基于进化算法MOEA/D-AU的露天矿多金属多目标智能配矿研究

针对露天矿的多金属多目标配矿问题,提出了基于多目标进化算法的配矿优化方法。根据矿山实际情况,以生产成本、矿石品位偏差和矿石岩性配比偏差最小为优化目标建立了露天矿配矿优化模型;在基于分解的多目标进化算法（MOEA/D）的基础上,对算法的更新过程进行了改进,利用种群与权重向量之间的空间位置关系提出了基于角度的更新策略,使算法在求解多目标问题时更好地平衡种群的多样性与收敛性;由于对选矿因素考虑不充分,无法有效提高矿石的综合回收率,本文建立了融合氧化率及有害物质参数的综合回收率随机森林预测模型,通过预测模型对算法得到的多组配矿结果进行筛选,获得一组更加贴合矿山实际情况的配矿计划。最后以国内某大型钼钨铜矿为例进行仿真实验,实验结果表明：该配矿计划在解决多金属多目标配矿问题时能够有效提高矿石综合利用率和企业经济效益。     

基于采选流程下的露天矿多金属多目标配矿优化模型

多金属配矿的目的是为了保证入选矿石品位的稳定和提高矿石的综合回收率。针对现有多金属配矿模型对选矿影响因素考虑不充分,导致精细化程度不足的问题,在考虑影响选矿回收率的矿石岩性、氧化率、有害物质等配矿指标的情况下,建立了以品位偏差、矿石岩性百分比偏差、总产量偏差和采掘运输成本为优化目标,基于采选流程的多金属多目标配矿优化数学模型。在标准遗传算法的基础上,对算法的变异过程和比较选择过程进行了改进,设计了一种自适应遗传算法对该模型进行求解。以国内某大型钼钨矿为例,将该模型的优化结果与传统模型的优化结果进行对比分析,并采用遗传算法、粒子群算法和所提出的自适应遗传算法分别进行模型求解。研究表明:①该模型在保证采掘运输成本不增加的情况下,对原有配矿模型未考虑的矿石岩性、氧化率、有害物质等影响因素进行了配矿优化,保证了矿石品位的均衡性以及矿石的可选性,从而增加了配矿优化模型的适用性,使得配矿优化模型更符合生产实际;②所提出的自适应遗传算法不仅能够避免陷入局部最优解,而且在计算效率上相比于粒子群算法和遗传算法分别提高了40%和56%,在模型求解精度上提高了10倍左右,表明了改进算法的有效性。     

基于模糊多目标的石灰石露天矿配矿优化模型

针对石灰石露天矿配矿需求,构建了一种基于模糊多 目标的配矿模型.所建模型考虑了石灰石露天矿品位偏差 以及生产能耗２个配矿目标,同时引入模糊化概念,对相关 性不高的多个目标进行模糊处理,并基于最大最小理论将建 立的多目标问题转化为单目标问题.在求解算法方面,采用 特定编码方式以及自适应调整交叉变异算子等策略,并利用 优化遗传算法对所建立模型进行求解.以国内一大型石灰 石露天矿数据为例进行仿真试验,试验结果验证了此配矿模 型的有效性、经济性,能够达到减少矿石品位偏差以及实现 矿企降本增效的目的.     

基于混合粒子群优化算法的矿山生产配矿

为了提高矿山低品位矿产资源的利用率, 确保生产过程中矿石质量的稳定性和均匀性, 建立了一种矿山多目标配矿优化模型, 并将标准遗传算法中的交叉和变异操作与标准粒子群算法融合, 提出求解该优化模型的混合粒子群算法。以国内某地下铝土矿为例, 分别运用混合粒子群优化算法、标准遗传算法和标准粒子群算法3种方法对建立的多目标配矿优化模型进行求解, 通过对比优化结果发现: 混合粒子群优化算法求解的各采区月出矿量完全满足矿山实际生产要求, 而标准遗传算法和标准粒子群算法求解结果存在误差, 分别达到9.92%和14.94%, 且易陷入局部最优值; 从迭代进化曲线可知, 混合粒子群优化算法收敛速度快, 稳定性和鲁棒性较高, 具有一定科学研究和实际应用价值。     

