[发明专利]炼钢连铸生产工艺中的组炉次方法

说明书

技术领域

本发明涉及冶金自动化生产领域，涉及到一种基于序列倒置改进离散粒子群算法和准旅行商问题模型的炼钢连铸生产工艺中的组炉次方法。

背景技术

钢铁工业是国民经济的重要基础产业,而我国又是世界上最大的钢材生产大国。然而，由于钢铁工业是高能源行业，近几年，能源价格飞涨，如何节约能源，越来越引起钢铁界的重视。为了降低因燃料价格上涨而引起的燃料费用的增加，世界各国的钢铁企业都进行生产设备的改造、生产技术的革新。

我国加入WTO以后，钢铁企业面临一系列严峻的挑战，为了提升其核心竞争力和持续发展的后动力，需要解决好降低成本，提高质量和投资决策等问题。其中生产计划与调度是生产管理的关键。由于流程工业生产计划与调度问题具有大规模、多目标、复杂约束和动态不确定等特征，常规的建模和优化方法难以直接运用，而采用人工调度方法又难以实现资源合理调配和作业优化排序，因此，探讨适合流程工业生产计划与调度的建模优化和有效的求解方法成为急待解决的关键理论问题。

炉次计划属于炼钢-连铸段的生产批量计划。炼钢的一个炉次最多可以冶炼几十吨至上百吨的钢材。钢铁产品在生产过程中根据化学成分的不同可以划分为多个钢级序列，每个钢级序列又可以再细化为不同的钢级。只有同一钢级序列的板坯才允许安排在同一炉次中生产，而且一个炉次只能生产一种钢级的钢水，如果出现板坯钢级不同的情况，只能按照较高的钢级生产钢水。如果板坯不满一炉仍按一炉生产，多余部分称为无委材。

在炼钢连铸生产阶段，由于中间合同（热轧板坯）或最终合同（如热轧带钢）的需求在钢级、规格、物理特性、交货期等诸因素之间存在一定差别，根据炼钢工艺的要求和组成同一炉次的合同的特性限制，需要将合同进行组合，形成不同的炉次计划，使得每一炉次内在保证最低冶炼炉容要求下，合同之间的交货期差异最少，具有最大的成材率，最低的生产成本和最少的无委材。

授权公告号为CN100337773c的中国发明专利，公开了一种炼钢连铸生产工艺中的组连浇批次的方法。其核心是从宽度已经确定的板坯中选出接收批次要求的流向的板坯进行组炉，建立炉次优化模型，并采用粒子群算法求解。

授权公告号为CN101377789B的中国发明专利，公开了一种炼钢生产工艺中的板坯组炉方法。其核心是采用双层结构的遗传编码方式对函数优化，确定待组炉板坯的优化宽度，根据确定的板坯宽度组炉。

上述2项中国发明专利，在进行板坯组炉时，均采用直接求解方法，在其求解时存在大量不可行解，且在组炉时，需预先根据组炉板坯重量算出组炉炉次数。

发明内容

本发明的目的是为了克服上述现有技术的缺陷，而提供一种炼钢连铸生产工艺中的组炉次方法。

组炉次计划编制是多变量多约束大规模混合整数规划问题，可以通过最优化方法求解。最优化方法是寻求问题最优解的方法，包括传统优化算法、智能优化算法和基于规则的启发式算法。传统算法又分为解析法和数值法等。对于目标函数及约束条件具有简单而明确的数学解析表达式的最优化问题，通常可采用解析法来解决，其求解方法是先按照函数极值的必要条件，用数学分析方法(多采用求导数方法)求出其解析解，再按照充分条件或问题的实际意义间接地确定最优解；对于目标函数较为复杂或无明确的数学表达或无法用解析法求解的最优化问题，可采用数值解法来解决。数值解法的基本思想，就是用直接搜索的方法经过一系列的迭化使之逐步接近最优解。

传统优化算法具有计算效率高、可靠性强等优点，但在求解复杂、困难的优化问题时有很大的局限性。传统优化算法一般要求目标函数是连续可微的，解域是凸集等条件，而且处理非确定性信息的能力较差。这些弱点使传统优化方法在解决许多实际问题时受到了限制。

智能优化算法的发展为解决复杂、困难优化问题提供了新的途径。智能优化算法主要包括神经网络方法、遗传算法、模拟退火算法、免疫算法、禁忌搜索算法、蚁群算法、粒子群算法等。

智能优化算法具有通用性，可以找到最优解，但不一定能确保找到可行解，而基于规则的启发式算法运行速度快，能确保有可行解，但不一定能找到最优解。单纯采用智能优化算法或启发式算法很难找到最优组炉方案。本发明提出了把组炉模型转化为准旅行商问题的方法，较好地解决了智能优化算法求解组炉计划时存在大量不可行解的问题。而且，采用本发明，无须预先知道炉次数量。

本发明通过离散粒子群优化算法的优化搜索和基于启发式规则的个体译码，确保算法能找到最优可行解。