改进粒子群算法及其对热连轧机负荷分配优化的研究

提出一种基于适应度方差的权重梯度方向变异的改进粒子群优化算法（IPSO）,通过判断适应度方差,按照权重梯度方向进行变异操作,解决了PSO算法的早熟收敛和易于陷入局部极值的问题.应用IPSO算法对精轧机组负荷分配进行优化,根据负荷分配优化策略,给出综合板形板厚的最小方差目标函数,在实现各机架负荷分配优化的同时,提高板形质量.仿真结果表明,该算法计算精度高,收敛速度快,为精轧机组轧制规程的智能优化设计提供了一种新的有效方法.     

热连轧精轧负荷分配优化的多目标反向迭代法

在求解热精轧负荷分配优化的过程中,针对目标函数中加权系数难以确定的问题,提出多目标反向迭代法(multi-objective inversion iteration algorithm,MOII),该法通过数值迭代的方式实现了热精轧机组负荷分配的多目标优化.首先,在综合考虑板形、板厚精度和质量的基础上,设计负荷分配优化的多目标函数;然后,基于轧制力能参数与轧机入口和出口板带厚度的单调性关系,设计MOII算法,并对MOII算法的合理性及异常情况进行分析,给出其计算流程;最后,基于实际生产数据进行仿真,结果表明,MOII算法不仅能够实现负荷分配的多目标优化,而且求解速度快、精度高,体现出良好的在线应用前景;与其他方法得到的解相比,MOII算法求得的解有更好的性能.     

混合多目标粒子群优化算法在热精轧负荷分配优化中的应用

通过对热精轧负荷分配过程的分析,选取负荷均衡、板形良好和轧制功率最低为目标,建立了热精轧负荷分配多目标优化模型.为了提高多目标优化算法解集的分布性和收敛性,提出了一种混合多目标粒子群优化算法(HMOPSO),该算法根据Pareto支配关系得到Pareto前沿进而保证种群收敛;采用分解策略维护外部存档,该策略首先根据Pareto前沿求出上界点对目标空间进行归一化处理,然后对种群进行分区处理进而保证种群的分布性能.仿真结果表明,HMOPSO的收敛性和分布性都好于MOPSO和d MOPSO;采用模糊多属性决策的方法从Pareto最优解集中选择一个Pareto最优解,通过与经验负荷分配方法相比,表明该Pareto最优解可以使轧制方案更加合理.     

铝板带材厚度和板形设定补偿解耦控制策略

在铝薄板带材冷轧生产过程中,板厚控制和板形控制本质上都是对轧制过程中有载辊缝的控制,两者存在很强的耦合关系.针对板厚板形控制系统存在耦合问题,提出板厚板形解耦设定补偿思想,包括预设定补偿控制和自适应穿带解耦控制.前者是解决设定过程中弯辊力对板厚板形耦合系统的影响;后者是针对穿带过程中轧制力预报不精确的板厚板形解耦方法.仿真结果及现场应用表明,解耦设定补偿提高了板厚板形的控制精度,满足了铝带板质量综合控制的要求.     

基于CMAC神经网络的热连轧精轧温度预报模型

温度是带钢热连轧过程中几个最重要的工艺参数之一,由于温度将直接影响到热札轧制力,因此精确预报各道次,特别是精轧机组各机架的轧制温度,是保证厚度、板形及宽度数学模型命中率的关键.而精轧温度预报技术是热连轧的核心技术.由于传统的模型技术已经不能进一步提高精轧温度的预报精度,针对带钢热连轧精轧温度传统模型的固有缺陷,根据CM...     

冷连轧动态过程混合智能建模方法

针对具有非线性、多变量、强耦合、参数不确定等综合复杂特性的多机架冷连轧动态过程,在工作点附近建立基于轧制过程动态机理方程的线性状态空间模型,提出基于RBF 的轧机出口带钢速度模型以及机架间厚度延时估计方法,采用案例推理技术实现线性化多模型选择算法,研制了冷连轧动态过程的混合智能模型.使用某钢厂五机架四辊冷连轧机系统的实际生产过程数据进行仿真实验,在实际板厚控制系统的设定和轧件的扰动下,本文提出模型的各机架轧制力、冷轧板厚度和张力仿真结果与实际值的变化趋势相同,最大误差小于20%.     

