粒子群算法在烧结矿配料优化中的应用.pdf

第5 7 卷第3 期 2005 年8 月 有色金属 N o n f e r r o u sM e t a l s V 0 1 ．5 7 ．N o ．3 A u g u s t2 00 5 粒子群算法在烧结矿配料优化中的应用 李智1 ，姚驻斌2 1 ．武汉工业学院，武汉4 3 0 0 2 3 ；2 ．武汉钢铁集团公司，武汉4 3 0 0 8 1 摘 要运用粒子群算法和M A T L A B 语言，编制钢铁烧结矿配料优化计算仿真程序并经实践检验。结果表明，计算机仿真 计算符合实际生产工艺要求，数据直接应用于生产，提高各种烧结矿的综合利用率，降低成本1 0 ．3 2 ％。该算法为钢铁烧结矿配料 问题的优化求解提供了新的思路和方法。 关键词冶金技术；烧结；粒子群算法；配料优化 中图分类号T F 0 4 6 ．4 ；T P 3 9 1 ．9 ；T F 5 2 文献标识码A文章编号1 0 0 1 0 2 1 1 2 0 0 5 0 3 0 0 5 1 0 5 烧结是将铁矿粉和铁精矿经高温处理变成块状 炉料烧结矿的过程。因为，经过破碎筛分和选 矿处理后的粒度细、脉石含量少的铁精矿和粉矿，不 能直接进入高炉炼铁，必须进行造块处理，成为有一 定粒度的块状炉料，方可送往高炉冶炼。 烧结过程是高炉炼铁精料的关键工序，烧结的 主要作用表现在使粉状含铁矿 铁精矿和粉矿 经 过烧结后变成具有一定强度的大块烧结矿，以满足 高炉对炉料粒度的要求；矿粉经烧结，使其冶金性能 得到改善，有利于炼铁生产优质、高产和低耗；烧结 生产中，可以将不同原料、熔剂进行精确配料，以调 整烧结矿化学成分，满足高炉对炉料成分的要求；烧 结生产中，可以利用杂料如钢渣、轧钢皮、瓦斯灰、红 尘、污泥等，代替部分铁料，既能降低炼铁生产成本， 又能充分利用资源；矿粉经过烧结，可以除去硫等有 害的杂质，也可以回收有用成分 如用氯化烧结可以 回收有色金属 ，使铁矿石得以“净化”，炉料含铁品 位提高，有利于高炉冶炼，提高生铁的质量。 因此，烧结矿的优化配料是一项极其重要的工 作，配料的目的在于根据不同种类的铁矿石的化学 成分，将原料矿进行合理的搭配，使混匀矿的化学成 分符合烧结生产的要求。同时，配料中还可以用多 种含铁废料替代铁矿石。除此之外，配料中将不同 品种的矿石根据烧结的需要进行搭配，用以改善混 匀矿的烧结性能，比如加适量的高磷铁矿石，可以防 收稿日期2 0 0 4 0 4 0 9 基金项目湖北省教育厅重点科研项目 2 0 0 4 1 3 0 1 1 作者简介李智 1 9 6 4 一 ，男，武汉市人，副教授，博士，主要从事 现代优化理论、人工智能理论在冶金、矿山工程中的应 用等方面的研究。 止烧结矿粉化，当澳粉中配加适量的海南粉矿时，可 以改善烧结矿的强度，强磁精矿是难烧结的低质铁 矿，如果添加少许到粉矿中，可以减轻粉矿堵塞矿槽 的现象，对烧结不但没有不利影响，而且可以降低烧 结矿成本。 l 粒子群算法 粒子群优化算法 P S o 是一种源于对鸟群捕食 行为的研究而发明的进化计算技术，最先由E b e r ． h a r t 博士和K e n n e d y [ 卜2 】博士提出。粒子群算法 又称为粒子群游算法 是属于进化算法的一种，进 化算法是一类模仿生物进化的优化算法，主要包括 遗传算法 G A 、遗传编程法 G P 、进化规划法 E P 、进化策略法 E S 和模拟退火法 s A 等，其运 算过程与生物进化过程相仿。对优化问题无可微性 和连续性要求，具有全局收敛性、通用性及鲁棒性强 等优点。 粒子群算法也是一种进化算法，但不是用遗传 算子来更新染色体的基因，而是类似梯度下降算法 使各染色体向符合度函数值最高的方向群游。粒子 群算法的优点是收敛速度快，但存在算法精度较低， 易发散等缺点。和其他的优化算法相比，粒子群算 法不仅具有全局寻优能力，而且编程简单，易于推广 使用。采用粒子群算法对烧结矿优化配料进行优化 计算，仿真结果证明切实可行。 