作为水泥生产大国，我国2020年的水泥生产量已达到2.38×109 t[1]．水泥生产的流程可以简单概括为两磨一烧，其中生料配料是整个水泥生产工艺中极其重要的一个步骤，科学的水泥生料配比可以指导烧制出优质水泥．传统的水泥配料方法主要分为电算类和人工计算法两大类[2]．人工计算法(如试凑法)速度较慢、效率极低，现代水泥厂基本不再采用此种配料方法[3]．电算法如excel线性规划法，代替人工计算取得了一定的进步，但是仍然会出现计算不收敛无解的情况[4]，难以同时满足经济、环保等多方面要求的生产配料需求．近些年来遗传算法成为生料配料领域一个新的研究热点[5]，它是一种全局寻优算法，模仿生物进化的过程根据优胜劣汰来逐步获得最好的结果[6]．将遗传算法引入到水泥生料配比的多目标优化配比需求之中具有很高的可行性和优越性[7]，文献[8]利用NSGA-Ⅱ算法进行以熟料三率值为多目标优化的生料配比寻优计算，结果优良．文献[9]利用NSGA-II算法计算最优目标约束下的生料配比，建立了一个10目标优化水泥生料配比的模型以优化5种重金属(Cd，Hg，Pb，As，Cr)和5种传统目标(经济成本、能源、CO2、颗粒物和NOx)．上述文献中遗传算法应用于水泥生料的配比寻优多集中在三率值优化和经济、环保多目标优化方面，但是针对生料本身的理化性质进行优化研究的较少，未能全面考量优先消纳某类库存压力大废渣的实际需求．新疆T水泥厂开发出一套全废渣替代天然原料制备水泥工艺，针对其废渣原料种类多达11种、成分复杂的生料进料系统，采取人工计算法消耗的人力大，电算法抗扰性极差，难以得到均衡满足熟料目标三率值和水泥生产性能要求的生料配比．本研究提出一种基于仿生算法的全废渣水泥生料配料优化算法，从废渣原料的理化性质特征入手，以固体废物消纳驱动，得到的水泥原料配比既能较均衡地满足预期三率值，又可优先消纳库存压力较大的固体废渣，与人工试错法、excel线性/非线性求解法和传统的遗传算法计算相比，具有效率高、准确度高和实用性强的特点．1 全废渣水泥生料质量控制系统1.1　全废渣水泥生料特征由所生产的水泥品种、原燃料品质和水泥厂生产条件来选择合适的熟料三率值，即石灰饱和系数(lime saturation factor，KH或LSF)、硅率(silica modulus，SM)和铝率(alumina modulus，IM)，继而对原料和燃料进行配比计算，通过控制生料的配比来保证熟料质量，此过程称为水泥的生料配料[10]．水泥配比也同样决定着水泥烧成的固相反应过程、熟料的矿物相组成等，继而影响水泥的质量性能等指标[11]．传统水泥配料指的是将四种天然原料，如石灰石(钙质原料)、黏土(铝质原料)、铁粉(铁质原料)、砂岩(硅质原料)，经过破碎、烘干后，按照经过目标三率值的要求计算后得到的比例进行混合，由皮带秤传送到磨料机中进行磨碎，而后经由选粉机械对粗细颗粒进行分离，即将粗粉颗粒送回粉磨机继续粉磨，筛选下来的细粉颗粒送到生料均化库中作为水泥生料[12]．近些年来工业固废用来代替天然原料生产水泥越来越受到水泥行业的重视[13]．利用工业固废如铁渣、粉煤灰、电石渣、赤泥等的化学组成成分的特点，来代替传统水泥生产的天然原料，可以很大程度地实现工业固废减量化处理[14]．新疆T水泥厂用电石渣、粉煤灰、煤矸石、铁质尾矿和脱硫石膏等11种废渣分别代替生产水泥所需要的天然钙质原料、铝质原料、铁质原料、硅质原料和缓凝原料，顺利开发出全废渣低温煅烧水泥的技术．面对进料种类组分多变造成水泥质量不稳定这一棘手问题，本研究将提出一种基于仿生算法的全废渣水泥生料配料优化策略．1.2　全废渣水泥质量控制流程以新疆T水泥厂为例，其现采用的全废渣水泥生料配料系统流程图见图1．水泥厂化验室人员将各种废渣原料取样通过元素分析仪进行分析(氧化物组分含量)，经过人工计算得到所需目标三率值的生料配比；每隔1 h取均化库的生料样进行(氧化物组分含量)分析，根据生料组分的实时监测结果和目标三率值之间的偏差反馈，再次通过人工计算进行进料配比的调整，使之接近目标三率值．现有的生料控制系统主要采用人工计算法来分析，进一步加剧生料分析结果的延迟性，且仍然无法精准地接近目标三率值，给生料配料和后续生产带来了诸多不确定性的因素.10.13245/j.hust.221007.F001图1新疆T水泥厂全废渣水泥生料配料工艺流程图实际上在水泥实际的生产工艺中，生料配比不仅须要同时满足多个率值要求，同时也要满足企业其他方面的生产需求，如水泥生产成本监测指标、水泥性能监测指标等．