基于免疫遗传算法的冷连轧机轧制参数优化方法

板厚、板形精度是衡量冷轧板带产品的二个主 要质量指标，本文以板厚板形为综合目标函数，首次采用智能优化方法——免疫遗传算法对 冷连轧机轧制参数进行优化．算例分析表明了该方法的有效性，取得了良好的效果，为冷连 轧机组轧制规程的优化设计提供了一种新的尝试．     

改进的板形平直度板厚模型及其自抗扰解耦

以连续轧制过程中强耦合的板形板厚系统为研究对象,在对影响板形板厚控制的各种耦合因素进行系统分析的基础上,建立了加入油膜厚度影响的板厚和板形平直度耦合系统数学模型。在耦合关系上通过matlab仿真分析,可知改进模型板形与板厚的耦合关系明显。在此基础上利用自抗扰技术进行解耦设计,并以某厂五机架连轧机的实际参数采用计算机进行仿真,仿真结果表明设计的自抗扰解耦控制器可以有效消除板厚和板形平直度之间的耦合关系,解耦效果良好。     

基于KPLS和TD的热连轧精轧末架微调AGC

热连轧传统的厚度控制方式主要依靠精轧机组下游机架的监控AGC(automatic gauge control)来消除厚差,易造成末架调节量过大,对板形产生非常不利的影响.为此提出一种基于KPLS(kernel partial least squares)和TD(tracking differentiator)的热连轧精轧末架微调AGC,通过对前一卷带钢轧制信息进行非线性特征抽取,找出F5,F6机架间过程变量的关系,从而可以在F6机架保持辊缝和压力基本不变的前提下,仅通过调节F5机架的辊缝而使厚度精度达到控制要求.现场实验证明了这一观点.     

改进蚁群算法在热精轧负荷分配优化中的应用

本文尝试用改进的蚁群算法(IACA)求解热精轧机组负荷分配优化问题.首先,建立负荷分配优化的目标函数和约束条件.为了避免蚁群算法(ACS)在加速收敛中出现停滞现象,IACA通过局部和全局信息素浓度更新、引入约束条件的蚂蚁视觉启发函数和基于轧制理论的智力启发函数对状态转移规则进行改进计算;为了保证算法在迭代后期能够收敛,IACA动态更新状态转移规则中的阈值常数和局部信息素浓度挥发系数.基于实际生产数据的仿真结果表明,IACA能够按照目标函数的要求进行合理的负荷分配,且解的性能优于经验值;与其他优化算法比较,IACA具有较快的求解速度和较高的求解精度.     

带局部搜索的NSGA Ⅱ算法在负荷分配中的应用

为了改善NSGAⅡ算法的收敛性能,将局部搜索的思想融入到NSGAⅡ中,提出一种带局部搜索的NSGAⅡ算法(NSGAⅡ-LS).该算法采用基于惩罚的边界插入法(PBI)产生局部搜索的优化函数,并使用序列二次规划方法(SQP)进行求解.通过在3个多目标标准测试函数上的仿真实验,结果表明相对于NSGAⅡ,NSGAⅡ-LS具有更好的收敛性能.最后将NSGAⅡ-LS应用到带钢热连轧负荷分配优化计算中,给出了兼顾轧制力平衡、最低轧制功率和优良板形的目标函数表达式,对多目标进化算法在热轧负荷分配优化计算中的应用进行研究,指出了目标之间的冲突关系.     

1700mm热轧板形控制优化

针对1 700 mm热轧生产线投产以来存在的问题,通过数学模型和工艺参数的分析研究,结合大量生产实际,通过对工作辊轴向移动可获得辊缝正负凸度的变化,从而降低目标凸度;通过增大PC角提高平直度;修正比例因子值,从而提高了AGC控制精度;合理分配精轧机负荷,保证精轧出口的平直度。经过这4方面的综合优化,改善了板形控制功能,使1 700 mm轧机热轧带钢的浪高基本控制在10 mm以下,板形得到有效优化。     

铝板带材板形和厚度解耦自适应控制策略

铝板带材轧制生产过程是一个复杂的非线性控制对象, 其中自动板形控制(AFC)和自动板厚控制(AGC)又是一个相互耦合的复杂系统, 其参数在运行过程中会随时发生变化. 针对铝板带材轧制的特点提出了将自适应控制与板形板厚控制系统数学模型相结合, 自动调整解耦网络和控制器的参数. 现场实际数据的仿真结果表明, 该方法的应用消除了参数变化产生的影响, 使板形板厚控制系统具有良好的自适应跟随参数变化和抗干扰性能, 解耦控制效果良好, 提高了板形板厚的控制精度.     