粒子群算法的基本思想是旧J 优化问题的每一 个解称为一个粒子，定义一个符合度函数来衡量每 个粒子解的优越程度，每个粒子根据自己和其他粒 子的“飞行经验”群游，从而达到从全空间搜索最优 解的目的。具体搜索过程为每个粒子在解空间中 万方数据 5 2有色金属第5 7 卷 同时向两个点接近，第一个点是整个粒子群中所有 粒子在历代搜索过程中所达到的最优解，称为全局 最优解g b e s t ，另一个点则是每个粒子在历代搜索过 程中自身所达到的最优解，这个解称为个体最优解 p b e s t 。每个粒子表示在n 维空间中的一个点，用z i [ 曩l ，z m ⋯⋯，z f 。] 表示第i 个粒子。第i 个粒子 的个体最优解 第i 个粒子最小适应值所对应的解 表示为p b e s t i [ P 订’P ∞⋯⋯，P 抽] 。全局最优解 整个粒子群在历代搜索过程中最小适应值所对应 的解 表示为g b e s t f [ p b e s t l ，p b e s t 2 ，⋯⋯， p b e s t 。] 。而z i 的第k 次迭代的修正量 粒子移动的速 度 表示为v f ‘ [ 心l ‘，以2 6 ，⋯，v f 。‘] ，其计算公式如 式 1 所示。 v 缸‘2 叫t y 耐‘一1 c 1 r a n d l p b e s t i z 甜‘～1 6 2 r a n d 2 g b e s t i z 讨‘～1 ，．T i d k 一12z 耐‘一1 v 耐‘ 1 式中i 1 ，2 ，⋯⋯，m ，m 为粒子群中粒子的个数； d 1 ，2 ，⋯⋯，n ，n 是解向量的维数；c 1 和c 2 分别 是两个正常数；r a n d l 和r a n d 2 是两个独立的、介于 [ 0 ，1 ] 之间的随机数；W i 是动量项系数，调整其大小 可以改变搜索能力的强弱。 全局粒子群优化算法有5 个步骤[ 4 f ，粒子群算 法流程图如图1 所示。 圆 圆 图1 粒子群算法流程图 F i g ．1 F l o w s h e e to fp a r t i c l es w a Y l 3 0 ．a l g o r i t h m 1 随机给出n 维空间初始化粒子向量的粒子 z f o 和速度心o ，设定迭代次数； 2 计算每个粒子在 当前状态下的适应函数值P i ； 3 将 2 中计算的适 应函数值P l 与自身的优化解p b e s t i 进行比较，如果 P ； p b e s t i ，则用新的适应函数值取代前一轮的优 化解，用新的粒子取代前一轮粒子。即p b e s t i P f ， x b e s t f X f ； 4 将每个粒子的最好适应值p b e s t f 与 所有粒子最好适应值g b e s t f 进行比较，如果p b e s t f g b e s t i ，则用每个粒子的最好适应值取代原所有粒子 的适应值，同时保存粒子的当前状态。即g b e s t i p b e s t f ，x b e s t x b e s t i ； 5 完成以上计算后，再进行 新一轮计算，按式 1 将粒子进行移动，从而产生新 的粒子 即新解 ，返回步骤 2 。直至完成设定的迭 代次数或满足事先给定的精度要求为止 2 烧结矿配料数学模型 2 ．1 目标函数 由于配料的目的是通过配料比的恰当选择来提 高产量、改善质量、降低成本。因此，在建数学模型 时，考虑目标函数时以成本最小为原则，建立式 2 所示烧结矿配料目标函数。 r a i n ∑C i X i i 1 ，2 ，⋯一，n 2 式中i 一参与配比的铁精矿及粉矿的种类数；C ；一 各种铁精矿及粉矿的单价 元／t ；X i 一各种铁精矿 及粉矿的用量 万t 。 式 2 的计算结果与很多因素有关，并受到这些 因素的约束，比如烧结矿成本就受到烧结矿化学成 分的约束，从而就控制了各种原料的用量。 2 ．2 约束条件 约束条件主要有烧结矿化学成分约束，如全铁 T F e 、二氧化硅 S i 0 2 、氧化钙 C a O 、三氧化二铝 鸽0 3 、氧化镁 M g O 、硫 S 、碱度控制 C a O ／ S i 0 2 、烧损等。考虑烧结矿的化学成分实际上存在 波动，因此，用上、下限来进行化学成分的约束，即式 3 和式 4 。 ∑a i X ‘≤b i i 1 ，2 ，⋯⋯，，z 3 ∑a i X i ≥b i i 1 ，2 ，⋯一，竹 4 式中b 和b 分别是烧结矿各种化学成分的上、下 限，比如规定T F e 的波动为0 ．5 9 6 ，b ；即在基数上 加0 ．5 9 6 ，b 即在基数上减去0 ．5 9 6 ；a f 是每种铁精 矿或粉矿中与其相对应的各种化学成分的含量。 烧结矿的C a O 和S i 0 2 受碱度控制，因此，可按 式 5 和式 7 设计 C a O ／S i O z 的约束条件，表示为 式 6 和式 8 。 C a O ／S i O z ≤R o 5 ∑k i X i R j ∑g i X i ≤0 i 1 ，2 ，⋯一，n 6 万方数据 第3 期李智粒子群算法在烧结矿配料优化中的应用 5 3 C a O ／S i 0 2 ≥R o 7 ∑k i X i R ；∑g i X i ≥0 i 1 ，2 ，⋯“，舡 8 式中忌i 一各种精铁矿及粉矿的C a O 含量 ％ ；g i 一 各种精铁矿及粉矿的s i 0 2 含量 ％ ；R j 一碱度的上 限；R j 一碱度的下限。 另外，考虑到烧损因素，参与配比的各种精铁矿 及粉矿总量必须大于烧结矿总产量，即满足式 9 。 ∑e Ⅸf ≥Q i 1 ，2 ，⋯⋯，扎 9 式中e ；一各种精铁矿及粉矿的使用量；Q 一烧结矿 的总产量 7 it 。 各种精铁矿或粉矿用量非负约束，即满足式 1 0 。． K ≥0 1 0 综上所述，式 2 ～ 1 0 构成了烧结矿优化配比 的数学模型。以武汉钢铁集团公司烧结厂的烧结配 料为例，采用粒子群算法和常规数学方法分别求解， 从计算结果可看出粒子群算法的优势是明显的。 3计算实例 已知各种精铁矿和粉矿的化学成分及价格如表 l 所示，根据条件求出在约束条件下的最优配料比。 表1 各种精铁矿及粉矿的化学成分及价格 T a b l e1C h e m i c a lc o m p o s i t i o na n dp r i c e so fi r o no r ea n dp o w d e ro r e 烧结矿成分为T F e 5 2 ％～5 3 ．5 ％；[ C a O ] ／ [ S i 0 2 ] 1 ．6 5 0 ．1 5 ；[ C a O ] 1 2 ％～1 3 ％；[ S i 0 2 ] 7 ％～8 ％；[ A 1 2 0 3 ] 1 ．5 ％～3 ％；[ S ] 0 ．1 5 ％； [ M g O ] 3 ％～4 ％。 参与烧结矿配比的各种精铁矿和粉矿的要求 是澳大利亚粉1 5 0 ～2 0 0 k g ／t ；朝鲜精矿9 0 ～ 2 0 0 k g ／t ；海南粉矿≤1 6 0 k g ／t ；轧钢皮≥2 0 k g ／t ；弱 磁精矿3 0 0 ～4 0 0 k g ／t ；消石灰≤5 0 k g ／t ；煤粉≤ 1 0 0 k g ／t ；熔剂粉2 0 0 ～3 0 0 k g ／t ；试验烧结总量Q 1 0 0 0 k g 。 由以上条件及烧结矿配料数学模型，可得出数 学模型以成本最小建立起来的目标函数式 1 1 ； T F e 含量上、下限约束式 1 2 和式 1 3 ；S i 0 2 含量 上、下限约束式 1 4 和式 1 5 ；A 1 2 0 3 含量上、下限 约束式 1 6 和式 1 7 ；C a O 含量上、下限约束式 1 8 和式 1 9 ；M g O 含量上、下限约束式 2 0 和式 2 1 ； S 含量约束式 2 2 ；碱度含量上、下限约束式 2 3 和 式 2 4 ；烧损约束式 2 5 和各种精铁矿和粉矿的用 量约束式 2 6 ～ 3 3 。 m i n F 0 ．1 0 2 X l 0 ．0 5 5 1 X 2 0 ．0 8 5 X 3 0 ．0 8 1 X 4 0 ．0 5 5 X 5 0 ．0 1 3 2 5 X 6 0 ．0 2 6 X 7 0 ．0 5 X 8 1 1 S ．t ．0 ．6 1 9 7 X 1 0 ．6 6 0 3 X 2 0 ．