铜闪速熔炼操作模式的智能优化方法

韩 超

（中铝东南铜业有限公司，福建 宁德 352106）

本次就铜闪速熔炼操作模式的智能优化方法展开研究。现报告如下：

1 铜闪速熔炼操作模式基于混沌遗传算法优化

通过描述铜闪速熔炼操作模式的具体优化问题如下：

式中：适应度函数表示fNN；通过依据相关工艺展开分析，确定[ai，bi]，i=1，2，…，n表示决策参数的具体取值范围；设置优化操作模式的主要目的常量为x=(x1，x2，...xm)；经过搜索得出实现操作模式优化的，优化目标量[1]。

为了对遗传算法早熟情况加以克服，通过在遗传算法载入混沌变量，混沌遗传优化算法具体智能优化步骤如下：

步骤1：通过选用如下列公式所示的Logistic回归映射公式如下：

予以上公式n个微小差异初始数值，可以得到n个混沌变量。在公式中将μ的参数取值为4；混沌变量为0≤a≤1；具体序号为i=1，2，…，n；具体迭代次数为c，取值依次为c=1，2，...，l

步骤2：依据如下公式：

步骤3：通过将公式（1）作为适合度函数，已知的参数条件是x=（x1，x2，…xm）可以将具体的适合度数值计算得出之后完成降序排列。

步骤4：二进制编码处理不同变量，规定上一代群众中的适应度最大10%不得已参与交叉、复制、变异类操作，直接代入至下一群体。剩余90%群体主要产生于3种操作，解码子代群体。

步骤5：依据适应度函数值完成对适应度数值的重新计算排序之后，求解适应度平均数值相较最大值公式如下：

步骤6：针对目前群体内90%的适应度较小优化变量，依据如下公式完成进一步混沌扰动，依据公式（3）映射优化变量完成具体迭代计算。

步骤7：通过对最新适合度加以计算，依据相应的适合度数值完成群体排序，最终求出适合度平均数值，依据如下公式相较最大数值。

综上步骤无法依据极力模型，对最优化的目标数值及工艺参数之间存在函数关系加以确定，通过借助基于神经网络的评价函数，得出训练好之后的神经网络结构（见图1）。

图1 工艺参数和优化目标量的网络结构

2 工业生产应用实例

为了对本次研究中提出的铜闪速熔炼系统操作模式的智能优化法应用有效性加以验证，通过将此优化方法运用至某一铜精矿冶炼厂，具体应用过程中优化鼓风氧制度，具体衡量最终优化决策成效的目标控制量确定为冰铜温度，共计包括冰铜品味、铁硅比、铜矿品位、铜矿投入量这四个条件参数，设定为{x1，x2，x3，x4}，将喷入闪速炉的风、氧量设定为最终决策参数设定为{y1，y2}。

设定等同冰铜品位情况下，能够进一步对成本投入量有所减少。对风氧量的投入成本加以综合考虑，发现能够节约至1.1%～1.5%。

借助本次研究提出的智能优化法，保证铜矿的投入量及铜含量等同条件下，鼓入的风氧量等同，能够对冰铜产量有效提升[2]。处于等同风氧条件下的冰铜品位可以发现经过智能优化的绝大多数数值，都能够超出或接近实际的冰铜产量值。证实本次提出的智能优化法，不仅提升铜闪速熔炼的冰铜产量，更减小了风氧量的投入，也节省了整体成本投入。

3 结语

经本次研究发现提出铜闪速熔炼操作模式的智能优化方法，在铜闪速熔炼操作模式系统中，发现能够对铜闪速炉的生产效率有效提升。