移动配煤机配煤系统优化的研究

　　煤炭一直是支撑国民经济发展主要的能源，在我国能源生产与消费中占据了较大的比重。随着我国工业的速度发展，对煤炭的需求仍在增加。受经济效益等因素影响，不同的用户对煤质的要求不尽相同，因此需要利用移动配煤机对各煤种进行配比，以达到平均灰分或平均发热量等煤质指标。

　　配煤机在配煤时需要综合考虑煤种消耗、灰分、配煤时间、经济效益等因素，这些因素相互制约，因此自动配煤属于多目标优化问题，较难获得能够达到整个目标的整局越优解。在求解多目标优化问题上，粒子群算法、遗传算法、抵御算法等自动进化算法具有奇特的优点，现已被广泛应用。

　　在配煤优化上，研究人员基于遗传算法建立了动力配煤模型，有益地解决了配煤中的非线性多约束问题，并基于模糊方法与遗传算法建立了自适应罚函数的正交遗传算法优化配煤模型，取得较好的工业应用。

　　还有研究人员以单煤价格、发热量、灰分等指标作为约束条件，采用粒子群算法对火电厂的配煤优化进行研究。但遗传算法、粒子群算法都存在易早熟、容易陷入局部极值等问题，将其应用于工业生产尚存在一定的不足。

　　研究人员采用协同与学习策略对量子粒子群算法进行了改进，并将其应用于移动配煤机自动配煤优化，实验结果表明该方法能够速度、牢靠且有用地获得优化结果。

　　该方法先对量子粒子群进行了改进，引入协同与学习策略增加了算法的搜索性能。在对自动配煤系统数学建模时，采用加权法将其由多目标优化问题转化成单目标优化的问题，再经过协同量子粒子群优化求解。

　　实验结果表明在对移动配煤机自动配煤系统的优化中，协同量子粒子群具有越优良的搜索能力，能够速度、牢靠、有用地获得越优解。