6 0 4 8 X 3 0 ．5 3 6 X 4 0 ．7 1 2 X 5 0 ．0 1 2 6 X 6 0 ．0 0 9 3 X 7 0 ≤0 ．5 3 5 Q 1 2 0 ．6 1 9 7 X 1 0 ．6 6 0 3 X 2 0 ．6 0 4 8 X 3 0 ．5 3 6 X 4 0 ．7 1 2 X 5 0 ．0 1 2 6 X 6 0 ．0 0 9 3 X 7 0 ≥0 ．5 2 Q 1 3 O ．0 5 0 8 X 1 0 ．0 3 6 4 X 2 0 ．1 3 6 5 X 3 0 ．1 5 6 1 X 4 0 ．0 2 0 3 X 5 0 ．0 1 2 3 X 6 0 ．0 1 2 3 X 7 0 ．0 8 2 X s ≤ 0 ．0 8 Q 1 4 0 ．0 5 0 8 X 1 0 ．0 3 6 4 X z 0 ．1 3 6 5 X 3 十0 ．1 5 6 1 X 4 0 ．0 2 0 3 X 5 0 ．0 1 2 3 X 6 0 ．0 1 2 3 X 7 0 ．0 8 2 X 8 ≥ O ．0 7 Q t 5 0 ．0 2 8 X 1 0 ．0 1 5 8 X 2 0 ．0 1 5 4 X 3 0 ．0 2 3 5 X 4 0 ．0 1 3 9 X 5 0 ．0 0 4 X 6 0 ．0 0 5 4 X 7 0 ．0 4 4 9 X 8 ≤ 0 ．0 3 Q t 6 0 ．0 2 8 X 1 0 ．0 1 5 8 X 2 0 ．0 1 5 4 X 3 0 ．0 2 3 5 X 4 0 ．0 1 3 9 X 5 0 ．0 0 4 X 6 0 ．0 0 5 4 X 7 0 ．0 4 4 9 X s ≥ 0 ．0 1 5 Q 1 7 0 ．0 4 7 X 1 0 ．0 0 9 2 X 2 0 ．0 1 1 2 X 3 0 ．0 1 1 7 X 4 0 ．0 0 2 8 X 5 0 ．4 2 0 8 X 6 0 ．6 3 9 7 X 7 0 ．0 0 9 5 X 8 ≤ O ．1 3 Q 1 8 0 ．0 4 7 X l 0 ．0 0 9 2 X 2 0 ．0 1 1 2 X 3 0 ．0 1 1 7 X 4 万方数据 有色金属第5 7 卷 0 ．0 0 2 8 X s 0 ．4 2 0 8 X 6 0 ．6 3 9 7 X 7 0 ．0 0 9 5 X 8 ≥ 0 ．1 2 Q 1 9 0 ．0 0 2 3 X 1 0 ．0 1 4 6 X 2 0 ．0 0 3 8 X 3 0 ．0 0 4 4 X 4 0 ．0 0 5 4 X 5 0 ．1 0 3 8 X 6 0 ．0 0 7 4 X 7 0 ．0 0 2 3 X 8 ≤ 0 ．0 4 Q 2 0 0 ．0 0 2 3 X 1 0 ．0 1 4 6 X 2 0 ．0 0 3 8 X 3 0 ．0 0 4 4 X 4 0 ．0 0 5 4 X 5 0 ．1 0 3 8 X 6 0 ．0 0 7 4 X 7 0 ．0 0 2 3 X s ≥ 0．03Q21 0 ．0 0 0 4 2 X 1 0 ．0 0 3 7 9 X 2 0 ．0 0 0 4 5 X 3 0 ．0 0 2 5 8 X 4 0 ．0 0 0 3 X 5 0 0 0 ．0 0 5 9 X 8 0 ．0 0 1 5 Q 2 2 一0 ．0 8 4 2 X 1 0 ．0 5 4 5 X 2 0 ．2 2 7 7 X 3 0 ．2 6 1 5 X 4 0 ．0 3 2 7 X 5 0 ．3 9 9 3 X 6 0 ．6 0 4 2 X 7 0 ．1 3 4 X 8 ≤0 2 3 一0 ．0 7 4 0 X l 一0 ．0 4 7 2 X 2 0 ．2 0 0 4 X 3 0 ．2 3 0 3 X 4 0 ．0 2 8 7 X s 0 ．4 0 1 7 X 6 0 ．6 0 8 2 X 7 0 ．1 1 7 6 X s ≥0 2 4 0 ．9 5 8 7 X a 0 ．9 7 8 2 x 2 十0 ．9 8 8 9 X 3 0 ．9 7 8 9 X 4 0 ．9 9 0 3 x 5 0 ．