原料浆的制备是保证氧化铝烧结产品质量的关键过程。 为了在存在不确定性的情况下获得合格的原浆,开发了一种两阶段智能优化系统,该系统通过优化原料配比和重新混合操作来减弱不确定性的影响。 在第一阶段,建立将第一原理与神经网络相结合的集成模型来预测原料浆质量,并提出了一种多目标的层次专家推理策略来确定原料浆配比的最佳设定点。 在第二阶段,建立了具有不确定性的最优调度模型,以提供所选储罐的最佳组合,以混合满浆储罐中的原浆。 实际运行结果表明,有效提高了原浆的合格率,成功简化了原浆的制备Craft.io,并且能耗明显降低。