[发明专利]一种面向多钢卷的连退生产过程工艺参数优化设定方法有效
申请号: | 201911240174.4 | 申请日: | 2019-12-06 |
公开(公告)号: | CN110989522B | 公开(公告)日: | 2022-09-09 |
发明(设计)人: | 唐立新;王赞;王显鹏 | 申请(专利权)人: | 东北大学 |
主分类号: | G05B19/418 | 分类号: | G05B19/418 |
代理公司: | 沈阳东大知识产权代理有限公司 21109 | 代理人: | 梁焱 |
地址: | 110819 辽宁*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 多钢卷 生产过程 工艺 参数 优化 设定 方法 | ||
1.一种面向多钢卷的连退生产过程工艺参数优化设定方法,其特征在于,包括下述步骤:
步骤1:建立面向多钢卷的连退生产过程工艺参数优化设定问题模型;
步骤1.1:基于数据解析的方法,建立带钢质量在线预测模型;
步骤1.1.1:将带钢硬度作为衡量带钢质量的指标,带钢质量在线预测模型即为带钢硬度在线预测模型;
步骤1.1.2:构建训练样本集:在连退机组正常生产的工况下,采集一段时间内N个带钢的生产过程数据,构成训练样本集L;其中,所述生产过程数据包括带钢的环境参数数据、控制变量数据、带钢硬度数据;
步骤1.1.3:建立带钢硬度在线预测模型:以带钢的环境参数数据和控制变量数据为输入、带钢硬度为输出,基于最小二乘支持向量机构建带钢硬度在线预测模型,用训练样本集L对带钢硬度在线预测模型进行训练,得到训练后的带钢硬度在线预测模型为y=LSSVR(E,X);其中,E为带钢的环境参数数据,X为带钢的控制变量数据,y为根据环境参数数据E和控制变量数据X进行生产时获得的带钢硬度;
步骤1.2:建立面向多钢卷的连退生产过程工艺参数优化设定问题模型为
其中,式(5)中,yt(Et,Xt)为根据环境参数数据Et和控制变量数据Xt进行生产时获得的第t个带钢的硬度,t=1,2,…,K,K为调度层下达的所需加工的带钢总数;Et为第t个带钢的环境参数数据,Et=(et,1,et,2,…,et,i,…,et,ne)T,et,i为第t个带钢的第i个环境参数,i=1,2,…,ne,ne为环境参数总数,第1、2、…、ne个环境参数分别为带钢宽度、带钢厚度、碳含量、出炉温度、平均卷曲温度、硅含量、平均终轧温度、CDCM延伸率;Xt为第t个带钢的控制变量数据,Xt=(xt,1,xt,2,…,xt,j,…,xt,nx)T,xt,j为第t个带钢的第j个控制变量,j=1,2,…,nx,nx为控制变量总数,第1、2、…、nx个控制变量分别为中央段速度、加热炉平均温度、均热炉平均温度、缓冷炉平均温度、1#冷炉冷却气体温度、1#过实效炉平均温度、2#过实效炉1区平均温度、2#过实效炉2区平均温度、水淬炉水温、平整机入口张力、平整机中间张力、平整机出口张力、1#平整机轧制力、2#平整机轧制力;
Taskt为第t个优化任务,目标函数(t-1)为最小化第t个带钢的硬度yt(Et,Xt)与第t个带钢的合同的目标硬度yt,obj间的偏差,目标函数(t-2)为最小化第t个带钢的加热炉平均温度xt,2、均热炉平均温度xt,3之和,目标函数(t-3)为最小化第t个带钢的中央段速度xt,1的倒数;
式(4)中,lt,j、ut,j分别为第t个带钢的第j个控制变量的下限、上限;
步骤2:基于自适应多目标多因子差分进化算法,求解面向多钢卷的连退生产过程工艺参数优化设定问题模型;
步骤2.1:初始化相关参数:初始化迭代次数G=0,设置最大迭代次数为Gmax;初始化第G次迭代中第m个变异算子的选择概率Pm,G=1/M、成功次数sm,G=0、失败次数fm,G=0,m=1,2,…,M,M为变异算子的总数;
步骤2.2:初始化种群:
步骤2.2.1:将每个带钢的控制变量设定方案(xt,1,xt,2,...,xt,nx)t∈{1,2,…,K}均作为一个个体;
步骤2.2.2:为每个个体(xt,1,xt,2,...,xt,nx)中的每个元素在该元素的上下限范围内随机选取一个值生成一个初始个体,共得到K个初始个体;
步骤2.2.3:重复步骤2.2.2n次,得到nK个初始个体,形成第G代种群;
步骤2.2.4:为第G代种群中的每个个体随机分配一个技术因子;一个技术因子对应一个优化任务;
步骤2.3:按照各变异算子的选择概率和交配策略生成子代种群;
步骤2.4:更新子代种群中每个个体的技术因子:
步骤2.5:第G代种群和子代种群组成联合种群,评价联合种群中的每个个体,留存适应度高的个体;
步骤2.5.1:计算联合种群中每个个体的适应度;
步骤2.5.2:更新各变异算子的成功次数、失败次数:第G+1次迭代中第m个变异算子的成功次数失败次数其中,为第m个变异算子所产生的子代个体中能够支配自身的任意一个父代个体的子代个体个数,为第m个变异算子所产生的子代个体中不能够支配自身的任意一个父代个体的子代个体个数;
步骤2.5.3:对联合种群中的个体按照适应度由大到小进行排序,留存前nK个个体构成第G+1代种群;
步骤2.6:令G=G+1,若G<Gmax,则更新各变异算子的选择概率,转至步骤2.3;若G≥Gmax,则进入步骤2.7;
步骤2.7:将第G代种群提供给连退生产现场,在第G代种群中每个带钢对应的所有个体中选择出最优个体,用最优个体对应的控制变量设定方案来设定该带钢在连退生产过程中的控制变量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911240174.4/1.html,转载请声明来源钻瓜专利网。