稳定的情况下，开始进料，此时是不允许炉 内温度忽高忽低或波动过大，否则将对炉体造成伤害。进料的多少，对炉内熔体的温度影响 较大，当炉体内部表面温度达到1100-1200° C时，加热必须限制以便保持在此温度。过快 的温升，由于热惯性的存在，温度上限难于控制，过慢的温升，会造成物料熔炼(还原）不彻 底，时间过长，影响作业效率，燃气流量的调整范围为200~1000Nm3/h，因此，实时对燃气流 量的优化调整控制对炉体的安全及作业周期是具有重要意义。
[0008] 中国发明专利公告号CN101139661公开了一种"铜闪速熔炼操作参数优化方法"， 以闪速熔炼综合工况的稳定为优化目标，分别建立了机理模型和基于模糊C均值聚类混沌 伪并行遗传算法的智能优化模型，并采用智能集成的方法对两个模型的优化结果进行协调 输出。该方法可以得到铜闪速熔炼过程最优的操作参数，即闪速炉反应塔热风与氧气的最 优加入量。但该发明步骤较多，计算量大，且系统的控制精度和系统的执行速度不够理想。
【发明内容】
[0009] 本发明要解决的技术问题是如何从现有的集成智能控制系统技术的算法中合理 选择算法，根据卡尔多炉体的结构、生产特点、作业要求确定工况判断模型以及智能算法中 参数的确定，为此提供一种基于模糊类聚遗传算法的卡尔多炉参数寻优控制方法。
[0010] 本发明的技术方案是：基于模糊类聚遗传算法的卡尔多炉参数寻优控制方法，其 特征是它包括以下步骤：利用模糊C均值聚类遗传算法分别对焦粉、苏打、燃气加入量进行 优化，将优化结果和卡尔多炉工况实测值进行比较并通过控制器进行调整，再将经过调整 后的焦粉、苏打和燃气加入量利用工况判断模型对焦粉、苏打、燃气加入量的调整值进行判 断：
式中：S2是综合工况指数，WA、WB、We*别表示通过冶金学计算的需要的理论值，A、B、 C分别表示焦粉、苏打、燃气寻优的目标值，分别为焦粉、苏打、燃气加入量对综 合工况指数的影响因子，其大小由历史专家经验确定，约束条件为：
根据计算获得的值，可将综合工况指数分为优、良、中、差四个区间，四个区间的取值范 围分别是〇~％、ai~a 2、a2~a 3、> a3 ;如果当前的综合工况指数落在"优"区间，则保持 当前的操作参数；如果当前的综合工况指数落在"非优"区间，则根据阳极泥批料冶金学计 算工况计算出的焦粉、苏打、燃气加入量的理论值调用模糊C均值聚类遗传算法并利用现 代控制理论中的操作空间设定控制焦粉、苏打和燃气期望指标，给出操作优化指导。
[0011] 上述方案中所述模糊C均值聚类遗传算法包括 St印1 :建立样本库 建立Kaldo炉作业过程优化操作数据库，用于保存历史上典型工况下的优化操作数 据；数据库中的个体样本主要由两部分构成：用于样本聚类的数据，包括阳极泥滤饼的加 入量、各溶剂的加入量、富氧流量、空气流量、恪炼还原时间、恪体温度和各金属的质量分数 等；用于优化操作的数据，包括添加溶剂和富氧流量的设定值，这些数据能反映出在与当前 类似工况的条件下专家操作经验，当前采集获得的现场数据样本包含同样内容； Step2 :模糊聚类 采用模糊C均值聚类方法对优化操作数据库中的样本进行聚类，如果有新的优化操作 样本加入则需要重新对样本进行聚类；聚类后优化操作样本可分为10类，第i类的类中心 为Ci，现场数据样本与类中心之间的相似性用相似系数表示：
式中：題、％为两个样本，P为样本中用于聚类的元素个数，如果样本中所有元素取正 数，则1越接近于1，表明二者越相似；当_輪@ =1时，说明，、，完 全相同；