柿竹园矿非均衡品位多金属多目标配矿优化研究

为解决柿竹园多金属矿地下露天协同开采后各出矿点 矿石品位非均衡难以满足选厂选矿要求的难题,采用矿石品 位、采矿回采率、生产能力、采掘运输成本等优化指标,构建 基于采选流程下的柿竹园地下露天协同开采的多金属多目 标精细化配矿模型,借助 MATLAB软件采用自适应性遗传 算法求解该模型,编制相应的日出矿计划,优化配矿以提高 选厂回收率。以柿竹园2019年8月生产作业计划为背景进 行研究,结果表明:多金属多目标精细化配矿模型可以用于 地下露天协同采矿的短期生产作业计划编制,采用理想点法 求解的结果能很好地平衡矿石品位、生产能力、采掘运输成 本和回采率之间的关系,钨、钼、铋的选矿回收率分别提高了 8,12,15个百分点。     

基于人工鱼群神经网络进化的露天矿卡车优化调度研究

为提高露天矿生产运输效率,实现生产资源的有效回收和低成本运营,提出基于神经网络代理辅助的多目标露天矿卡车优化调度方法。依据露天矿卡车生产运输的特点,综合考虑卡车运输的各项成本,构建以卡车运输成本最小、卡车总等待时间最短,以及卸矿站品位偏差率最小为目标的多目标组合优化模型。在基本人工鱼群算法基础上,通过引入神经网络代理辅助模型训练历史调度数据,对雄安新区某露天矿的生产调度情况进行了仿真研究。结果表明,基于神经网络代理辅助的人工鱼群算法可有效提高算法计算速度约47.8%,降低露天矿卡车运输成本8.16%,减少等待时间12.12%,并减小品位偏差8.69%,在加快计算速度的同时,实现了平衡算法收敛性与多样性的目标。     

矿山短期生产计划优化的多目标遗传粒子群算法

针对露天矿山生产的基本特征及短期生产计划的编制要求,从露天矿山的品位及经济成本最小化的角度出发,构建了露天矿短期生产作业计划优化模型。以MATLAB软件为平台,采用遗传粒子群混合智能算法对模型进行求解。以某石灰石露天矿为工程背景进行研究,将研究结果与露天矿实际生产指标进行对比验证。结果表明:该模型适用于露天矿短期采掘作业生产计划的编制,优化结果保证了矿山生产作业出矿品位、出矿量及生产利润三者之间的平衡,有利于提高矿山的经济效益。     

基于改进DCW-QPSO算法的露天矿卡车调度优化方法

为了提高露天矿卡车运输效率,有效降低矿山企业开采成本,针对量子粒子群算法(QPSO)在优化求解过程中易陷入局部最优的问题,本研究引入惯性权自适应调整的量子粒子群优化算法(DCW-QPSO),并借助于遗传算法的变异操作,将DCW-QPSO的粒子更新方法改进,然后将改进DCW-QPSO用于求解露天矿卡车运输调度方案。调度方案以总运输成本最低为目标函数,并综合考虑矿石产量、品位均衡、卡车等待时间最短等约束条件。通过在国内某大型露天铁矿的应用发现,卡车调度优化结果符合矿山实际生产需求,为企业管理者提高了决策依据。改进算法在模型求解过程中全局搜索能力及算法稳定性都得到显著提升,具有一定的实际应用价值。     

多金属露天矿多目标生产计划优化问题建模及求解算法

针对多金属露天矿山生产计划优化问题难以建模、求解复杂等问题,从多种金属元素、采掘运输成本以及矿石品位三个角度出发,综合考虑矿石产量、品位波动、矿石资源利用率、开采和处理能力以及回采率等多种影响因素,构建了一个多金属露天矿多目标生产计划模型。受粒子群算法启发,提出一种改进狼群算法（IGWO）对模型进行求解,并引入反向学习策略和非线性收敛策略来提高算法的求解效率。以国内某露天矿的实际生产为例,分别利用粒子群算法（PSO）、灰狼算法（GWO）和IGWO算法对模型进行求解对比。结果表明：该生产计划模型更加符合露天矿多种矿产资源综合开采利用的实际需求,IGWO算法较PSO算法运行速度上提高了71%,在求解精度上提高16%。该生产计划方案对多金属露天矿山矿产资源综合利用及精细化排产具有重要的指导意义,可促进企业可持续发展。     

