烧结综合料场是存放钢铁企业原料的场地,综合料场占地面积较大,存储的原材料是企业正常生产的前提。综合料场生产工序复杂,生产成本大,建立高效的烧结综合料场作业管理与优化系统对于钢铁企业节约生产成本具有重要意义。目前,烧结综合料场的作业过程并未得到充分优化,在料场储位配置方面,存在存储混乱,料场利用率及原料稳定性不高的问题；在库存量管理方面,存在原料库存量采购不合理,导致库存过多或过少的问题；在料场管理方面,存在堆取料机作业易失误,料场信息不准确等问题。针对上述问题,本文围绕烧结综合料场作业管理与优化方法展开研究,主要的研究工作与创新点如下：(1)基于层次分析法的料场储位模糊多准则优化方法由于钢铁企业原料来源广泛、品种繁多、数量庞大、外在影响因素比较严重等特点,所以原料在综合料场中的各个存储方案的评价是一个定性和定量相结合的多目标优化问题。一般的优化算法不能从根本上解决料场利用率和原料成分稳定性的问题。本文通过分析料场的原料存储情况,以料场利用率和原料场成分稳定性为目标建立储位优化模型。首先根据储位配置的主要影响因素建立七个优化准则,然后应用层次分析法确定各个准则的权重值,解决准则难以量化的问题；最后采用三角模糊数的方法表示权重值和期望值,提高优化结果的合理性。现场运行结果表明,采用该方法建立的系统可以达到预期优化目标,大大降低企业管理的成本。(2)基于多模型集成的原料库存量预测方法原料由于价格、产地及品味的不同在重要程度上存在差异,但是,在形成中和粉的过程中,不同重要程度的原料所占比例是大致不变的,所以原料总量的库存量变化存在一定的规律性,不同重要程度的原料变化也是具有一定规律性的。本文通过深入分析原料的库存量变化特点及影响因素,提出一种基于灰色系统模型与时间序列模型的预测方法来预测原料库存量。首先利用灰色系统可以反映数据序列整体发展趋势的优点,通过对库存量历史数据的滤波、统计、累加或累减生成,建立库存量灰色预测模型,然后利用时间序列模型可以反映数据序列细节波动的优点,对数据序列进行时序分析,建立时间序列自回归积分移动平均模型；最后,建立基于信息熵的原料库存量集成预测模型,该集成模型可以充分集合不同类型模型的优点,准确预测原料库存量,为后续的原料库存量优化提供可靠的依据。(3)基于GA-PAO算法的烧结料场原料库存量优化料场库存量预测的目的是为了防止断料现象的发生,保证生产的连续性,而库存量优化的则是为了最大程度地优化采购库存成本,二者共同构成了料场的原料库存量优化管理。原料采购库存成本的约束是钢铁企业流动资金的制约瓶颈。本文针对钢铁企业烧结料场原料采购与消耗的特点,以企业原料库存费用最小为目标建立烧结综合料场原料库存量优化模型,构建了详细的模型目标函数及约束条件；提出基于标准PSO算法的适应度函数,将GA算法用于PSO算法的改进,设计详细的算法参数,并对GA-PSO算法与标准的PSO算法进行寻优结果对比。同时,应用某钢铁企业烧结生产线的综合料场实际生产数据进行仿真,结果表明,该库存量优化模型结合GA-PAO算法实现了原料库存成本的优化,为钢铁企业采购计划的制定提供决策支持。(4)烧结综合料场作业管理与优化系统的设计及其工业应用结合工业现场实际,根据某钢铁企业360m2烧结生产线对系统的软件、硬件结构进行分析,建立烧结综合料场作业管理与优化系统,并阐述了系统的应用软件模块、优化控制算法的实现流程以及数据通信技术。通过对系统的实际运行结果进行分析,发现该系统可以实现企业兼顾采购成本与保证原料供应稳定性的综合优化,同时实现料场储位的优化配置,提高料场利用率及原料稳定性,取得明显的经济效益。