利用工业固废无害化处理制备水泥工艺的生料配料相比较传统水泥生料配料考虑的因素更多，实际生产中应视废渣堆量情况而选择优先消纳某种特定的固体废物以达到综合利用工业固废的目的．因此针对全废渣制水泥的原料特点来建立一套智能高效的生料配料优化策略是非常有必要的，在利用工业固废制造水泥行业乃至其他固废生产建筑材料的配料领域也具有广阔的应用前景．2 基于仿生算法的全废渣水泥生料配料优化数学模型2.1　算法流程介绍为了解决新疆T水泥厂的全废渣生料配料系统采取人工计算法精度有限和难以满足优先消纳某类库存压力大废渣的问题，本研究提出一种新型的基于仿生遗传算法的全废渣水泥生料配料优化策略．这种新型的仿生遗传算法以非支配排序算法多目标优化为代表，基于传统的遗传算法，使用一种快速的帕雷托(Pareto)支配法，在实现快速排序的同时使得到的解在空间中的分布更加均匀，引入了拥挤度这一概念，并尽量选择拥挤度较大的个体以保留此个体的不可替代性；最后引入精英保留策略，确保留下最优个体．将此非支配排序算法直接运用于复杂的工业固废水泥生料配伍之中，尚存在着诸多问题，不能达到满足优先消纳特定固废的目标，且无法解决工业固废进料成分复杂造成的水泥性能不稳定的问题．因此，根据工业固废组成成分的特点，在非支配排序算法的基础上对此算法进行进一步的改进，以实现全废渣水泥生料配料的进一步优化．基于全废渣水泥生产特点的改进型仿生算法的整体运算流程框图如图2所示．10.13245/j.hust.221007.F002图2仿生算法运算流程框图输入历史进料数据后产生初始种群P1，经过非支配排序和仿生的遗传操作，遗传变异生成子种群Q1，将子代种群和父代种群合并为R1，再次经过非支配排序和拥挤度计算产生新父种群，继续遗传进化生成新的子代种群，直至进化代数达到最大设定值或适应度函数小于阈值．通过设置最优前端个体系数，可得到一批满足适应度函数的最优解；将这些最优解按照以某特定固废的最大消纳为目标函数之一从高至低依次排序，取排次靠前的解为最优解．此算法收敛速度快，得到的固废原料进料配比解既能均衡地趋近于目标三率值TKH*，TSM*和TIM*，又尽可能确保某特定固废消纳量最大化，实现符合全废渣水泥生料配料体系的智能优化算法．2.2　进料矩阵转化本仿生算法实现工业固废水泥生料配料的原理为：将固废原料成分数据整合成属性矩阵后，通过改进后的仿生算法优化计算求得最优的若干种固废原料比，同时实现某目标废渣量尽可能多消纳并均衡地接近期望三率值的目标，优化计算求得最优配料比并输出．根据水泥厂工业固废的进料特征，将固废原料成分数据整合成属性矩阵A(属性矩阵)，A为一个5×n的矩阵．A的每一列依次为固废进料原料种类，向量X为水泥生料中各固废原料的进料质量分数，作为待优化向量，向量Y为水泥生料中五种氧化物的质量分数，具体形式为C1C2…CnS1S2…SnF1F2…FnA1A2…Ans1s2…sn⋅X1X2X3⋮Xn=Y1Y2Y3Y4Y5，式中：C1为电石渣中CaO的质量分数，C2为拌合料中CaO的质量分数，依此类推(以下同)；S1为电石渣中SiO2的质量分数，S2为拌合料中SiO2的质量分数；F1为电石渣中Fe2O3的质量分数，F2为拌合料中Fe2O3的质量分数；A1为电石渣中Al2O3的质量分数，A2为拌合料中Al2O3的质量分数；s1为电石渣中SO3的质量分数，s2为拌合料中SO3的质量分数．2.3　目标函数设置TKH*或TLSF*，TSM*和TIM*依次表示目标石灰饱和系数、目标硅率和目标铝率；RKH或RLSF，RSM和RIM依次表示实际石灰饱和系数、实际硅率和实际铝率，由三率值的表达式和优化得到的向量X计算得到．C，A，F，S，s依次为CaO，Al2O3，SiO2，SO3的质量分数．为了使实际三率值实现更加均衡地接近目标三率值，将以下改进的函数作为本仿生算法的目标函数，有      y1=φ1|TKH*-RKH|=φ1TKH*-C-1.65A-0.35F-0.7s2.8S;      y1'=φ1'|TLSF*-RLSF|=φ1'TLSF*-C-0.7s2.8S+1.18A+0.65F;y2=φ2|TSM*-RSM|=φ2TSM*-SA+F；y3=φ3|TIM*-RIM|=φ3|TIM*-A/F|；y4=φ4y12+y22+y32,y4'=φ4y1'2+y22+y32,式中：y1或y1'，y2，y3，y4分别以φ1或φ1'，φ2，φ3，φ4为目标权重因子；φ4为φ1或φ1'，φ2，φ3的5~15倍；φ1或φ1'与φ2之间的比例是0.5~3，φ2与φ3之间的比例是0.5~3，φ1或φ1'与φ3之间的比例是0.5~3．