热轧圆钢的轧制批量计划优化模型与算法

针对热轧圆钢的轧制批量计划编制问题,以热轧圆钢的需求为导向,综合考虑热轧和加热炉阶段的工艺要求,建立了以最小化钢坯余料浪费惩罚和相邻钢坯间跳跃惩罚为目标的数学模型,并基于约束满足技术设计求解算法.算法通过变量选择和值选择规则对待轧制钢坯进行选择、分组和序列生成操作;通过约束传播技术缩减搜索空间,并划分轧制单元;同时,将装箱启发式Best Fit Decreasing (BFD)嵌入到算法中,以优化钢坯余料浪费惩罚和钢坯属性跳跃惩罚.基于实际生产数据的仿真实验表明了模型和算法的可行性和有效性.     

单亲遗传算法求解方坯入库堆垛问题(续完)

针对方坯入库堆垛问题,建立了最大化入库方坯批次综合匹配度和非空垛位空间利用率的多目标0-1整数规划模型。设计了求解该问题的两阶段算法:第1阶段采用聚类算法对下线入库方坯聚类形成入库批次;第2阶段采用基于约束满足的单亲遗传算法为形成的批次指派合适的垛位。通过钢厂实际生产数据对算法进行验证,结果表明,相对传统手工计算方法,本文提出的算法不仅能够通过对综合匹配度的优化来减少垛位倒垛数,而且能提高垛位的空间利用率。     

基于变邻域搜索的热轧圆钢批量调度多目标优化方法

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法.算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则.实验结果表明,模型和算法是可行且有效的.      

基于聚类-约束满足算法的钢管入库优化决策模型

针对钢管入库优化决策问题,建立了问题的约束满足优化模型,并通过对垛高和钢管堆放规则的分析,提出了基于聚类和约束满足技术的两阶段求解算法.算法在第一阶段采用聚类的方式对待入库的钢管按照多重属性进行分组;在第二阶段利用约束满足技术对于每组钢管分别指派垛位及其在垛位上的具体位置,并通过约束传播动态缩减问题的搜索空间.最后将算法与经典的BFD （best fit deceasing）算法进行实验结果对比.实验结果表明,算法能够在保证倒垛次数最小的前提下,有效减少垛位数并具有良好的垛位利用率,模型及算法可行、有效.      

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。     

基于Wiener过程的钢厂风机剩余使用寿命实时预测

作为炼钢厂的关键设备,风机担负着转炉除尘和煤气回收的重要任务,实现风机剩余使用寿命的准确预测具有重要的实际意义.通过对邯郸某炼钢厂风机振动数据的分析,建立了基于Wiener过程的状态退化模型,在首达时间的意义下,推导出风机剩余使用寿命的概率密度函数的解析表达式,提出了一种基于极大似然估计的参数实时估计方法,从而实现风机剩余使用寿命的在线实时预测.实验结果表明,相对于文献中的方法,本文所提出的预测方法可以得到更高的预测精度和较低的预测不确定性.      

考虑轧辊成本的轧制计划编制与调整

在分析轧辊车削成本的基础上对轧制计划编制和调整问题进行深入研究, 建立以最小化轧辊车削量为目标的0-1整数规划模型. 针对问题特征, 构造基于替换邻域搜索的两阶段算法: 第1阶段, 对轧制单元实施最佳匹配和交叉使用调整; 第2阶段, 通过搜索轧制单元的轧辊替换邻域, 用车削量较少的轧辊替代车削量较大的轧辊, 从而优化第1阶段的有效解. 通过实际生产数据验证, 两阶段算法能够在满足轧制工艺规程的基础上有效降低轧辊车削量, 算法和模型均可行且有效.     

钢坯入库堆垛问题模型及其动态求解算法

通过对钢坯入库堆垛问题进行深入研究,建立了以最小化钢坯出库倒垛数为目标的数学模型,并设计了一种可以动态调整垛位顶层钢坯的堆放位置的DIBF(Dynamic and Improved Best Fit)算法。算法主要分为2个阶段,首先通过聚类算法将辊道上暂存钢坯形成入库批次;然后对入库批次通过DIBF算法进行批次指派垛位。通过钢厂实际生产数据对DIBF算法、IBF(Improved Best Fit)算法和传统手工计算方法进行验证。结果表明,相对于IBF算法和传统手工计算方式,DIBF算法不仅能够在限制可用垛位数的前提下减少倒垛次数,而且也能提高垛位的空间利用率,模型及算法可行、有效。     

单亲遗传算法求解方坯入库堆垛问题(待续)

针对方坯入库堆垛问题,建立了最大化入库方坯批次综合匹配度和非空垛位空间利用率的多目标0-1整数规划模型。设计了求解该问题的两阶段算法:第1阶段采用聚类算法对下线入库方坯聚类形成入库批次;第2阶段采用基于约束满足的单亲遗传算法为形成的批次指派合适的垛位。通过钢厂实际生产数据对算法进行验证,结果表明,相对传统手工计算方法,本文提出的算法不仅能够通过对综合匹配度的优化来减少垛位倒垛数,而且能提高垛位的空间利用率。     

考虑倒垛因素的轧制计划编制方法

在给定粗轧制计划的基础上考虑钢坯库倒垛优化, 编制详细的轧制计划; 建立以最小化轧制计划内钢坯出 库总倒垛次数与轧制单元之间切换机架次数为目标的多目标整数规划模型; 针对模型特征, 设计一种基于钢坯匹配的单亲遗传算法. 通过基于实际生产数据的实验验证, 相对于传统的手工计算方法, 所提出的算法在优化倒垛次数和切换机架次数上平均提升20 %, 算法和模型是可行且有效的.