露天矿运输调度问题求解的自适应果蝇优化算法

针对露天矿运输调度问题,提出了一种改进的果蝇优化算法。首先,对露天矿运输调度问题进行了分析,以矿石开采能力和运输能力为约束条件,以运输成本最小为目标函数,建立了露天矿运输调度问题的数学模型。然后,该算法根据果蝇的味道浓度自适应调整搜索步长,同时满足了算法的全局寻优能力和局部寻优能力。最后,将自适应果蝇优化算法应用于求解实际的露天矿运输调度问题,与标准果蝇优化算法和遗传算法进行实验比较分析,给出了优化结果。实验结果表明:该算法的收敛精度和收敛速度均优于其他算法,证明了该算法可以有效求解露天矿运输调度问题。     

三道庄露天矿多矿种综合配矿动态管理信息系统

针对三道庄露天矿目前多矿种配矿问题,应用GPS、GIS、GPRS技术,设计实现了配矿动态管理系统。该系统能够根据矿山生产中对钼钨2种金属入选品位的要求,自动获取电铲装矿品位信息,通过线性规划模型,实现班生产配矿计划的自动生成和配矿任务的智能分配。实际应用表明,该系统性能稳定,能够满足三道庄露天矿配矿要求。     

露天矿山运输调度系统粒子群优化

结合露天矿山运输调度系统实际,考虑到计划产量、生产能力、质量要求和运输过程等方面的约束,建立了一个通用性较强的露天矿山运输调度系统模型。该调度模型以总的运营成本最低为目标函数,采用惩罚函数法把诸多约束条件化为无约束,构建优化系统中粒子群算法的适应度函数。通过引入自适应变异程序对粒子群算法进行改进,避免算法过早收敛,提高了收敛效果。运用改进后的自适应变异粒子群算法对露天矿山运输调度系统模型优化求解,并采用Matlab软件对求解过程进行仿真,研究结果表明该算法能够快速得到当前班次的车辆调度的满意方案,提高了露天矿山运输调度的效率,进而提高露天矿山生产率,为数字化矿山建设提供一定参考。     

矿井通风网络的多种群自适应粒子群算法优化研究

针对矿井通风网络分支风量优化问题,以矿井通风网络的总功率最小为目标,结合矿井模型中风量平衡方程、风压平衡方程、分支阻力方程以及风机特性曲线方程等约束条件,提出一种多种群自适应粒子群优化算法(MA-PSO)对矿井通风网络实现寻优。首先对随机生成的种群进行初始化预处理,将适应值从高到低排序,然后以预处理后的局部最优解为圆心,以局部最优解与其他粒子的欧式距离的平均值为半径,将种群划分成五个子种群,接着在速度更新公式中引入拓扑项和种群交流因子,以种群为单位在求解空间中搜索,保障种群的多样性,从而加快种群进化和算法收敛速度;最后采用自适应权重和冗余粒子初始化淘汰策略,提高算法搜索能力和学习能力。仿真结果表明:该算法具有较好的多模态寻优率、更快的收敛速度和更高的收敛精度,优化后通风系统消耗的总功率较之前相比下降26. 78%,节能效果显著。     

露天矿运输调度优化的生物地理学改进算法

露天矿生产运输调度优化问题是一类典型的具有非线性、多变量特征的优化问题。首先,在对露天矿卡车调度优化进行系统分析的基础上,以总运输费用最小为目标函数,给定矿石量、运输能力等约束条件,建立运输调度优化模型;然后,提出将差分算法中局部搜索功能引入到基本生物地理学优化算法的迁移策略中的改进生物地理学优化算法;最后,以MATLAB软件为平台,以露天矿实际生产运输实例数据为依据,计算出改进的生物地理学算法优化路径的综合运输成本比实际花费成本节约5 994万元,且比单一的生物地理学算法和差分算法优化路径的运输成本更低,验证了该算法求解露天矿运输调度问题的优越性。     