在保证lim y1→0，lim y2→0，lim y3→0，lim y4→0的前提下，y4的权重因子的增大，使y1或y1'，y2，y3可以更加均衡地趋近于0，从而保证实际三率值都能够尽可能地接近目标三率值，同时以电石渣为代表的最大固废原料消纳量作为目标函数y5．在水泥的实际生产中，当水泥的性能对某个三率值的影响较为敏感时，可在算法设置里修改该三率值约束函数前的权重因子φn，以动态地衡量其对水泥配比的影响．如当水泥性能对铝率IM的影响较为敏感时，在算法设计中增加在上述权重范围内对y3权重因子φ3的遍历，再根据水泥三率值与目标三率值差异的均衡性选取最佳权重因子，从而实现约束函数前权重因子φn的动态调整．比起传统水泥配料方法中计算三率值的约束条件(取三率值差的平方和)，这种方法可以使实际三率值RKH或RLSF，RSM和RIM无限接近期望三率值TKH*或TLSF*，TSM*，TIM*，且能科学衡量某一敏感率值对水泥配比的影响．3 基于仿生算法的全废渣水泥生料配料全局寻优3.1　仿生算法的配料优化测试以新疆T水泥厂某次的工业废渣原料成分为例来说明仿生算法对给定目标三率值(TKH*=0.88，TSM*=2.15，TIM*=1.45)和期望优先消纳废渣为电石渣的条件下求解水泥最佳配比的算法过程．表1为算法程序导入进料固废各氧化物的质量分数．10.13245/j.hust.221007.T001表1进料固废质量分数和进料中各氧化物的质量分数种类CaOSiO2Fe2O3Al2O3SO3固废进料电石渣68.323.380.511.870.4840.27拌合料86.273.700.700.700.5025.10粉煤灰10.0049.847.7017.911.297.28炉渣7.9048.207.4316.000.454.44钢渣44.6116.7018.494.430.416.78硅粉0.3194.520.240.460.494.15硅石7.5644.897.5615.930.217.00焚烧灰渣26.0326.958.378.965.544.99%进料属性矩阵转换为68.3286.2710.007.9044.610.317.5626.033.383.7049.8448.2016.7094.5244.8926.950.510.707.707.4318.490.247.568.371.870.7017.9116.004.430.4615.938.960.480.501.290.450.410.490.215.54⋅[40.27,  25.10,  7.28,  4.44,  6.78,  4.15,  7.00,  4.99]-1=[55.10,  17.60,  3.48,  4.83,  0.77]-1.导入采用Excel进行生料配伍的部分历史进料数据X(见表2)，后续算法迭代计算求最优解过程中，会随机使用这些历史数据X作为初猜值．10.13245/j.hust.221007.T002表2部分固废历史进料质量分数种类进料1进料2进料3进料4进料5电石渣40.2739.7140.8739.1737.34拌合料25.1025.4226.9325.6128.73粉煤灰7.287.348.137.346.09炉渣4.444.514.104.825.29钢渣6.786.617.076.626.69硅粉4.154.233.914.524.27硅石7.006.706.597.057.87焚烧灰渣4.994.934.254.625.24%导入所用燃煤的相关热力学参数．设置合适的遗传算法的参数，包括最优个体比例0.3、种群大小200个、进化的代数300代和重复进行遗传算法模拟的重复次数3次，并以电石渣为优先消纳对象，与目标三率值间的最大允许方差0.03．经过仿生算法的计算，得出一批帕累托最优解，如表3所示，并且计算得到解①～⑤的目标函数y4的值分别为0.003 0，0.002 2，0.041 4，0.056 8，0.066 0.10.13245/j.hust.221007.T003表3仿生算法帕雷托最优解举例序号电石渣拌合料粉煤灰炉渣钢渣硅粉硅石焚烧灰渣①50.0616.102.423.595.834.6211.416.04②50.0516.102.423.595.824.6211.446.04③48.1218.112.323.525.935.1411.165.79④46.6216.772.663.845.855.0612.376.89⑤45.9517.002.693.885.855.1612.527.01%按照电石渣消纳量从高往低排序，选择解①，那么，此仿生算法目标三率值为TKH*=0.88，TSM*=2.15，TIM*=1.45，并在以电石渣为优先消纳废渣的条件和目标下，得到的最优解如下：电石渣为50.06%；拌合料为16.10%；粉煤灰为2.42%；炉渣为3.59%；钢渣为5.83%；硅粉为4.62%；硅石为11.41%；焚烧灰渣为6.04%．