(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 202210497808.X (22)申请日 2022.05.09 (71)申请人 中存大数据科技有限公司 地址 100024 北京市朝阳区管庄东里 （建材 研究院） 3 03幢5层501房间 (72)发明人 张翼　夏凌风　蒙景怡　郭珍妮　 赵博雅　叶寒韵　贺梦蛟　赵峙杰　 孙盈盈　郑明迪　邱林　 (74)专利代理 机构 北京市盛峰律师事务所 11337 专利代理师 于国强 (51)Int.Cl. G06F 30/13(2020.01) (54)发明名称 一种基于模式搜索的水泥烧成模型优化方 法 (57)摘要 本发明公开了一种基于模式搜索的水泥烧 成模型优化方法， 包括确定水泥烧成过程中的优 化变量、 目标函数和限制条件； 对优化过程中的 最大迭代次数、 初始步长、 最小 步长、 步长衰减函 数、 步长扩增函数、 曲率函数、 初始方向集以及附 加方向集进行初始化； 进入循环迭代。 本方法在 确定了目标函数之后， 根据所要调整的变量初设 方向集并可选择地进行拓展， 随后据其进行优化 迭代。 优点是： 相比传统基于梯度的优化方法在 目标函数形式复杂、 梯度计算量较大甚至根本难 以计算时， 该方法无需梯度计算， 一定程度上降 低了优化计算量； 相比进化算法， 该法实际运行 接近基于梯度的优化方法， 运行速度较快、 适用 于水泥烧成系统优化 这类需要即时优化的问题。 权利要求书1页 说明书5页 附图1页 CN 115048690 A 2022.09.13 CN 115048690 A 1.一种基于模式搜索的水泥烧成模型优化方法， 其特 征在于： 包括如下步骤， S1、 确定水泥烧成过程中的优化变量、 目标函数和限制条件； S2、 对优化过程中的最大迭代次数、 初始步长、 最小步长、 步长衰减函数、 步长扩增函 数、 曲率函数、 初始方向集以及附加方向集进行初始化； S3、 判断当前迭代次数是否小于或等于最大迭代次数， 若是则进入步骤S4； 否则跳出当 前循环进入步骤S7； S4、 判断当前迭代步长是否小于最小步长， 若是则跳出当前循环进入步骤S7； 否则进入 步骤S5； S5、 依次检查方向集中的方向， 确定是否存在某个方向使目标函数在此方向下降的比 曲率函数更快， 且同时满足限制条件； 若是， 则将当前迭代点移动至该点， 同时将当前步长 乘以步长扩增函数作为下次迭代步长， 并返回步骤S3； 否则进入步骤S6； S6、 保持当前点为下次迭代点， 同时将当前步长乘以衰减函数作为下次迭代步长， 并的 返回步骤S3； S7、 返回当前迭代点作为优化结果。 2.根据权利要求1所述的基于模式搜索的水泥烧成模型优化方法， 其特征在于： 所述优 化变量为头煤、 尾煤、 二次风 量和三次风 量。 3.根据权利要求1所述的基于模式搜索的水泥烧成模型优化方法， 其特征在于： 所述目 标函数为头 煤量和尾煤量的综合， 即烧成段总耗煤量。 4.根据权利要求1所述的基于模式搜索的水泥烧成模型优化方法， 其特征在于： 所述限 制条件为五级预 热器的下 料温度不小于温度阈值T。 5.根据权利要求4所述的基于模式搜索的水泥烧成模型优化方法， 其特征在于： 所述温 度阈值T为85 0℃。权　利　要　求　书 1/1 页 2 CN 115048690 A 2一种基于模式搜索的水泥烧成模型优化方 法 技术领域 [0001]本发明涉及水泥烧 成模型优化技术领域， 尤其涉及一种基于模式搜索的水泥烧 成 模型优化方法。 背景技术 [0002]近年来， 为面对能源环境问题和气候变化带来的严峻挑战， 我国采取了强有力措 施， 国务院及相关部委相继出台了一系列节 能减排方面的政策和举措。 水泥制 造业是我国 的高能耗行业之一， 其中烧成系统又是其主要的耗能部 分， 因而在当前政策形势下， 对水泥 烧成部分进行参数优化以实现节能降耗的研究愈发重要。 [0003]过往不乏水泥烧成系统建模的研究， 但无论从机理还是数据建模， 也无论最后结 果是比较精确或是仅能部分贴近实际， 要用于生产以实现节 能降耗， 均需在模型 的基础上 进行优化。 常用的模型优化方法主 要可分为基于梯度的方法和进化 算法。 [0004]基于梯度的优化方法通常根据目标函数的导数确定优化方向， 加上对步长、 梯度 等参数进行校正和调整， 反复迭代以最终实现优化。 此类方法易于实现， 变体繁多， 在很多 问题上性能优异， 也在工程技术领域多有应用。 但因该类方法基于梯度实现， 在目标函数形 式复杂、 梯度难以直接表达时， 梯度的计算只能基于导数定义实现， 而这在多变量优化过程 中往往伴随较大的代价。 [0005]进化算法是借鉴了进化生物学中的一些现象而发展起来的优化算法， 也被称为演 化算法， 一般包括基因编 码、 种群初始 化、 交叉变异、 筛选 保留等基本操作， 经由类似生命进 化的过程完成对目标函数的优化。 该类方法过程简单、 易于拓展且具有较好的鲁棒性， 在组 合优化、 超参数优化、 黑箱优化以及多目标优化等场景下较为适用。 但该类算法本质上是依 靠目标函数的随机 搜索过程， 难以避免优化速度较慢的问题。 [0006]水泥烧成系统的模型由于其自身的工艺流程， 必然是一个多输入多输出的模型。 同时， 因为烧成系统流程较长、 涉及反应较为复杂且存在部分无法观测的变量， 最 终搭建的 模型难免形式复杂从而难以直接表达目标函数 的导数。 于是， 使用基于梯度的优化方法将 面临计算量大， 运行速度较慢的问题， 更无需提自带运行较慢特性的进化算法。 但水泥烧成 属于一个动态过程， 而优化则是基于静态进 行的， 优化速度 慢很可能会造成优化完成时， 优 化结果已不再适用于 当前生产情况。 因此， 需找 寻一种速度快、 适用于水泥烧成系统优化的 算法。 发明内容 [0007]本发明的目的在于提供一种基于模式搜索的水泥烧 成模型优化方法， 从而解决现 有技术中存在的前述问题。 [0008]为了实现上述目的， 本发明采用的技 术方案如下： [0009]一种基于模式搜索的水泥烧成模型优化方法， 包括如下步骤， [0010]S1、 确定水泥烧成过程中的优化变量、 目标函数和限制条件；说　明　书 1/5 页 3 CN 115048690 A 3