基于神经网络的炼焦最优配煤成本计算系统开发

合集下载

基于Web的炼焦生产实时监控系统设计与实现的开题报告

基于Web的炼焦生产实时监控系统设计与实现的开题报告一、研究背景钢铁行业是国民经济重要组成部分之一，对于国家的工业化进程与经济发展具有重要意义。

炼焦生产作为钢铁生产的重要环节之一，对钢铁产品的质量和效益具有非常重要的影响。

传统的炼焦生产方式存在着一些不足之处，如生产效率低、环保不达标等问题。

因此，如何提高炼焦生产的自动化水平及环保性能成为钢铁企业追求的目标之一。

随着现代化信息技术的发展，各行业也逐渐将信息技术应用到生产、管理、资源配置等各个方面。

基于Web的实时监控系统以其实时、直观、远程管理等优势，已成为现代化工业生产管理的重要工具。

Web监控系统能够实时采集、处理、分析工业生产过程中的各种数据信息，并将结果在网页上直观显示出来，从而对炼焦生产流程进行实时监控和数据分析等，提高企业的生产效率和环保水平。

二、研究内容本文主要研究基于Web的炼焦生产实时监控系统设计与实现。

研究主要包括以下几个方面：1.炼焦生产流程分析。

通过对炼焦生产流程的研究，分析生产过程中各个环节的运行状态和数据信息。

2.监测设备的选型与接入。

根据生产过程中需要监测的参数和数据要求，选取适当的传感器及监测设备，并将其接入到Web系统中。

3.系统架构设计与实现。

根据研究要求，设计基于Web的炼焦生产实时监控系统，并实现其功能，对系统进行优化和改进。

4.系统测试与应用。

对设计和实现的炼焦生产实时监控系统进行测试和调试，检验系统功能是否满足要求。

并将系统应用到实际炼焦生产中，进行实时监控和数据分析。

三、研究意义本研究将利用现代化信息技术提高炼焦生产的自动化水平及环保性能，实现生产过程的自动化、智能化和绿色化。

通过监测设备的接入和数据信息的采集，能够实现对炼焦生产过程的实时监控和数据分析。

同时，通过Web界面对数据进行可视化展示，对生产过程中出现的问题进行及时排查和处理，提高生产效率和质量，并达到环保要求。

四、研究方法本研究将采用文献资料法、实验分析法、工程设计法和软件开发方法等多种研究方法，分析和实现炼焦生产实时监控系统的设计和开发过程。

基于广义回归神经网络的煤炭企业成本预测

孙方元卫
（１．西安邮电大学通信与信息工程学院西安
摘要
晨
７１００６１）
７１００６１）（２．西安邮电大学管理工程学院西安
针对煤炭企业成本预测相关因素的复杂性，为了解决传统成本预测方法在煤炭企业成本预测问题上的不适
用性和不准确性，提出了基于广义回归神经网络的煤炭企业成本预测方法。该方法基于广义回归神经网络算法，以物资消耗成本为例，以比较关键的八个影响因素标准化样本数据作为输入数据，构建了网络模型，并通过Ｍａｔｌａｂ仿真出预测结果。结果表明该成本预测方法的科学性与准确性。
ＡｂｓｔｒａｃｔＴｈｅｒｅｌａｔｉｖｅｆａｃｔｏｒｓａｂｏｕｔｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｃｏａｌｅｎｔｅｒｐｒｉｓｅｃｏｓｔａｒｅｃｏｍｐｌｅｘ．Ｔｈｅｒｅｓｅａｒｃｈｏｆｔｈｅｐｒｅｄｉｃ — ｔｉｏｎｍｅｔｈｏｄｏｆｃｏａｌｅｎｔｅｒｐｒｉｓｅｃｏｓｔｂａｓｅｄｏｎｇｅｎｅｒａｌｉｚｅｄｒｅｇｒｅｓｓｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｉｎａｐｐｌｉｃａｂｉｌｉｔｙａｎｄｉｎａｃｃｕｒａｃｙｏｆｔｒａｄｉｔｉｏｎａｌｃｏｓｔｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｉｎｔｈｅｃｏａｌｅｎｔｅｒｐｒｉｓｅ．Ａｎｅｔｗｏｒｋｍｏｄｅｌｈａｓｂｅｅｎｂｕｉｌｔｔｈｒｏｕｇｈｇｅｎｅｒａｌｉｚｅｄｒｅｇｒｅｓｓｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ，ｉｎｔｈｅｃａｓｅｏｆｍａｔｅｒｉａｌｃｏｓｔａｎｄｔｈｅｅｉｇｈｔｋｅｙａｆｆｅｃｔｉｎｇｆａｃｔｏｒｓｏｆｔｈｅｓｔａｎｄａｒｄ — ｉｚａｔｉｏｎｓａｍｐｌｅｄａｔａａｓｉｎｐｕｔｄａｔａ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｒｅｓｕｌｔｓａｒｅｐｒｅｄｉｃｔｅｄｂｙＭａｔｌａｂｓｉｍｕｌａｔｉｏｎ．Ｉｔｓｈｏｗｓｔｈａｔｔｈｅｃｏｓｔｐｒｅｄｉｃ — ｔｉｏｎｍｅｔｈｏｄｉＳｓｃｉｅｎｔｉｆｉｃａｎｄａｃｃｕｒａｔｅ．ＫｅｙＷｏｒｄｓｃｏａｌｅｎｔｅｒｐｒｉｓｅ，ｃｏｓｔｐｒｅｄｉｃｔｉｏｎ，ｇｅｎｅｒａｌｉｚｅｄｒｅｇｒｅｓｓｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ

焦化智慧配煤系统设计方案

焦化智慧配煤系统设计方案设计方案名称：焦化智慧配煤系统设计方案设计方案概述：焦化智慧配煤系统是一种利用先进的信息技术、人工智能和大数据分析技术，对焦化炉原料煤进行智能化配比的系统。

该系统通过实时监测焦化炉的工艺参数，结合大数据分析，自动调控原料煤的配比比例，以实现最佳燃烧效果和生产效益的最大化。

设计方案详述：1. 系统硬件设施：焦化智慧配煤系统需要配备传感器、数据采集设备、智能控制设备等硬件设施，以实现对焦化炉的参数实时监测和控制。

其中，传感器用于采集焦化炉的温度、压力、流量等工艺参数，数据采集设备用于实时接收并传输这些参数数据，智能控制设备则是对数据进行分析和处理，并根据分析结果进行智能化控制。

2. 数据采集与传输：焦化智慧配煤系统需要建立一个完善的数据采集与传输网络，以确保参数数据能够及时、准确地传输到智能控制设备。

可以采用无线传输技术、以太网等方式进行数据传输，并配备数据传输设备（如路由器）进行数据的接收和传输。

3. 数据分析与建模：通过对焦化炉的工艺参数进行实时监测，并结合历史数据进行大数据分析和挖掘，建立合适的数据模型。

可以利用机器学习算法对数据进行训练和优化，以获取更准确的模型参数，并能够预测炉内煤炭燃烧状况。

同时，还可以利用数据分析技术进行故障诊断和预警，提前发现和处理潜在的问题。

4. 智能化控制：通过建立合适的控制算法，并结合数据模型和实时参数数据，对原料煤的配比比例进行智能化调控。

根据炉内煤炭的燃烧状态，动态调整煤的配比比例，以达到最优燃烧效果和生产效益的最大化。

可以通过控制参数的自动调整，实现对焦化过程的精细调控，提高炉内的煤炭利用率和燃烧效率。

5. 用户界面设计：设计一个直观、简洁的用户界面，方便操作人员进行参数设置和监控。

界面可以显示焦化炉的实时参数数据、数据分析结果等信息，并提供报警和故障诊断功能，以支持对炉内状况的实时监控和处理。

6. 系统集成和优化：焦化智慧配煤系统需要与现有的焦化炉控制系统进行集成，确保两个系统之间的数据传输和交互的稳定和高效。

基于综合神经网络的优化配矿系统模拟模型及应用_李云涛

收稿日期:2003-08-13　联系人:李云涛(410083)湖南长沙　中南大学钢铁系烧结球团研究所设计与研究基于综合神经网络的优化配矿系统模拟模型及应用李云涛　范晓慧　刘代飞 (中南大学钢铁系烧结球团研究所) 摘　要　针对烧结配矿的复杂性,建立了综合神经网络模拟模型,用以仿真烧结配矿与烧结矿产质量指标间的关系,并利用生产数据对模型进行了检验。