5 6 3 X 6 0 ．6 8 7 1 X 7 0 ．2 4 3 6 X s ≥Q 2 5 2 0 0 ≥X x ≥1 5 0 4 0 0 ≥X 2 ≥3 0 0 2 0 0 ≥X 3 ≥9 0 X 4 ≤1 6 0 X 5 ≥2 0 3 0 0 ≥X 6 ≥2 0 0 X 7 ≤5 0 X 8 ≤1 0 0 2 6 2 7 2 8 2 9 3 0 3 1 3 2 3 3 根据以上数学模型，采用M A T L A B 语言、粒子 群算法和常规广义乘子优化算法，分别编制烧结矿 优化配料计算程序，优化计算程序在 C P U l l 3 3 M H z 、R A M 2 5 6 M B 的P C 机上运行，计算 出的精铁矿和粉矿需求量及成本、烧结矿的化学成 分含量分别如表2 和表3 所示。 表2 精铁矿及粉矿用量及成本仿真结果 T a b l e2S i m u l a t i o nr e s u l t so fd e m a n d sa n dC O S T So fi r o no r ea n dp o w d e ro r e 现使用值 广义乘子算法 粒子群算法 5 2 ．4 0 5 3 ．1 6 9 1 5 3 ．1 7 8 0 7 ．8 7 7 ．1 3 8 8 7 ．0 0 2 0 2 ．4 0 2 ．7 6 8 4 2 ．8 7 7 1 3 ．1 7 3 ．1 8 0 6 3 ．1 8 9 9 0 ．0 6 5 0 ．0 2 3 4 0 ．0 1 9 9 1 ．6 5 1 ．8 3 1 2 1 ．8 5 0 0 4结语 运用粒子群算法对钢铁烧结矿配料进行优化计 算，计算机仿真结果表明符合实际工艺要求，从而证 明了粒子群算法运用于烧结矿配料的可行性。通过 与广义乘子算法的结果相比较，可看出粒子群算法 参考文献 比常规数学算法具有更好的寻优能力和更高的运算 精度。由于粒子群算法在优化实现的过程中，不需 要对优化问题的数学模型有过高的要求，避免了常 规数学方法在求解过程中的复杂性，因此使用人员 不需要具备过高、过深的数学理论知识，很适合工程 技术人员使用。 [ 1 ] E b e r h a r tRC ，K e n n e d yJ ．An e wo p t i m i z e ru s i n gp a r t i c l e ss w a I T nt h e o r y [ A ] ／／P r o cS i x t hI n t e r n a t i o n a lS y m p o s i u mo nM i c r o M a c h i n ea n dH u m a nS c i e n c e [ C ] ．N a g o y a ，J a p a n ，1 9 9 5 8 7 9 2 ． [ 2 ] K e n n e d yJ ，E b e r h a r tRC ．P a r t i c l es w a r mo p t i m i z a t i o n [ A ] ／／I E E EI n t e r n a t i o n a lC o n f e r e n c eo nN e u r a lN e t w o r k [ C ] ．P e r t h ， A u s t r a l i a ，1 9 9 5 1 6 8 1 7 3 ． [ 3 ] 龙云，王建全．基于粒子群游算法的同步发电机参数辨识[ J ] ．大电机技术，2 0 0 3 ，3 2 1 8 一1 1 ． [ 4 ] 夏永明，付子义，袁世鹰，等．粒子群优化算法在直线感应电机优化设计中的应用[ J ] 。中小型电机，2 0 0 2 ，2 9 6 1 4 1 6 ． [ 5 ] 习乃文，张安富．钢铁厂原料处理[ M ] ．昆明云南人民出版社，1 9 9 3 7 6 8 2 ． 下转第6 1 页，C o n t i n u e do nP ．6 1 O 记鲫9 蛆吩 砣} t 万方数据 第3 期张启伟等D 3 0 1 R 树脂吸附钼 Ⅵ 的研究 6 1 [ 7 3X i o n gC h u n h u a ，W uX i a n g m e i ．