一种基于排序的LDF改进遗传算法

针对高维数据建模过程中常见的非线性复杂问题,使用遗传算法进行全局寻优。考虑到标准遗传算法在搜索过程中存在的多种收敛性问题,提出基于排序的拉普拉斯分布函数(LDF)改进遗传算法。该算法针对性地改进了遗传算法的多种收敛性问题,解决了遗传算法过快收敛至局部最优解以及后期收敛速度过慢等问题。根据实际生产数据,对轧钢精轧机组进行了仿真模拟,仿真实验结果表明了该算法切实可行,在保证了优化效果的同时,也保证了算法的总体收敛速度和稳定性,具有良好的应用前景。     

基于改进差分进化鲸鱼算法的经济负荷分配

针对电力系统经济负荷分配这一典型的非凸、非线性、组合优化问题,提出一种将改进差分进化算法和鲸鱼算法相结合的优化算法。该算法首先在鲸鱼优化算法中引入了非线性的收敛变化策略,加速寻优算法的迭代;再利用差分进化算法的交叉和选择,丰富算法种群个体信息,增强优化算法的全局收敛性;同时引入一种淘汰机制,将适应度较好的个体信息更快地保留用于下一次鲸鱼优化算法的迭代,提高了求最优解的速度和精度;最后,对多个经济负荷分配问题进行了测试,将该算法与标准鲸鱼算法、标准差分进化算法进行对比,验证了差分进化鲸鱼算法可以更合理地配置电力系统的经济负荷,能够有效找到可行解,避免陷入局部最优,能实现经济负荷的合理分配。     

基于改进人工鱼群算法的1050铝合金变形抗力模型优化

变形抗力是轧制力模型预测的重要参数,其模型的精确度直接影响轧制力的预报精度。为了得到更为精确的变形抗力数学模型,文中以据河南某铝热连轧厂1+4连轧精轧机组为研究对象,根据大量现场实测稳定段数据,应用轧制理论反推得到变形抗力回归所用数据后,将模型线性化再应用最小二乘法对1050系铝合金变形抗力进行了线性回归,得到初始参数后运用改进鱼群算法对影响变形抗力的参数进行了优化,仿真结果表明用改进鱼群算法优化出的参数得到的变形抗力模型比用最小二乘法回归出的变形抗力模型应用于轧制力预报的误差更小,所以,在进行轧制力预报时选择改进鱼群算法优化后的变形抗力模型。精确的轧制模型是轧制过程中的轧制预报的关键,对于指导生产,提高产品质量有着重要的实践意义。     

热轧机组运行状态非线性相关约束分析

热轧带钢生产线各机架轧制力、板宽、板厚控制系统, 须根据轧制工艺计算设定参数. 但在实际运行中, 由于各种干扰因素的影响, 往往偏离系统设定值, 本文根据分布式数据采集系统的基本数据库, 通过轧制工艺参数约束方程, 运用数据融合方法, 对实际轧机运行状态作出综合分析, 为进一步优化轧机运行参数提供重要参考.     

板带轧机负荷分配方法的综述

负荷分配是轧制规程设定计算的核心,合理的负荷分配能够充分发挥轧机生产能力,稳定生产过程,提高产品质量。参考国内外的理论研究及工程实践,将负荷分配方法按照其发展进程进行分类和综述,分为能耗曲线方法、基于轧制理论分配方法、传统优化分配方法和智能优化分配方法。其中在传统优化分配方法中按优化目标不同进行分类,包括能耗最小目标、等负荷轧制目标、相对等负荷轧制目标、综合等负荷函数目标、板型良好目标、最小轧制道次目标和综合多目标;在智能优化分配方法中按照优化方法进行分类,包括遗传算法、神经网络、模糊理论等智能算法。最后指出多目标优化和智能优化是今后负荷分配的发展方向。     

模糊PID在冷轧机厚度控制系统上的应用

为解决现有轧机液压AGC系统响应慢、精度不高和工作效率低的问题,将现有液压PID控制系统改进成模糊PID自整定控制系统。首先在分析轧制过程中的变形确定轧制阻力,以及控制环节的传递关系的基础上,建立了工作装置和液压控制系统联合仿真模型,并且在轧机厚度控制系统的数学模型基础上进行了参数优化,利用AMESim和Mat]lab/Simulink联合仿真得出了轧件入出口板厚曲线,并对液压缸PID控制系统和模糊PID自整定控制系统进行对比分析。经研究表明:普通PID控制系统无法对出口板厚进行有效实时调整,而模糊PID自整定控制系统除对板厚能实时调整外,其控制精度大大提高,最大板厚误差仅为0.1 mm,改进后的系统响应快,响应时间为0.4 s。     

五机架冷连轧机轧制规程的优化计算及实现

根据五机架冷连轧机的特性,采用综合等负荷函数法,通过对负荷余量和出口厚度进行双重嵌套迭代来实现轧制规程的优化计算;采用西门子公司的WinCC组态软件作为设计平台对该优化算法进行人机界面设计并加以编程实现.