综合神经网络的应用能大大提高预报的命中率,同时,对在其他领域的应用,也有很好的参考价值。

关键词　综合神经网络　优化配矿　模拟模型1　前　言烧结生产是一个复杂的物理、化学过程,对该过程的研究还在不断地进行。

烧结生产的目的是得到符合产、质量指标的烧结矿,以满足高炉生产的需要。

基于我国铁矿石的资源状况,我国钢铁工业越来越多地使用国外铁矿石,铁矿石种类在不断增加。

如何在烧结生产中合理搭配使用这些日益变化的铁矿石,使之满足生产需要,已成为钢铁工业研究的一大内容。

尤其是当一种新品种的铁矿石用于烧结时,往往要进行不断摸索和反复调整,才能满足产质量指标的要求。

如果能充分利用已有的生产数据,迅速预报出一种混合料的生产效果,即找到各种铁矿石配比与生产产质量指标间的关系,就能为配料找到一条好的解决方法。

神经网络具有自组织、自适应以及自学习等优点。

其中,多层前馈神经网络(即BP 神经网络),由于具有很好的非线性逼近能力、性能稳定、应用广泛,很适合在配料系统中采用。

但B P 神经网络在应用中存在运算速度慢、不易达到全局最优、网络参数和训练参数难确定等不足,实际应用中需要对BP 神经网络进行各种各样的处理和改进。

本文通过采取几种措施对BP 神经网络进行改进,同时结合遗传算法,确定了一种满足优化配料系统的综合神经网络模型。

2　BP 神经网络模型2.1　B P 神经网络应用理论定理1　Kolmogorov 于1957年提出,给定任一连续的函数f :[0,1]n※R m,f 可以精确的用一个三层神经网络实现,此神经网络的第EFFEC T OF BENT ONITE AD DITIVE ON PELLETIZINGOPERATION OF OUR C OU NTRYZhang Xinbing et al . Abstract The application of bentonite additive in pelletizing operation of our country was introduced and the reasons that bentonite addition rate is too high in great majority of pelletizin g plant were analyzed .And then some ways which could decrease the bentonite ad -dition to increase the pellet grade and improve the pellet q uality were proposed .Key words bentonite ,palletizing operation ,pellet quality7第28卷　第6期2003年11月烧结球团Sintering and PelletizingD OI :10.13403/j .sjqt .2003.06.003一层,即输入层有n 个神经元,中间层有2n +1个神经元,第三层有m 个神经元。

炼焦配煤优化应用研究

炼焦西蝶优化应用研究李金朋(唐山中润煤化工有限公司，河北唐山063611)瞒要]炼焦配煤工艺直接影响到焦炭生产的质量，针对传统的炼焦配煤工艺的影响因素，采用神经网络模糊控制算法优化设计了炼焦配煤工艺的控制模型，并简单对其工业应用进行了探讨，对于进一步提高炼焦配煤工艺的生产质量具有一定借鉴意义。

[关键词】炼焦配煤；工艺优化；神经网络；模糊控制1引言焦炭是冶金、机械、化工行业的主要原料和燃料。

高炉用焦和铸造用焦要求灰纠氏、含硫少、强度大，而大多数单种煤在焦炉内不易炼出机械强度较高的优质冶金焦。

我国煤炭资源虽然比较丰富，但炼焦煤资源却相当贫乏，为了合理的利用煤炭资源，节约优质炼焦煤，生产出符合质量要求的焦炭，必须采用炼焦配煤技术。

本文针对在炼焦配煤过程中，确定配比时主观随意性大、准确性不高的问题，设计了炼焦配煤忧化模型，并对其工业应用进行了分析探讨，以期获得有利于炼焦配煤工艺的方法，并和同行分享。

