冷连轧负荷分配优化方法

 冷连轧负荷分配最优化对于提高冷轧带钢的产量和质量具有至关重要的作用。在研究蚁群算法优缺点的基础上,首次提出了将遗传算法和蚁群算法相融合的GA ACA优化算法应用于冷连轧负荷分配的优化。该算法采用遗传算法生成初始负荷分配,利用蚁群算法求取最优化分配结果,优势互补,具有计算精度高、速度快等优点,适合于负荷分配的在线应用。试验对比数据证明了该方法的有效性,为冷连轧负荷分配的优化提供了一种新的方法。     

基于改进斑点鬣狗算法的热轧带钢负荷分配智能优化

针对热连轧过程中由于负荷分配不均匀导致板形控制效果不佳的问题,以传统的轧制机理为基础建立负荷分配均匀、板形良好的目标函数,分别采用斑点鬣狗算法和改进斑点鬣狗算法进行单目标和双目标的负荷分配的优化求解。结果表明,改进斑点鬣狗算法将末机架的相对凸度差从0.000 834 5降低到0.000 014 83和-0.000 026 34,且在允许的范围内,上游机架负荷分配合理,充分发挥了轧机的轧制能力。     

基于多子群目标分段差分进化的多目标热连轧负荷分配

针对热连轧负荷分配的目标函数处理中采用的加权系数不好确定的问题,设计了一种多子群目标分段优化的差分进化算法.每个子群优化目标函数的一个子目标,子群之间独立进化,不但解决了加权系数问题,并且提高了算法的收敛速度和精度.最后,算法的有效性通过仿真进行了验证.     

改进快速非支配排序遗传算法热连轧过程负荷分配的智能优化

在热连轧的非稳态轧制过程中,负荷分配不均会导致板形控制精度的下降.针对负荷分配不合理的情况,以传统机理模型为基础,建立了板形和轧制均衡的目标函数,开发了改进快速非支配排序遗传算法(NSGA-Ⅱ)的负荷分配智能优化方法,利用该优化算法对热连轧精轧机组进行了负荷分配优化.通过工业试验将经验法、GA与NSGA-Ⅱ优化得出的负荷分配数据进行对比,发现采用新方法的优化结果明显比经验法更合理,GA和NSGA-Ⅱ的优化结果将机架F5和F6相对凸度误差从4.63%分别降低至1.06%和0.79%,且NSGA-Ⅱ在末机架的相对凸度差为-0.000 009 88,小于GA的-0.000 050 47.应用结果表明,该负荷分配优化算法明显优于GA,对非稳态轧制过程中的负荷分配优化及板形控制具有理论指导意义和实际应用价值.     

基于粒子群算法的冷连轧轧制规程优化设计

选取等相对负荷为目标函数,令轧制力、轧制功率、轧制力矩、速度等参数满足一定约束条件,采用罚函数法,将有约束条件转为无约束条件,采用粒子群算法对目标函数进行优化,求得最优解,这可使各机架功率合理分配,设备能力充分发挥,生产效率提高。     

热连轧机负荷分配优化计算策略

提出一种带钢热连轧精轧机组负荷分配的优化计算策略,采用多目标优化算法离线计算确定精轧各机架的轧制力分配系数,采用"压下模式+轧制力模式"相结合的方式实现负荷分配在线计算。为了确定各精轧机架的轧制力分配系数,建立兼顾轧制功率最小、负荷均衡与板形良好的负荷分配多目标优化模型;为了实现负荷分配在线计算,根据压下模式负荷分配计算确定厚度分配的初始值,根据CLAD算法进行轧制力模式负荷分配迭代计算,最后采用压下模式分配计算确定的压下率分布范围对轧制力模式分配结果进行限幅处理。新方法已成功应用于梅钢1 780mm热连轧生产线,在线应用表明该方法可以有效减少操作工干预,提高带钢精轧过程的轧制稳定性。     

基于遗传算法的PP及冷连轧轧制规程多目标优化

 针对多目标优化算法中综合目标函数权值难以确定的问题,通过对偏好的数学量化,采用数值分析的方法,构造了6种不同的偏好函数,建立了物理规划（physical programming）数学模型,然后以遗传算法为寻优工具,实现一种更加灵活更加适合于工程技术人员的交互式多目标优化算法。结合某冷轧厂实际的轧制规程优化过程,选取等功率裕量、轧制总能耗及各机架打滑因子为目标函数,运用基于遗传算法的PP进行优化计算。结果表明,优化后的轧制规程很好地实现了各机架等功率负荷分配,降低了打滑出现的概率,大大提高了板材表面质量和成品成材率。     

基于改进差分进化算法的带钢冷连轧负荷分配

 为了更加合理地制定冷连轧轧制规程,选取打滑因子、等功率裕度和最小能耗作为目标函数,采用改进的差分进化算法求解Pareto前沿,减少了冗余的寻优代数、缩短了优化时间。以求解出的Pareto前沿为选择池,基于不同的偏好因子选择出不同的负荷分配方法,满足不同工况下的要求。仿真结果表明,该算法可以快速均匀地覆盖Pareto前沿,产生偏重于不同目标的负荷分配规则。优化规程与原规程相比,降低了打滑现象出现的概率,减小了轧制功率。     

兼顾板形的单机架UCM冷轧机负荷分配的优化方法

负荷分配是板厚控制和板形控制的基础,为了保证成品带钢的板形板厚质量,需要在负荷中考虑板形调节能力。综合考虑了单机架轧制各道次轧制压力和板形调节能力,建立了基于粒子群算法的单机架冷轧负荷分配优化数学模型,并利用该算法实现了单机架冷轧机多目标负荷分配优化。采用优化后的轧制规范组织实际生产应用,结果表明该优化模型很好地兼顾了板形控制和板厚控制,达到了良好的应用效果。     

基于粒子群算法的单机架冷轧硅钢负荷分配的优化方法

负荷分配是板厚控制和板形控制的基础,为了保证成品带钢的板形和板厚质量,需要在负荷分配中考虑板形调节能力。本方法综合考虑了单机架轧制各道次轧制压力特性和板形调节能力,建立了基于粒子群算法的单机架冷轧硅钢负荷分配优化数学模型,并利用该算法实现了单机架冷轧机多目标负荷分配优化。采用优化后的轧制规范组织实际生产应用,结果表明该优化模型很好地兼顾了板形控制和板厚控制,取得了良好的应用效果。