CN101303588A - 一种炼钢—连铸炉次批量计划自动编制方法及系统 - Google Patents

Abstract

一种炼钢—连铸炉次批量计划自动编制方法及系统，属于信息技术领域，包括以下步骤：(一)数据采集；(二)模型构造；(三)优化求解；(四)结果评价；(五)人机交互；(六)下发执行。采用本发明数学模型和优化算法得出炉次批量计划结果的各项指标优于当前现场手动编制模式得出的炉次批量计划结果的各项指标，此外使用本发明自动编制方法进行计划编制的时间(约5分钟)要远远小于手动编制模式的计划编制时间(约2－3个小时)。因此，本发明自动编制方法改善了传统的手动编制模式的科学性，提高了计划编制水平和质量，解决了手动编制模式效率低下问题，为钢铁企业的计算机集成制造系统的在线炉次批量计划编制提供了一个有效的科学方法。

Description

一种炼钢-连铸炉次批量计划自动编制方法及系统

技术领域

本发明属于钢铁生产工艺及自动化技术领域，涉及到运筹学建模和智能优化算法，特别涉及到一种炼钢-连铸炉次批量计划自动编制方法及系统。

背景技术

钢铁生产从铁矿石原料投入到钢材产品的产出，需要经过一系列的处理阶段。按照生产流程的工艺特点，可以将其生产划分为以下几个区域：铁区、钢区、热轧区、冷轧区。其中，钢区涉及的生产工序主要为炼钢、精炼、连铸、模铸等，其产出的半成品-板坯(或钢锭)是各种最终钢材产品的原材料。因此，钢区涉及的工序往往成为钢铁生产流程中的关键工序。在钢区，连铸代替模铸是钢铁生产工艺史上一次重大的飞跃，同模铸生产相比，连铸生产可以降低能耗、提高生产效率以及改进产品质量。当前，连铸比(连铸产量与连铸模铸总产量的比率)已经成为衡量一个钢铁企业生产水平的重要标准。因此，国内外许多钢铁企业都致力于发展连铸工艺，提高连铸比。例如：日本、德国、和美国的连铸比都已超过80％，有的已接近100％。我国连铸比也在快速增长，1970年至1980年，连铸比从2.1％发展到6.2％，至1990年，发展到22.4％，到2001年，发展到92.0％。2003年，我国连铸比达到95.3％左右。连铸新工艺出现以后，由于其高温连续运行的特点，在生产管理上往往把炼钢、精炼、连铸看成一个整体单元来考虑，简称炼钢-连铸。炼钢-连铸的主要生产过程是接受鱼雷车从铁区高炉端送来的铁水，与废钢一起投入转炉(或电弧炉)中，经吹氧并除去杂质，转化成钢水；然后倒入钢包由台车和吊机送到精炼炉进行精炼，达到客户需求的钢级质量；接着再由台车和吊机运送到连铸机的回转台上，钢水倒入中间包经结晶器和二冷区固化、冷却、拉流、切割成各种规格的板坯。

当前，炼钢-连铸的生产工艺在各大型钢铁企业中得到了长足的发展。但是在改进生产工艺的同时，而与之配套的炼钢-连铸的生产管理的优化控制研究与开发却不能同步发展。因而迫切需要对炼钢-连铸的生产管理的优化控制方法进行研究，以便有效地发挥炼钢-连铸的作用。炉次批量计划属于炼钢-连铸生产阶段的生产批量计划，也叫合炉炼钢，是解决钢铁企业产品“批量小、规格多、品种多、产量大”问题的有效方案。炉次批量计划的制定需要按照客户需求产品的具体参数包括钢级成分、轧制宽度、宽展侧压量、炼钢工序申请欠量、交货期及类别、出口标志、集批标志，考虑炼钢-连铸生产工艺特点及约束包括转炉生产的批量特性、连铸机的调宽规则、炉流平衡、炉流浇宽比，进一步考虑炼钢-连铸生产工序间的衔接顺畅和炼钢-连铸后续工序的物流平衡，对客户需求的产品进行合理的规格设计和有效组合，形成以炉次为单位的批量组合，用以指导和控制炼钢-连铸生产，进而使炼钢-连铸的产能得到充分的发挥。