2炼焦配煤工艺概述21炼焦配煤工艺分析配煤过程涉及到把多种性质不同的单种煤，按照一定的比例进行配合，得至4符合质量要求的配合煤。

这种配合煤通过炼焦过程后，可以获得高炉炼铁用的焦炭。

目前—般的焦化厂的炼焦配煤工艺大致是：通过配煤槽，将各蹀槽中的单种煤传送到输送皮带上，混合均匀后经过除铁和粉碎送往焦炉炼焦。

22炼焦质量影响分析—般而言，影响炼焦质量的主要因素可以概括为以下几个：1)水分。

配合煤的水分可由各单种煤水分进行加和来计算。

配合煤的含水量对焦炉的生产和焦炭质量都有很大影响。

配煤水分高，炼焦耗热量大，结焦时间长，因而使焦炉生产能力降低。

配合煤水分应力求稳定，以利焦炉加热制度稳定，因此来煤应避免直接进配喇菩。

2)灰分。

配合煤的灰分可由各单种煤灰分进行加和来计算。

在炼焦过程中，配合煤的灰分全部转入焦炭。

灰分是硬度较大的惰性物质，配合煤灰分高，则粘结性较差，炼出的焦炭裂纹宽、深且长，强度低。

在高炉冶炼中，高灰分的焦炭一方面在热作用下裂纹扩展，焦炭粉化影响透气性：另一方面，在高温下焦炭结构强度降低，热强度差，使焦炭在高炉内进一步破坏，不能很好地起到骨架作用。

基于模型计算的焦化配煤优化系统设计

架等技术，实现ＵＩ的美化、生成分析图表和指导方案、移动端适
配功能。如图１所示。
数据服务器使用Ｏｒａｃｌｅ，能够从生产ＥＲＰ系统自动获取煤
种数据及每日库存量。
一
Ｌｉｎｇｏ软件是一个交互式的线性和通用优化求解器，在规划研究及应用领域有广泛的运用。线性规划在经济工作中的应用十分广泛，线性规划中的对偶规划、影子价格等概念，具有深刻的经济学意义，在经济决策方面提供有效的决策支持。在实际
焦化配煤优化系统使用Ｌｉｎｇｏ数学模型对配煤结构进行优化，使用Ｊａｖａ语言进行设计，对需要合煤的数据进行分析，生成相应的模型文件并求解分析。
１技术应用简介１．１Ｌｉｎｇｏ规划求解
ＫｅｙｗｏｒｄＳ：ｃｏａｌｂｌｅｎｄｉｎｇｏｐｔｉｍｉｚａｔｉｏｎ，ｍｏｄｅｌｃａｌｃｕｌａｔｉｏｎ，ｆｒｏｎｔ — ｅｎｄｆｒａｍｅｗｏｒｋ，ｍｏｂｉｌｅｆｉｒｓｔ
刘庆祝（邢台钢铁有限责任公司，河北邢台０５４０２７）
摘要：随着我国工业化水平的提高，焦化工业对精煤的质量要求越来越高，传统的人工配煤方法远不能完成配比要求。

基于BP神经网络和遗传算法的智能配煤系统开发与应用

基于BP神经网络和遗传算法的智能配煤系统开发与应用目录一、内容概括 (2)1.1 背景与意义 (2)1.2 研究目标与内容 (3)二、相关理论与技术概述 (4)2.1 BP神经网络理论 (5)2.2 遗传算法理论 (6)2.3 智能配煤系统研究现状 (7)三、基于BP神经网络的智能配煤系统设计 (9)3.1 系统结构与功能设计 (10)3.2 神经网络构建与训练 (11)3.3 系统软件设计与实现 (13)四、基于遗传算法的配煤优化模型构建 (14)4.1 优化问题描述与模型建立 (15)4.2 遗传算法参数选择与优化 (16)4.3 优化结果评价与分析 (17)五、智能配煤系统的开发与应用 (18)5.1 系统开发环境与平台选择 (20)5.2 系统实现与调试 (21)5.3 系统应用效果分析与评价 (24)六、结论与展望 (25)6.1 主要研究成果总结 (26)6.2 研究不足与改进方向 (27)6.3 未来发展趋势与展望 (27)一、内容概括本文档主要研究了基于BP神经网络和遗传算法的智能配煤系统开发与应用。

