来源：期刊VIP网 时间：
作者：董壮壮;王月明;
单位：内蒙古科技大学自动化与电气工程学院;
摘要：优化布料矩阵是实现高炉节能降碳的关键环节，然而现有研究对布料矩阵与燃料消耗参数的映射关系尚未充分揭示。为此，提出一种基于K-Means聚类、极端梯度提升（XGBoost）和粒子群优化（PSO）算法的高炉布料矩阵优化方法。首先，在高炉布料矩阵聚类方面对比分析K-Means和模糊C均值两个聚类算法，选择聚类效果较好的K-Means模型对高炉炉况进行聚类分析；然后，结合K-Means聚类结果和特征选取，提取布料矩阵关键特征参数，并建立XGBoost、径向基神经网络和随机森林模型来预测高炉燃料比，选择对燃料比预测最准确的XGBoost模型作为预测模型；最后，在XGBoost模型基础上，分别采用PSO和遗传算法进行燃料比最小值寻优并对比，选择优化效果较好的PSO进行结果分析。结果表明，所提方法能够在一定程度上改善高炉矿石熔化条件，降低燃料比，促进高炉节能降碳。
关键词：高炉;;布料矩阵;;K-Means;;XGBoost;;粒子群算法;;节能降碳
基金资助：国家自然科学基金项目（61962046）;; 内蒙古自治区关键技术攻关项目（2021GG0045）