目前，学术界针对炉次批量计划问题这一课题的研究极为重视。如文献(Dorn J，Shams R.，“Scheduling high-grade steelmaking”，IEEE Expert，1996，11(1)：28-35)针对炼钢-连铸生产的短期计划问题(其中包含炉次批量计划问题)提出了一个专家系统；文献(Box R E，Herbe D G.，“Ascheduling model for LTV Steel’s Cleveland works’twin strand continuous slab caster”，Interfaces，1988，18(1)：42-56)研究了美国LTV钢铁公司两流连铸机的短期计划问题，分析了影响计划编制治理的各种因素，提出了一个启发式算法；文献(Chang S Y，Chang M R，Hong Y S，“A lotgrouping algorithm for a continuous slab caster in an integrated steel mill”，Production Planning &Control，2000，11：363-368)研究了一类浇次批量计划的列生成算法，问题的特征是考虑组合到一个浇次的炉次在宽度、碳元素、锰元素差异约束，首先建立该问题整数规划模型，等价转换为Gilmore and Gomery的经典切割问题的列生成模型，采用常规的列生成算法和取整启发式求解。而目前现场中炉次批量计划编制主要是通过计划员的手动操作来实现的，这种计划手动编制模式对计划编制人员的依赖较严重，不能自动完成计划编制，并且还需要由熟悉生产工艺的生产计划人员耗费2-3个小时的工作才能最终完成。由于实际生产中涉及到的产品数目巨大，目前这种手动计划模式难以保证在有限的时间内编制出较优的生产计划，难以实现炼钢-连铸生产的优化实施。已申请的专利(公开号“CN1885328”，一种炼钢-连铸中间包批量计划方法和系统)主要实现了以炉次为输入形成连铸机上中间包生产的批量组合；而本发明主要实现以合同板坯为输入形成炼钢-连铸生产中的最小生产批量单位-炉次；本发明系统的输出可以做为专利(公开号“CN1885328”)系统的输入。

发明内容

针对现有炉次批量计划编制技术的不足之处，本发明提供一种执行于计算机的炉次批量计划自动编制方法，该方法根据客户需求的钢材产品的特性，考虑炼钢-连铸生产中的工艺约束，通过运筹学建模手段，构建描述炉次批量计划问题的数学模型，提出一类近似动态规划和局域搜索的混合智能优化算法获取模型的优化解，并将其转化为优化生产的炉次批量计划，进而下发给炼钢-连铸生产车间的控制系统用以指导和安排生产实施，从而达到降低生产成本，提高生产效率，保证准时交货，减少库存积压的目的。

本发明的炼钢-连铸炉次批量计划自动编制方法依赖于钢铁企业的计算机分级控制系统硬件平台，由基于数学模型和混合智能优化算法的系统实现。

其硬件平台核心由钢铁企业分级控制的各级计算机及相关设备组成，主要包括钢区生产管理计算机、生产实时控制计算机、炼钢过程控制计算机、精炼过程控制计算机、连铸过程控制计算机、以及基础自动化级的DCS/PLC，硬件平台的详细结构如图1所示。钢区生产管理计算机制定中短期的生产计划，并下发给生产实时控制计算机；生产实时控制计算机接收钢区生产管理计算机的命令，进行实时在线调度和决策支持，同时分别接收炼钢过程控制计算机、精炼过程控制计算机和连铸过程控制计算机的反馈信息对生产物流及设备运行状态进行跟踪；炼钢过程控制计算机、精炼过程控制计算机和连铸过程控制计算机分别通过与钢区生产管理计算机和生产实时控制计算机的接口，制定过程控制模型，向基础自动化级的DCS/PLC下达生产指令，并且在线采集质量数据；基础自动化级的DCS/PLC实现生产过程的速度、位置、流量控制和生产顺序控制，并检测现场状态。