介绍了BP神经网络的基本原理和应用，分析了BP神经网络在智能配煤系统中的应用优势。

详细阐述了遗传算法的基本原理、优化策略以及在智能配煤系统中的应用方法。

结合实际案例，对基于BP神经网络和遗传算法的智能配煤系统进行了设计与实现，包括数据预处理、模型构建、参数优化等步骤。

通过实验验证了所设计系统的性能优越性，并对未来研究方向进行了展望。

本文档的研究结果对于提高煤炭资源的利用效率、降低环境污染具有重要意义。

1.1 背景与意义随着工业技术的不断进步和智能化水平的不断提高，煤炭行业作为国家经济发展的重要支柱，面临着转型升级的巨大挑战。

在煤炭的生产、加工和使用过程中，配煤技术是影响煤炭资源高效利用的关键环节。

传统的配煤方法主要依赖于人工经验和实验分析，不仅耗时耗力，而且精度和效率受限。

开发一种能够自动化、智能化进行配煤的系统显得尤为重要。

基于神经网络的炼油过程数据分析技术研究

基于神经网络的炼油过程数据分析技术研究随着互联网技术的快速发展，各行各业都在加快数字化转型的步伐。

其中，炼油行业是一个典型的例子。

炼油厂生产过程中会产生大量的数据，这些数据包含了各种生产指标、温度、压力、流量等信息。

如何将这些数据进行有效的分析，提高生产效率，降低成本费用，一直是炼油行业的一个难题。

近年来，随着神经网络技术的不断发展，炼油过程数据分析技术得到了长足的进展。

一、神经网络技术神经网络技术是一种涉及到计算机科学、人工智能、数学等多学科的交叉领域。

它的理论基础是仿照生物学中神经元的结构特点，以及神经细胞之间的连接方式，从而构建出一种能够模拟人脑“学习”过程的结构。

在神经网络中，每个神经元都有一个输入和一个输出，神经元之间通过权重连接形成了一个网络。

通过不断调整权重和偏置，网络可以自适应地进行一些判断和预测。

二、炼油过程的数据分析炼油厂的生产过程中，会产生大量的数据。

这些数据包含了生产指标、温度、压力、流量等信息，但是这些数据并不是随便采集的，而是有一定的规律和周期的变化。

炼油工艺是一个复杂的过程，涉及到多个阶段，每个阶段输入输出的数据都是不同的，这就要求炼油数据分析系统需要有良好的输入处理和输出分析能力。

在炼油数据分析中，主要分为两个方面：一是数据的预处理，二是数据的分析和建模。

1.数据预处理数据预处理是对原始数据进行清洗、规范化、标准化等处理。

由于炼油工艺中涉及到的数据种类多、采集不便、采集周期长等问题，数据质量不可靠，因此需要在数据预处理的环节中，对数据进行去噪、缺失值处理、异常值处理、数据标准化等步骤，保证数据的准确性和可靠性。

2.数据分析和建模数据分析和建模是炼油过程数据分析的重点。

通过对数据的分析，可以了解到炼油工艺的生产状况，判断出哪些因素对生产有重要影响。

在建模方面，可以基于历史数据建立模型，来对未来的生产情况进行预测，从而为生产的决策提供支持。

三、基于神经网络的炼油过程数据分析技术采用神经网络技术来进行炼油过程数据分析，可以实现自适应学习，自动建模和预测。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于神经网络的炼焦最优配煤成本计算系统开发
摘要：为了快速准确地得到最佳配比和最优配煤成本，系统建立了以炼焦成本为目标函数，以焦炭质量为约束条件的配煤比优化模型，并将得到的配煤比代入预先建立的焦炭质量预测模型，从而得到预报的焦炭质量指标，用户如果对得到的结果满意，可将配煤比投入实际应用，如果焦炭质量指标不符合用户要求，可重新调整单种煤配比范围，再次计算最优配煤成本及最佳配煤比。

关键词：神经网络；配比；配煤成本；计算系统
1引言
宣钢炼焦用煤主要来自内蒙、山西、河北等地，矿点多达数十个，并且质量波动大，来煤不均衡，给配煤炼焦工艺带来一定困难。

宣钢一直沿用的配煤方法就是根据单种煤及配合煤的各种化验指标和粘结性进行配煤炼焦，结合生产实践经验进行配煤比的确定，这样既费时又费力，不仅成本高，而且焦炭质量易发生波动，因此，在保证焦炭质量的前提下，如何快速准确地得到最佳配比和最优配煤成本，是宣钢乃至全国炼焦行业亟需解决的重要课题。

基于神经网络的炼焦最优配煤成本计算系统采用广泛使用的关系数据库查询语言SOL Server 2000和面向对象的编程语言Visual Basic 6.0设计，系统内部还调用了优秀的数学软件lingo11.0 和用于神经网络建立和仿真的Matlab软件，通过对该系统的应用，可以快速准确地得到配煤比和配煤成本，为炼焦行业及其它同类企业预测配比和生产成本提供一种新思路。

2系统设计思想
系统应用Lingo11.0这款优秀的数学软件，建立了以炼焦成本为目标函数，以焦炭质量（线性关系）为约束条件的配煤比优化模型，并将得到的配煤比代入预先建立的焦炭质量预测模型，从而得到预报的焦炭质量指标，用户如果对得到的结果满意，可将配煤比投入实际应用，如果焦炭质量指标不符合用户要求，可重新调整单种煤配比范围，再次计算最优配煤成本及最佳配煤比。