A d s o r p t i o no f 眦c r c I p 唧I l sp h o s p h o n i ca c i dr e s i nf o rc o p p e r 【J ] ．T r a mN o n f e r r o u sM e t S o eC h i - n a ，2 0 0 3 ，1 3 6 1 4 4 6 1 4 5 0 ． ’ [ 8 ] X i o n gC h u n h u a ，L uB i w e n ，W a n gY o n g j i a n g ．S o r p t i o nb e h a v i o ra n dm e c h a n i s mo fi n d i u mo n t oa m i n om e t h y l e n ep h o s p h o n i e a c i dr e s i n [ J ] ．J o u r n a lo fW u h a nU n i v e r s i t yo fT e c h n o l o g y M a t e rS c iE d ，2 0 0 2 ，1 7 2 4 7 5 0 ． S t u d yo nA d s o r p t i o no fM o V 1 w i t hD 3 0 1 RR e s i n Z H A N GQ i - w e f l ，X I O N GC h u n ．h u a 2 1 ．D e p a r t m e n to fC h e m i s t r y ，L i s h u iU n i v e r s i t y ，L i s h u i3 2 3 0 0 0 ，Z h e j i a n g ，C h i n a ；2 ．C o l l e g eo fF o o a 鼬w t l c e ， B i o t e c h 珂D 蛐a n dE n v i r o n m e n t a lE n g i n e e r i n g ，Z h e j i a n gG o n g s h a n gU n i v e r s i t y ，H a n g z h o u3 1 0 0 3 5 ，C h i n a A b s t r a c t T h ea d s o r p t i o np r o c e s so fM o Ⅵ b yD 3 0 1 Rr e s i ni si n v e s t i g a t e d ．T h er e s u l t ss h o wt h a t3 ．5i st h eo p t i m u mp Hf o rt h ea d s o r p t i o n ．T h es t a t i c a l l ys a t u r a t e ds o r p t i o nc a p a c i t yi s7 5 5 m g ／g - r e s i n ．T h ea d s o r p t i o nr a t e c o n s t a n ti s 五2 9 8 2 ．1 7x1 0 - 5 S ～．T h ea d s o r p t i o nb e h a v i o ro fD 3 0 1 Rr e s i nf o rM o Ⅵ o b e y st h eF r e u n d l i c h i s o t h e r m ．T h ee n t h a l p yc h a n g eo fa d s o r p t i o n ，Z U l - ／2 9 8i s3 4 ．0 k J m o l ～．T h ea p p a r e n ta d s o r p t i o na c t i v a t i o ne n e r g yo fD 3 0 1 Rf o rM o V I i s5 6 ．5l d m o l _ 1 ．