本发明的炉次批量计划自动编制软件既可以运行于钢铁企业的钢区生产管理计算机上，也可以运行于独立的炉次批量计划自动编制计算机上，该软件通过与钢区生产管理计算机进行数据通讯，采集计划编制所需的输入数据，并通过以数学模型和混合智能优化算法为核心的求解器获得优化的炉次批量计划，进而将计划结果反馈给钢区管理计算机并下发执行。

本发明的炼钢-连铸炉次批量计划自动编制方法的实现步骤包括：(一)数据采集；(二)模型构造；(三)优化求解；(四)结果评价；(五)人机交互；(六)下发执行。

(一)数据采集

数据采集为炉次批量计划的自动编制提供基本的输入和依据，主要包括以下三类数据。

1)计划生产产品数据

该类数据的获取由两种途径实现，第一种是从钢铁企业的计算机分级控制系统上下载，第二种是基于本发明系统提供的原始数据管理界面进行手工输入。该类数据包括的具体信息如下：材料号，合同号，出钢记号，板坯重量，板坯厚度，板坯宽度，板坯长度，轧制宽度，轧制厚度，硬度组代码，板坯去向，热钢卷去向，材料组别，流向代码，精炼路径代码，烫辊材标记，交货日期，集批代码，厂内交货日期，按周交货标志，合同拖期标记，出口标记，合同性质代码。

2)生产工艺约束数据

该类数据的获取是通过对具体钢铁企业现行炼钢-连铸生产工艺的分析，通过本发明系统提供的静态表维护界面进行手工输入，包括以下三小类：板坯宽展侧压、出钢记号以优充次、无委托板坯规格，调宽规则。其中板坯宽展侧压的具体信息包括：硬度组上限、硬度组下限、厚度上限、厚度下限、宽度上限、宽度下限、宽展量上限、宽展量下限、侧压量上限、侧压量下限。出钢记号以优充次的具体信息包括：优出钢记号、次出钢记号、以优充次顺序码。无委托板坯规格信息包括：出钢记号、板坯宽度上限、板坯宽度下限。调宽规则的具体信息包括：从宽到窄幅度，从宽到窄次数，从窄到宽幅度，从窄到宽次数。

3)生产管理需求数据

该类数据的获取是由具体钢铁企业的计划人员对企业当前各个机组的生产、维修、库存和物料需求情况进行分析，通过本发明系统提供的流向需求设定界面进行手工输入，具体信息包括：流向码、目标量、目标量上限、目标量下限。

(二)模型构造

炉次批量计划问题属于一类特殊的组合问题，需解决的是在满足生产工艺约束和管理要求的条件下，将客户合同需求的待生产板坯进行优化组合，形成炼钢-连铸生产的最小批量单位-炉次，从而达到优化生产的目的。通过数据采集步骤获取炉次批量计划编制需求的基本输入，采用模型构造步骤来建立问题的数学模型，用以描述问题的特征，并且为优化求解提供必要的依据。本发明构造的炉次批量计划问题的数学模型描述如下：

$\min {\mathrm{\λ}}_1\underset{i\∈N}{\mathrm{\Σ}}{q}_i{Y}_i+{\mathrm{\λ}}_2\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{h}_j(1-x_{\mathrm{ij}})+{\mathrm{\λ}}_3\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{c}_{\mathrm{ij}}{x}_{\mathrm{ij}}---\left(1\right)$

s.t.

$\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ij}}\≤1$ j∈N     (2)

x_ij≤x_ii    i，j∈N    (3)

$\underset{j\∈N}{\mathrm{\Σ}}{g}_j{x}_{\mathrm{ij}}+Y_i=x_{\mathrm{ii}}T$ i∈N     (4)