在焦炭质量预测模型的建立上，以往的经验多是建立成为一个线性模型，再通过线性模型的修正达到较好的效果。

随着神经网络技术的发展，由于神经网络在处理非线性问题的先天优势，所以利用神经网络来解决非线性建模是个很理想的途径。

因此，配煤成本计算系统使用Matlab 7.0中的神经网络工具箱来完成对焦炭质量预测模型的建立和仿真。

3 系统功能描述
系统由焦炭质量标准管理、来煤信息管理、计算最优成本、神经网络优化模型等几大功能模块组成,其中计算最优成本和神经网络优化模型是系统的核心内容,代表了本系统开发的思想和意义。

3.1来煤信息管理
来煤信息数据包含煤场所有矿点及煤种的煤质数据，原始数据存放在外部Excel表格中，来煤信息管理功能是将来煤信息数据从外部Excel表格导入到系统中，便于优化配比时从中选出需要的煤种及煤质数据。

3.2 焦炭质量预测模型的建立
焦炭质量预测模型包括焦炭的灰分、硫分、M40、M10、CSR、CRI等焦炭质量指标，用户可以从外部Excel表格导入预测样本数据。

本系统利用神经网络的非线性特性及自学习能力等功能，应用BP组合神经网络建立各指标的预测模型。

训练样本及测试样本的数量操作者可以自定，本系统使用了40组训练样本数据和20组测试样本数据，。

3.3 配煤成本的计算
根据在保证焦炭质量的前提下最大限度地降低配煤成本的原则，我们建立了以配煤成本为目标函数，以焦炭质量为约束条件的配煤比优化模型。

目标函数，亦称“评价函数”，指在数学规划中，要求在一定条件下求极小化或极大化的函数，即实际优化问题所追求目标的数学描述。

确定最优的配煤方案一直是焦化企业所关心的问题,其追求的目标主要有以下几个方面：
第一，在给定单种煤来源、焦炭质量满足要求标准的条件下,寻求配合煤成本达到最低的配煤方案。

即有N种煤源可供选择，从中选出n种煤进行配煤，第i种煤的成本为，配比为，则要求配煤成本最低的目标函数表达式为：
第二，焦炭质量约束条件主要包括：化学组成约束（灰分，硫分），机械强度约束（M40，M10），热性质约束（CSR，CRI）。

由于这些约束条件是国家或企业对焦炭质量的强制性要求，因此是必须满足的。

第三，其它约束条件，这些约束不是必须要满足的，应根据具体情况而定。

主要包括以下几个方面：
a、为了某种目的（如：充分利用当地的煤炭资源等），炼焦厂有时可能对某种煤的用量给出最小最大的配比限制，即配煤比的约束（配比范围可由操作人员从界面输入）：
b、配比的特殊要求，例如单种煤配比和为100，即
c、企业也可根据商业需求或设备条件设定约束条件。

很显然这是一个非线性规划问题，本项目为了求解非线性规划问题采用了Lingo11.0这款优秀的数学软件，把它嵌入到炼焦最优配煤成本计算系统中，这样就可以方便的得到最终的结果，即最优的配煤比。

菜单中的计算最优成本功能首先从来煤信息中选择所要配的单种煤，然后操作者从工艺和成本角度考虑添加各单种煤的配比限制，系统根据给定的单种煤及配比范围自动计算出最优的配煤成本和最佳配比。

由计算最优成本功能计算出的最佳配比是否能够满足焦炭质量要求，需要通过焦炭质量预测模块验证。

用户将得到的最佳配比代入神经网络预测模型，可得到焦炭质量指标值，用户对得到的焦炭质量指标满意则保存配比退出系统；如果预测出的焦炭质量指标不符合工艺要求可返回到计算最优成本界面重新选择各单种煤煤种或者在单种煤煤种不变的情况下重新限定各单种煤配比。

4 结论
炼焦最优配煤成本计算系统的创新之处是在计算配煤成本过程中，首次将计算极值和神经网络结合，用神经网络的预测结果验证最佳配比和最优成本，为炼焦生产过程最佳配比和最优成本的计算提供了一种新思路，也为最优成本的预测提供了一种新方法。