冗余机械手在危险源环境下的多目标逆解研究

针对机械手逆解问题,首次给出了粒子群算法优化机械手的方法,以优化结果确定逆解。其次定义了机械手的危险度概念,并将多目标粒子群算法应用于带有危险源和障碍物环境中的冗余机械手逆运动学研究。相比传统方法,该多目标优化方法不仅确定了冗余机械手的最终形状,而且能够使其成功避障,满足避障可操作、危险度和功率最省或更多的多目标要求。相比多目标遗传算法的仿真结果,该方法可以得到更理想的性能指标,通过进一步的3个指标试验仿真,证明了该方法的正确性和有效性。     

矿石质量智能控制系统研究与应用

针对鞍千矿业有限责任公司采区数量多、分布面积广、各采区品位差异较大等问题,以系统方法为指导,采用车辆路径问题中启发式优化算法,综合考虑入选品位、总成本、设备利用率等,建立多采区、多破碎站的采矿全过程协同配矿优化模型,并利用C++语言开发集采区三维建模、配矿智能计算、配矿方案三维显示为一体的矿石质量智能控制系统。实际应用表明:该系统实现了多采区协同优化配矿,解决了局部环节简单优化问题,降低了生产成本,达到了优化入选矿石质量的目的。     

露天矿配矿优化方法研究

针对露天矿山规划与矿石质量管理的配矿需求, 在爆堆品位分布预测的基础上, 利用0-1整数规划模型, 研究了露天矿配矿的优化方法, 进而将其嵌入到DIMINE软件中, 并以某水泥灰岩矿配矿设计为例, 验证该技术的性能。结果表明, 该露天矿配矿优化方法应用简单、配矿效率高、效果好, 可有效提高企业的经济效益, 对于指导矿山企业的有效生产与决策具有重要的意义。     

露天矿综合配矿模型

以鞍千矿业公司3个采场为例,在分析矿山各采区品位分布信息的基础上,建立了基于0-1整数规划算法的露天矿多采区协同开采资源配置优化的数学模型,并利用C++语言编写了0-1整数规划算法程序,对该模型进行了解算。研究表明:通过进行合理配矿,确保稳定的矿石输出品位,从而保持选矿厂矿石入选品位稳定,实现了提高生产效率、降低生产成本、提高矿产资源利用率的目的。     

大宝山矿大均化智能配矿系统研究

通过对大宝山矿区资源分布情况进行分析,提出了多矿区大均化联合配矿信息平台.以矿山企业的生产计划要求为基础,协同搭建配矿相关数据管理功能,建立合理的配矿模型以满足出矿量、入选铜品位、铜精矿品位的稳定和均衡,在各矿区及存矿点等生产条件约束下,采用科学的优化算法对配矿模型进行解算,从而生成符合实际的配矿指令单,实现大宝山铜矿生产全流程大均化联合配矿管理的自动化,在充分利用低品位铜矿资源的前提下,满足公司选矿生产的质量要求.通过建立数学模型和优化算法,计算确定配矿方案,实现各矿区均衡供矿,满足供矿品位的稳定与均衡.     

露天矿多目标生产配矿的Minesched应用

针对露天矿采用人工配矿及设备调度管理存在的缺陷,利用Surpac软件建立爆堆地质模型及爆堆实体,通过Minesched软件以爆堆为单位建立地质、铲装、运输、选矿一体的配矿模型。根据实际的设备生产能力、运输路线、选厂入选矿质等要求,通过设定的目标优先级进行计算,输出详细的爆堆配矿计划及铲装设备配比,并以二维图表、三维动画结果显示每周期的作业计划、作业位置。通过在紫金山金铜矿的实际应用,表明该软件在爆堆相对固定的条件下,能够根据目标条件进行优化配矿,有效提升生产调度管理效率。