(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211145335.3 (22)申请日 2022.09.20 (71)申请人 广东工业大 学 地址 510062 广东省广州市越秀区东 风东 路729号 (72)发明人 徐康康　张卓勤　杨海东　胡罗克　 庄嘉威　 (74)专利代理 机构 佛山市禾才知识产权代理有 限公司 4 4379 专利代理师 刘羽波 (51)Int.Cl. G06F 30/20(2020.01) G06F 111/10(2020.01) (54)发明名称 一种基于GRNN模型的回转窑多目标参数优 化方法 (57)摘要 一种基于GRNN模型的回转窑多目标参数优 化方法， 包括以下步骤： 获取需要优化的回转窑 的工艺参数， 并通过预设回转窑数值模拟模型进 行数值模拟， 输出得到工艺参数的能效指标和质 量指标； 结合能效指标和质量指标， 以回转窑的 进煤量、 二次风速、 二次风温为预设GRNN模型的 输入参数， 输出得到回转窑的待优化参数； 根据 待优化参数建立多目标优化函数， 将待优化参数 作为初始种群， 并使用第三代非支 配排序遗传算 法对多目标优化函数进行寻优， 输出得到最优工 艺参数； 根据最优工艺参数对回转窑进行优化。 本发明用数据模型代替数值模拟模型作为数据 支撑模型， 使用NSGA ‑III对水泥回转窑进行多目 标参数寻优， 有效地 提高了能效。 权利要求书3页 说明书16页 附图6页 CN 115510638 A 2022.12.23 CN 115510638 A 1.一种基于GRN N模型的回转窑 多目标参数优化方法， 其特 征在于， 包括以下步骤： 获取需要优化的回转窑的工艺参数， 并通过预设回转窑数值模拟模型进行数值模拟， 输出得到所述工艺 参数的能效指标和质量指标； 结合所述能效指标和所述质量指标， 以所述 回转窑的进煤量、 二 次风速、 二 次风温为预 设GRNN模型的输入参数， 输出 得到回转窑的待优化 参数； 根据所述待优化参数建立多目标优化函数， 将所述待优化参数作为初始种群， 并使用 第三代非支配排序遗传算法对所述多目标优化 函数进行寻优， 输出 得到最优工艺 参数； 根据所述 最优工艺 参数对所述回转窑 进行优化。 2.如权利要求1所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 所述 预设回转窑 数值模拟模型包括湍流模 型、 颗粒轨道模型、 煤粉燃烧模型、 辐射模型， 其中， 所 述湍流模型满足关系式(1)： 其中， Gk为湍流动能， αk为k方程湍流普朗特数， αε为ε方程的湍流普朗特数， C1ε的取值为 1.42， C2 ε的取值为1.68； 所述颗粒轨道模型满足关系式(2)： 其中， FD为旋转升力， FG为颗粒重力， up为颗粒速度； 所述煤粉燃烧模型包括挥发分析出子模型和焦炭燃烧子模型， 所述挥发分析出子模型 和所述焦炭燃烧子模型分别满足关系式(3)、 (4)： 其中， mp为煤粉颗粒质量， fv,0为挥发分初始质量分数， fw,0为挥发材料质量分数， mp,0为 煤粉颗粒初始质量， k为煤粉 燃烧反应速率常数， Rc为焦炭燃烧速率， p为氧气分压， Kc为扩散 系数， Kd为动力系数； 所述辐射模型满足关系式(5)： 其中， α 为吸 收系数， σs为散射系数， C为相位 函数系数， G为入射幅度。 3.如权利要求1所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 所述 待优化参数包括 最高烧成 温度、 烧成带长度、 热效率。权　利　要　求　书 1/3 页 2 CN 115510638 A 24.如权利要求3所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 所述 预设GRNN模型中， 定义第i组工况中， 输入的所述输入参数为xi， 输出的所述待优化参数为 yi， 则所述待优化 参数满足以下关系式(6)： yi＝f(xi) (i＝1,2,…,n)   (6)； 其中， xi具体表示为xi＝[mi,vi,ti]， mi、 vi、 ti分别为第i组工况中所述进煤量、 所述二次 风速、 所述二次风温三个变量的具体数值， yi具体表示为yi＝[Ti,Li, ηi]， 其中Ti、 Li、 ηi分别 为第i组工况中所述 最高烧成 温度、 所述烧成带长度、 所述热效率 三个指标的具体数值； 定义所述待优化 参数在x时的预测值 为f(x)， 所述预测值f(x)满足关系式(7)： 5.如权利要求4所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 所述 预设GRNN模 型包括输入层、 模式层、 求和层、 输出层， 在第i组工况中， 输入变量维度M为3， 输 出变量维度K为3， 训练数据组共有N组， 所述输入层神经元个数与所述输入变量 维度M相同， 所述模式层神经元个数与所述训练组N相同， 所述求和层包括分子单元和分母单元两种神 经元， 所述分子单元个数与所述输出变量 维度K相同， 所述分母单元为 1个， 所述输出层神经 元个数与输出变量维度K相同。 6.如权利要求5所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 所述 模式层的激活函数满足关系式(8)： 其中， X为输入变量， Xi为第i个神经 元中心， σ 为 光滑因子 。 7.如权利要求5所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 定义 所述分子单 元的权重为yi,j， 第j维所述分子单 元的输出满足关系式(9)： 所述分母单 元的输出满足关系式(10)： 8.如权利要求7所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 所述 输出层的神经 元输出满足关系式(1 1)： 9.如权利要求4所述的基于GRNN模型的回转窑多目标参数优化方法， 其特征在于， 所述 多目标优化 函数满足关系式(12)： 权　利　要　求　书 2/3 页 3 CN 115510638 A 3