Step3 :判断当前工况所属类别 计算现场数据样本与10个聚类中心的相似系数，选择相似系数最大的类，作为当前工 况所属类别； Step4 :遗传编码确定 编码长度取决于工艺参数的编码精度，由Kaldo炉作业数据可知，变化范围最大的工 艺参数是燃气（变化量为1000-200=800)，采用二进制编码方式，当编码长度取10时(共 210=1〇24个)，其精度为800/1024=0. 78,满足生产要求，故编码长度取10 ; Step5 :群体个数 当群体小于某个数时，网络难于进化；但随群体的增大，相应的训练时间加长，群体大 小选择相似系数较大的10个工况所属类别； Step6 :适应度函数 以综合工况指数S2为适应度评价函数，并计算适应度函数的值，判断当前炉况是否符 合表一的优化准则，若符合，停止迭代计算，得到工艺参数的优化值，否则，转向Step7 ; St印7 :交叉和变异概率 交叉概率取0. 75,变异概率取0. 05 ; Step8 ： 得到由交叉和变异操作产生新一代的种群，并返回Step6。
[0012] 本发明的有益效果是采用聚类算法将优化样本空间范围缩小，再采用遗传算法进 行搜索，有效地加快搜索速度，二者结合、扬长避短，相得益彰，既克服了模糊C均值聚类算 法对初值敏感易陷入局部最小值的缺点，也避免了遗传算法因种群大而导致收敛速度慢、 易早熟的遗憾，有效解决Kaldo炉工作过程中高温、反应复杂、因素多变而不确定、难以建 立工业在线控制机理模型的问题。
【附图说明】
[0013] 图1是为卡尔多炉参数优化模型结构图。
【具体实施方式】
[0014] 下面结合附图对本发明做进一步说明。
[0015] 如图1所示，本发明以Kaldo炉综合工况的稳定为控制目标，以影响Kaldo炉的主 要因素为研究对象，为简化算法，采用优化控制方法寻找最优的焦粉、苏打、燃气的加入量。
[0016] 利用模糊C均值聚类遗传算法分别对焦粉、苏打、燃气加入量进行优化，将优化结 果和卡尔多炉工况实测值进行比较并通过控制器进行调整，再将经过调整后的焦粉、苏打、 燃气加入量利用工况判断模型对焦粉、苏打和燃气加入量的调整值进行判断： 由于焦粉、苏打、燃气加入量能够直观地反映 Kaldo炉作业过程的综合工况，在此引入 综合工况指数，即待求解的均方差：
式中：WA、WB、W^>别表示通过冶金学计算的需要的理论值，A、B、C分别表示焦粉、苏打、 燃气寻优的目标值，《办分别为焦粉、苏打、燃气加入量对综合工况指数的影响因 子，其大小由历史专家经验确定，由于阳极泥成分多变、并且含量不稳定，不能用一个具体 的数值代替。约束条件为：
根据计算获得的值，结合表一可将综合工况指数分为优、良、中、差四个区间。如表1所 示，如果当前的综合工况指数落在"优"区间，则保持当前的操作参数；如果当前的综合工况 指数落在"非优"区间，则则根据阳极泥批料冶金学计算工况计算出的焦粉、苏打、燃气加入 量的理论值调用模糊C均值聚类遗传算法并利用现代控制理论中的操作空间设定控制焦 粉、苏打和燃气期望指标，利用智能优化算法即模糊C均值聚类遗传算法给出操作优化指 导。
[0017] 表一综合工况判断表
其中，ai、a2、&3均为常数，可根据历史数据专家经验确定。
[0018] 在图1所示的操作优化样本库中保存有大量的各种不同溶剂及工况参数情况下 的优化操作参数，事实上相当于保存了历史上大量的优化操作专家经验。智能优化算法的 基本思想就是利用一种智能的搜索策略，从操作优化样本库中搜索与当前工况最