[发明专利]基于遗传算法和罚函数法的板形机构调节量优化方法

说明书

本发明提供一种基于遗传算法和罚函数法的板形机构调节量优化方法，属于冶金轧制领域，首先根据板形调控功效系数矩阵构建评价函数，然后将评价函数转换为一个约束极值问题，然后通过罚函数法、评价函数构建遗传算法的适应度函数，利用遗传算法迭代计算最优值。本发明使用遗传算法与罚函数结合的方法在保证板形误差较小时，各板形执行机构的调节量分配得到最优；由于其编程简单，计算效率高，且变量个数不受限制，将其引入到板形控制系统中，可以极大的提升计算精度与效率。

技术领域

本发明涉及冶金自动化技术领域，具体涉及一种基于遗传算法和罚函数法的板形机构调节量优化方法。

背景技术

随着制造业对高质量钢的需求增加，如何提高板形控制精度成为了当今世界各大钢厂及技术单位的一个热点课题。

为了得到较好的出口板形，现代六辊轧机可以用工作辊弯辊、中间辊弯辊、支撑辊倾斜和中间辊横移协同来完成。板形闭环控制系统主要包括板形调控功效系数的分析、板形闭环控制模型和板形前馈控制模型。因此在实际生产过程中板形机构的最优调节量对板形误差起到了很大的作用，因此考虑建立调节机构量与板形误差的评价函数，进而结合罚函数与遗传算法求其最优值。

围绕罚函数法和遗传算法，许多学者分别对它们进行过分析和应用，如何将罚函数法与遗传算法相结合应用到板形控制中却研究甚少。遗传算法是一种基于自然选择原理和自然遗传机制的搜索寻优方法，是多学科结合与渗透的产物。它具有全局搜索能力，具有很高的并行性，在搜索复杂问题和非线性问题占有很强的优势。遗传算法在求解带约束条件的问题时对约束条件的处理有了一定困难。罚函数法是传统的约束优化问题的强搜索方法。遗传算法是弱搜索方法和强搜索方法的折中，其优于弱搜索方法在于遗传算法能够利用遗传算子启发式地自适应搜索到全局最优的较小区域，而强搜索方法虽然其搜索速度快，但是容易陷入局部最优解。因此将遗传算法和罚函数法相结合是一个非常有效的方法。

发明内容

针对现有技术的不足，本发明提出了一种基于遗传算法和罚函数法的板形机构调节量优化方法，包括以下步骤：

步骤1：沿带钢宽度方向将带钢划分为n个测量区段，采集调控带钢板形的执行机构在一定调节量下影响不同测量区段的板形变化量，构造板形调控功效系数矩阵；

步骤2：利用最小二乘法建立板形偏差的评价函数J(△S)如下：

式中，b_i为带钢宽度第i测量区段的板形变化量；p_i为轧制力波动在带钢宽度第i测量区段影响的板形变化量；△S_j为第j个调控带钢板形的执行机构的调节量；i为带钢宽度方向上对应板形仪的测量区段编号，i＝1,2…n；j为调控带钢板形的执行机构编号，j＝1,2…m；m为执行机构的总数；a_ij为第j个执行机构对应第i测量区段的板形调控功效，A为板形调控功效系数矩阵；△S为所有执行机构的调节量表示的向量；

步骤3：根据执行机构运行的边界条件，将评价函数J(△S)转化为一个约束求极值的问题，表示为：

式中，S_1j为第j个执行机构的调节量下限，S_2j为第j个执行机构的调节量上限；

步骤4：将不等式约束条件经过加权处理构建罚函数Φ(△S,M)如下：

式中，M为惩罚因子；

步骤5：根据评价函数、罚函数构建适应度函数的分段函数F₁(△S,M)、F₂(△S,M)：

步骤6：根据适应度函数，利用遗传算法求解每个执行机构的最优调节量。