面向MES的钢铁烧结生产原料供应调度系统

针对某钢铁企业烧结厂烧结生产原料供应调度问题,提出了面向MES的烧结生产原料供应调度系统的整体功能、结构和设计原则,并采用了模型加启发式算法和人际交互相结合的烧结生产原料供应调度计划编制方法。设计并开发了烧结生产原料供应调度系统,通过现场数据离线仿真表明:该系统可快速准确地编制出符合现场情况、满足工艺要求、高效的烧结生产原料供应调度计划。     

某一转炉或精炼炉故障下炼钢-连铸生产重调度方法及应用

炼钢-连铸生产中会出现某一台转炉或精炼炉故障, 目前已有的重调度方法没有考虑多重精炼或只进行了仿真研究, 难以有效应用到具有多重精炼的钢厂, 而采用人工调整方式则容易导致炉次等待时间过长或断浇. 为此,通过引入炉次生产状态参数, 建立0-1 混合整数规划重调度模型, 提出由“未加工”炉次的设备指派、“未加工”炉次的开工时间优化和浇铸时间调整3 部分组成的重调度方法. 将该方法应用于某钢铁厂炼钢-连铸生产调度过程的实际工程应用验证了所提出方法的有效性.

     

基于LSTM的PCBA批次质量预测

PCBA生产手工插件线产品质量易受人工操作水平等因素影响,且多个产品质量检测环节均在手工插件线末端,导致难以在生产过程中及时把控产品质量。为了及早发现手工插件线的产品质量问题,提出了基于LSTM的PCBA产品批次质量多步预测控制策略,将手工插件线上的FCT质量检测数据经过处理后作为模型的输入特征,建立了基于LSTM的PCBA批次质量预测模型。最后,将所建立的预测模型与BP、RNN和SVR模型以及目前在数据特征分析拟合上表现较好的CNN模型进行比较,仿真结果表明,所提出的模型在电子产品质量的预测中具有更好的效果,可以为PCBA的质量调控提供指导。     

人机协同的柔性作业车间炼钢—连铸重调度方法

炼钢—连铸过程中会出现增加精炼工序、紧急炉次计划插入等扰动,已有方法难以有效解决该类重调度问题。针对中国宝钢炼钢厂生产中需要调度人员参与优化调整的柔性作业车间生产重调度问题,提出由基于人机协同的炉次加工设备调整、基于线性规划的炉次开工和完工时间调整两部分组成的人机协同重调度策略,给出各部分调度算法,开发了重调度系统并应用于生产实际。通过时间大延迟程度下重调度、某一炉次增加精炼工序进行升温处理的重调度案例分析,验证了所提方法的有效性。     

宝钢炼钢连铸调度系统的动态调整集成技术

炼钢连铸生产计划调度系统是钢铁企业制造执行系统的重要组成部分,在企业的生产管理中起着承上启下的作用.介绍了宝钢炼钢连铸调度计划系统的基本功能,着重阐述了宝钢炼钢连铸调度的动态编辑器和动态调度的集成功能.实践表明,该系统可以极大地提高计划编制和计划调整的效率.     

基于优先经验回放可迁移深度强化学习的高铁调度

高铁行车调度是一个复杂的多阶段序列决策问题,需要考虑列车、线路设备等条件,且决策空间随问题规模的增大呈指数增长.而深度强化学习(DQN)兼备强大的搜索和学习能力,为高铁调度提供了新的解决方案,但存在经验利用效率低、迁移能力差等问题.本文提出一种基于优先经验回放可迁移深度强化学习的高铁调度方法.将包含股道运用计划等约束的高铁调度问题构建为多阶段序列决策过程,为提高算法的迁移能力,提出一种新的支持源域和目标域共享的状态向量和动作空间.为提高经验的利用效率和算法的收敛速度,设计了一种融合优先经验回放的深度Q网络训练方法.以徐兰线小规模案例为源域问题的经验学习实验表明,所提算法的经验利用效率和算法收敛速度优于传统DQN算法,并可适当增大优先级指数和调节权重参数以改善其收敛性能.以京沪线繁忙路段的晚点案例为目标域问题,本文提出的在线决策算法相比于经典的混合整数规划算法,决策时间平均减少约75$%$,且在近77$%$的案例中,总晚点时间的性能损失在15$%$以内.     

炼钢连铸动态调度子系统及其应用研究

炼钢连铸生产调度是钢铁企业MES的重要组成部分。在生产调度的过程中存在许多突变和不确定性因素，怎样及时有效进行动态调度，是炼钢连铸调度成败的关键。本文提出了人机协调、多种方法组合、四维一体综合集成的动态调度方案，并在开发炼钢连铸调度系统中得到了具体的应用。     

炼钢连铸动态调度方法及其应用

在炼钢连铸生产工艺约束条件下, 针对实际生产运行过程中存在的时间偏差、温度补偿、浇铸异常以 及钢种变更等多扰动问题, 单纯依靠手工调度还不能快速有效的达到计划的优化调度。提出了基于案例推理和人 机交互相结合的局部调整、基于分批规则的重调度的动态调度方法, 应用所提出的方法建立了动态调度架构, 设计 与开发了软件系统。该系统应用于国内某大型钢厂的生产调度, 实现了多扰动情况下的快速优化调整。     

基于策略梯度强化学习的高铁列车动态调度方法

高速铁路以其运输能力大、速度快、全天候等优势,取得了飞速蓬勃的发展.而恶劣天气等突发事件会导致列车延误晚点,更甚者延误会沿着路网不断传播扩散,其带来的多米诺效应将造成大面积列车无法按计划运行图运行.目前依靠人工经验的动态调度方式难以满足快速优化调整的实际要求.因此,针对突发事件造成高铁列车延误晚点的动态调度问题,设定所有列车在各站到发时间晚点总和最小为优化目标,构建高铁列车可运行情况下的混合整数非线性规划模型,提出基于策略梯度强化学习的高铁列车动态调度方法,包括交互环境建立、智能体状态及动作集合定义、策略网络结构及动作选择方法和回报函数建立,并结合具体问题对策略梯度强化学习(REINFORCE)算法进行误差放大和阈值设定两种改进.最后对算法收敛性及算法改进后的性能提升进行仿真研究,并与Q-learning算法进行比较,结果表明所提出的方法可以有效地对高铁列车进行动态调度,将突发事件带来的延误影响降至最小,从而提高列车的运行效率.