实际三率值RKH为0.881 87．将表2的历史进料数据和以上优化配比结果进行比较，相比于水泥厂的历史进料数据，本仿生算法得到的结果与目标三率值的接近程度更高，同时电石渣的消纳量可达到50.06%，比历史进料数据的最高值40.27%提升约10%．3.2　仿生算法与传统遗传算法配料优化测试对比本研究的仿生算法在非支配排序算法的基础上进行了改进，拥有着更稳定快速的计算性能，且能针对工业固废的实际堆量情况来选择优先消纳的特定废渣，更好地实现固废减量化，降低库存成本．具体来说有三点：a．传统遗传算法产生解采用的是随机数据作为初猜值，本仿生算法采用的是历史进料数据作为初猜值，可以使得计算时间大大减少，并在较短的迭代次数内就能达到计算收敛；b．传统算法直接采用的是目标三率值与实际三率值之间的平方差作为目标函数，仿生算法则引入了φ1或φ1'，φ2，φ3，φ4权重因子，通过设置权重因子之间的比例，使实际三率值更均衡地接近目标三率值，同时可以根据生产水泥所需性能合理地调整φ1或φ1'，φ2，φ3之间的大小，来衡量某一率值因子的影响；c．设置优先消纳目标函数y5，对于工业固废生产水泥而言，可以根据实际废渣的堆量情况来满足优先消纳某一固废，从而更好地满足水泥堆场实际废渣的处理消纳需求．通过具体的举例来说明本算法与传统算法之间的区别.设置TKH*=0.89，TSM*=2.1，TIM*=1.4，以表2进料数据为例来进行两种算法的具体案例说明传统遗传算法的求解性能．传统遗传算法计算出的水泥配料解是：电石渣、拌合料、粉煤灰、炉渣、钢渣、硅粉、硅石、焚烧灰渣的质量分数分别为32.70%，30.20%，4.23%，3.42%，4.12%，3.85%，7.83%，13.57%．三率值为：RKH=0.889 994，RSM=2.100 01，RIM=1.400 2．所用计算时间为118 s，迭代次数为300次．计算结果表明以传统遗传算法得出的水泥配比RKH=0.889 94，RSM=2.100 1，RIM=1.400 2，非常接近期望三率值TKH*=0.89，TSM*=2.1，TIM*=1.4，整个计算过程消耗118 s，达到设定的最大遗传迭代次数30次，计算中止，但仍小于收敛条件，计算未完全收敛．以本文仿生算法得出结果为：电石渣、拌合料、粉煤灰、炉渣、钢渣、硅粉、硅石、焚烧灰渣的质量分数分别为40.27%，25.10%，7.28%，4.44%，6.78%，4.15%，7.00%，4.99%；所优化出的水泥配比RKH=0.890 21，RSM=2.990 07，RIM=1.399 13与期望三率值TKH*=0.89，TSM*=2.1，TIM*=1.4，非常接近．整个计算过程消耗30.8 s，迭代至80次，计算就达到了收敛条件．相比传统的遗传算法，其对电石渣的消纳量提升了23.1%，计算时间缩短至30.8s，计算速度提升了74%，迭代次数降低了73%．由此可见，本仿生算法可在较短的计算时间内经过较少的迭代次数就能满足预设的收敛条件，同时实现了库存压力大的电石渣的优先消纳．4 结语本研究提出的一种基于仿生算法的全废渣水泥生料配料优化策略，解决了传统人工计算法和excel配比法的一些缺陷，使得计算过程更加简便，同时可满足优先消纳特定固废的目标，极大缓解了废渣原料水泥厂某类废渣的堆场压力，得出的进料配比更加符合实际生产需求．不同于传统的遗传算法使用系统随机产生的值作为水泥配比，该算法导入水泥烧制的历史数据作为初猜值，在一定程度上更加符合实际水泥烧制的情况．引入目标函数权重因子，促使输出三率值更加均衡趋向目标三率值，同时可根据实际生产需要来改变权重因子特别考量某一率值的影响，增强了此算法在进料配比波动和水泥需求变化影响下的适用性．本文算法在较短的时间和较短的迭代次数内就可求得最优生料配比，大大降低了水泥厂现存生料控制系统的延迟性．总体来说本文算法在本废渣制备水泥生料配料领域和其他工业固废综合利用的配料领域都具有较大的参考价值．