軋制生產(chǎn)中預(yù)測模型及軋制調(diào)度方法研究.pdf

1、鋼鐵業(yè)長期以來一直在國民經(jīng)濟(jì)發(fā)展中占主導(dǎo)地位.但近年來,隨著社會發(fā)展與科學(xué)技術(shù)的進(jìn)步,以及市場競爭的日益嚴(yán)峻,一方面用戶對鋼鐵產(chǎn)品質(zhì)量、品種、性能的要求越來越高；另一方面,鋼鐵企業(yè)要以盡量低的成本,生產(chǎn)出足夠高質(zhì)量的產(chǎn)品,才能使自己在激烈的市場競爭中立于不敗之地.鋼產(chǎn)品制造是一個包括幾個相互關(guān)聯(lián)但分散的工序的復(fù)雜過程.其中,軋件的軋制過程是鋼鐵生產(chǎn)過程中的關(guān)鍵工序,而軋制過程的控制以及軋制過程中軋制生產(chǎn)調(diào)度序列成為影響產(chǎn)品質(zhì)量和產(chǎn)品成本

2、的主要因素.在計算機(jī)控制的鋼鐵生產(chǎn)過程中,為使鋼鐵順利通過軋制線,得到具有一定尺寸精度、良好板形和具有一定機(jī)械性能的成品,必須建立一套完整的能被計算機(jī)所采用的計算模型. 對于精軋機(jī)組來說,軋制壓力模型是核心模型.在軋制壓力預(yù)測方面,變形抗力模型是影響軋制壓力精度的重要模型.文中提出了變形抗力和軋制壓力的預(yù)測模型,并在預(yù)測過程中表現(xiàn)出良好的性能.在軋件的軋制過程中,軋輥對于軋制產(chǎn)品質(zhì)量、運(yùn)行成本和生產(chǎn)能力起著關(guān)鍵性的作用,而軋件的

3、軋制計劃安排對于軋輥產(chǎn)生巨大的影響.因此,制定一條可行而有效的軋制調(diào)度計劃是非常必要的.本文在車輛路徑問題的基礎(chǔ)上,提出了軋件軋制調(diào)度的車輛路徑問題模型,并發(fā)展了混雜離散人工免疫算法與模擬退火的新型混合優(yōu)化算法,在解決軋件軋制生產(chǎn)調(diào)度問題中取得了良好的效果.本文主要對以下幾個方面的內(nèi)容進(jìn)行了研究： ◆變形抗力預(yù)測模型針對小樣本單一鋼種問題,提出了支持向量機(jī)組合模型.利用數(shù)學(xué)模型計算變形抗力的主值,利用混合最小二乘支持向量機(jī)預(yù)測變

4、形抗力的偏差值.其中,混合最小二乘支持向量機(jī)利用離子群優(yōu)化算法(PSO)來自動選擇自身參數(shù).通過對熱模擬實(shí)驗(yàn)得到的數(shù)據(jù)進(jìn)行仿真研究,可以發(fā)現(xiàn)支持向量機(jī)組合模型具有良好的預(yù)測性能和泛化性能,相對誤差率在5﹪以內(nèi)的就占了總測試樣本的96.55﹪,所有測試樣本的相對誤差率都在10﹪以內(nèi). ◆軋制壓力預(yù)測模型提出了基于進(jìn)化神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型相結(jié)合的組合預(yù)測模型.這個模型充分利用了進(jìn)化神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型各自的優(yōu)點(diǎn),主要從兩方面考慮提高軋制

5、壓力預(yù)測精度,一方面就是建立了進(jìn)化神經(jīng)網(wǎng)絡(luò)模型來糾正軋制壓力的偏差,進(jìn)化神經(jīng)網(wǎng)絡(luò)的主要創(chuàng)新之處是通過利用結(jié)構(gòu)自適應(yīng)PSO循環(huán)來確定網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)和激活函數(shù),通過權(quán)重SA-APSO(基于模擬退火的自適應(yīng)PSO)循環(huán)來選擇網(wǎng)絡(luò)的權(quán)值和閾值.另一方面是對軋制壓力數(shù)學(xué)模型進(jìn)行優(yōu)化,通過引入基于進(jìn)化神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型的變形抗力參數(shù)網(wǎng)絡(luò)來優(yōu)化軋制壓力數(shù)學(xué)模型,把兩者綜合起來,可得到軋制壓力的最佳預(yù)測效果.通過對來自某鋼廠的實(shí)際生產(chǎn)數(shù)據(jù)的計算結(jié)果表明

6、算法的可行性和有效性. ◆軋制生產(chǎn)調(diào)度問題工業(yè)生產(chǎn)調(diào)度問題本身大多是NP難問題,經(jīng)典的運(yùn)籌學(xué)方法在解決這一類問題時效率不高,因而該問題一直是學(xué)術(shù)界研究的熱點(diǎn).車輛路徑問題和軋制生產(chǎn)調(diào)度問題都是NP難題.文中針對軋制生產(chǎn)調(diào)度問題的各種情況,提出了相應(yīng)的軋制車輛路徑問題模型,并把離散人工免疫算法引入車輛路徑問題和軋制生產(chǎn)調(diào)度問題,此算法發(fā)揮了其簡單、易執(zhí)行、全局尋優(yōu)好的優(yōu)點(diǎn)；模擬退火算法使用概率來避免算法陷入局部最優(yōu),整個搜索過程可

7、由控制參數(shù)來控制；通過對這兩種算法的不同組合,提出了兩種快速、且易于實(shí)現(xiàn)的新的混合優(yōu)化算法,并將其用于求解相應(yīng)的軋制生產(chǎn)調(diào)度問題.對于一般軋制生產(chǎn)調(diào)度問題,模擬退火算法是嵌入在離散人工免疫算法中的子程序,兩種算法執(zhí)行分配與排序的功能,對于一般車輛調(diào)度問題中的若干經(jīng)典算例的計算結(jié)果以及與其它算法的比較表明了算法良好的求解性能；同時,通過對來自某鋼廠的實(shí)際生產(chǎn)數(shù)據(jù)的計算結(jié)果,進(jìn)一步表明了算法的可行性和有效性；對于軋制單元數(shù)不確定的軋制生產(chǎn)調(diào)

8、度問題,離散人工免疫算法與模擬退火算法是順序執(zhí)行的,即離散人工免疫算法的最好解是模擬退火的初始解,通過對車輛數(shù)不確定的車輛路徑問題中的幾個經(jīng)典算例的計算結(jié)果表明算法良好的求解性能,對于來自某鋼廠實(shí)際生產(chǎn)數(shù)據(jù)的計算結(jié)果進(jìn)一步證明了算法良好的性能；對于帶交貨期差異的軋制生產(chǎn)調(diào)度問題,運(yùn)用上面提出的兩種算法求解,通過對帶時間窗的車輛路徑問題的若干經(jīng)典算例的計算結(jié)果表明算法良好的求解性能,對于某鋼廠實(shí)際生產(chǎn)數(shù)據(jù)的計算結(jié)果驗(yàn)證了算法的可行性和有效