M o l a rr a t i oo ft h ef u n c t i o n a lg r o u po fD 3 0 l Rt oM o Ⅵ i s1 2 ． M o V I a d s o r b e do nD 3 0 1 Rr e s i nc a nb ed e s o r b e db y5 ％N H 4 C 1 一l O ％N H 3 ‘H 2 0 ． K e y w o r d s m e t a l l u r g i c a lt e c h n o l o g y ；m o l y b d e n u m ；a d s o r p t i o n ；D 3 0 1 Rr e s i n 上接第5 4 页，C o m i n u e df r o mP ．5 4 A p p l i c a t i o no fP a r t i c l eS w a r mA l g o r i t h mt oS i n t e r i n gB l e n dO p t i m i z a t i o n L JZ h i 。Y A 0Z 矗“一b i n 1 ．W “h a nP o l y t e c h n i cU n i v e r s i t y ，W u h a n4 3 0 0 2 3 ，C h i n a ；2 ．W u h a nI r o n8S t e e lC o r p ．，W u h a n4 3 0 0 8 2 ，C h i n a A b s t r a e t S i m u l a t i o np r o g r a m sf o ro p t i m i z a t i o no fs i n t e r i n gr a wm a t e r i a lb l e n da r em a d eb yu s eo fp a r t i c l es w a r l T la l - g o r i t h ma n dM A T L A B ，a n dv e r i f i e db yp r a c t i c e ．T h es i m u l a t i o nr e s u l t ss h o wt h a tt h eo p t i m i z a t i o no fs i n t e r i n g r a wm a t e r i a l sb l e n di sc o n s o n a n tw i t ht h er e q u i r e m e n t so fp r o d u c t i o nt e c h n o l o g y ，a n dt h ec o m p r e h e n s i v eu t i l i z a - t i o no fs i n t e r i n gr a wm a t e r i a l si si m p r o v e da n dt h ep r o d u c t i o nc o s ti dd e c r e a s e db y1 0 ．2 3 ％b ya p p l i c a t i o no ft h e s i m u l a t i o nd a t a ．I ti ss h o w nt h a tt h ep a r t i c l es w a r ma l g o r i t h mi sp r a c t i c a la n dan e ww a yi sg i v e nf o rs o l v i n gt h e o p t i m i z a t i o np r o b l e m so ns i n t e r l n gr a wm a t e r i a lsb l e n d i n g ． K e y w o r d s m e t a l l u r g i c a lt e c h n o l o g y ；s i n t e r i n g ；p a r t i c l e8 w a r n la l g o r i t h m ；b l e n d i n go p t i m i z a t i o n 万方数据