论文部分内容阅读
钢铁产业作为中国流程工业中一个高能耗的行业,与国际相关行业相比,存在着能源消耗大、生产成本高等问题。如何在钢铁企业生产过程中实现节能降耗、降低生产成本值得进行探索与研究。本文主要研究连铸—热轧生产过程中的板坯选择与加热炉调度问题,根据问题的特点以及相关的工艺约束条件,建立数学规划模型,并利用智能优化算法对该问题进行求解。主要研究工作如下:1)研究分析了连铸—热轧过程中的板坯选择与加热炉调度问题,根据问题特点以及相关工艺条件与约束,建立了以板坯出库时倒垛次数最少,板坯加热时总住炉时间最小,以及整个加热工序的物流时间最短为优化目标的多目标数学模型。2)设计求解连铸—热轧过程中的板坯选择与加热炉调度问题多目标蚁群优化算法。在算法中建立了多个蚁群分别对不同的目标分量进行优化,并针对问题特点设计了启发式信息与局域搜索策略。在蚁群对不同目标分量优化过程中,采用信息交互策略,使得蚁群在接收外部信息并更改自身信息素更新规则后,继续解空间中搜索优化。3)设计求解连铸—热轧过程中的板坯选择与加热炉调度问题的非支配快速排序遗传算法(NSGA-Ⅱ)。算法采用双链表的方式对染色体进行编码:在初始种群中的个体检验过程中,建立条件约束模型,判断个体的可行性;在算法演化过程中,采用基于Pareto解空间中前沿较优解个数的自适应调节策略改变参数中变异率的取值;通过嵌入局域搜索的方法对标准NSGA-Ⅱ进行改进。4)采用国内某钢铁企业的实际生产数据,生成多组测试案例,对本文算法进行验证比较,实验结果表明,对于小规模问题,本文设计的多目标蚁群优化算法,NSGA-Ⅱ以及嵌入局域搜索的NSGA-Ⅱ较为有效,当问题规模增大时,本文设计的嵌入局域搜索的NSGA-Ⅱ具有明显优势。5)在已有的连铸—热轧过程仿真系统中设计并实现热轧调度功能模块,根据原始热轧轧制单元信息,使用热轧调度功能模块调度优化可以实现为企业与决策者提供符合实际需求的热轧调度方案。