其中，决策变量：

a)x_ii：决定生产一个与板坯i的钢级宽度相对应的炉次时，取值为1，否则为0。

b)x_ij：将板坯j合并到板坯i所在炉次进行批量生产时，取值为1，否则为0。

c)Y_i：板坯i对应的炉次中剩余钢水量(用以生产没有合同的库存板坯，称为无委托板坯)。模型参数及目标函数：

a)q_i：板坯i对应的炉次中单位重量无委托板坯引起的库存费用。

当合并到一个炉次中进行组织生产的合同板坯总重量小于一个转炉的冶炼容量时，剩余的钢水仍然需要在连铸机上产出板坯，只是这些板坯产出后暂时没有和客户合同挂钩，称为无委托板坯。无委托板坯需要存储到板坯库，用以和将来的客户合同进行匹配，但存储无委托板坯将带来相应的库存费用。模型目标函数(1)的第一项

就是由无委托板坯带来的总惩罚费用。

b)h_j：板坯j的优先级系数，详细定义如下：

钢铁企业的产品特征表现为多品种、小批量，并且客户对交货期的要求越来越严格。为解决客户需求同钢铁企业组织生产模式之间的矛盾问题，将准时制思想引入，提出板坯优先级评价方法。板坯的优先级由以下4个指标确定：工序计划日期(厂内炼钢工序交货期)和交货期类别(按周交货、按月交货)，标示为p₁，p₁-t关系如图2所示；出口合同标志，标示为p₂。(3)具有集批标志的板坯，并且处于时间窗口内的有固定的奖励值、处于时间窗口之外的无奖励，标示为p₃；具有拖期标志的板坯，标示为p₄。根据以上四个评价指标，板坯优先级可以表示为： $h_j=\underset{k\∈\{1,...,4\}}{\mathrm{\Σ}}{w}_k{p}_k,$ 其中w_k为各指标的权重。由于炼钢-连铸组织生产的复杂性，对于一些板坯可以暂时放弃安排生产，但是将导致客户满意度的降低。因此，一个合理的计划安排需要尽量提高客户的满意度。模型目标函数(1)的第二项

就是放弃生产某些板坯带来的优先级总惩罚费用。

c)c_ij：将板坯j合并到板坯i对应的炉次生产时，由于钢级属性差异导致的炼钢附加费用，详细定义如下：

上述定义中，St_i和St_j分别为板坯i，j的钢级指标，F₁为权重，以优充次属于炼钢-连铸生产管理中的一个策略，主要解决钢种需求量小的客户合同组织生产问题。例如，当某个合同需求的板坯量为15吨，转炉的冶炼容量为为300吨，而此时又不存其他合同板坯和该合同板坯的钢级相同，那么就存在以下三个选择：i)为该合同安排生产一炉钢水，余下的275吨钢水用于生产无委托板坯；ii)暂时放弃该合同，不安排生产；iii)将该合同合并到其他钢级要求较高的炉次中进行生产(以优充次)。其中，第一个选择将增加库存费用；第二个选择将降低客户满意度；第三个选择(以优充次)是能被客户所接受，因为交付产品的钢级质量要优于其需求的钢级质量，但这样一来将导致利润的降低。因此，需要在上述三个选择中做出一个折衷，而目标函数(1)中包含的三项则分别对应这三个选择带来的费用，其中，模型目标函数(1)的第三项

就是由以优充次带来的总惩罚费用。λ₁，λ₂，λ₃分别对应于三个不同目标项的权重。

d)g_j为合同板坯j的重量，T为一转炉钢水的冶炼容量。

约束条件：式(2)表示每一块合同板坯最多能被合并到一个炉次中进行冶炼生产；式(3)表示仅当决定生产一个与板坯i的钢级宽度相对应的炉次时，其他板坯j才可以合并到该炉次中进行生产。式(4)表示合并到一个炉次内的合同板坯量不能超过转炉的冶炼容量，当不足时，剩余钢水用以生产无委托板坯。

除了上述(2)-(3)三个与问题描述相关的约束外，还存在与连铸机自身运行相关的工艺约束，主要描述如下：

j∈N      (5)

j∈N      (6)

$w_i^{\min }-d_j^{\min }\≥B(1-x_{\mathrm{ij}})$ i，j∈N   (7)

$w_i^{\max }-d_j^{\max }\≤B(x_{\mathrm{ij}}-1)$ i，j∈N   (8)

$w_i^{\max }+\mathrm{\σ}\≥w_i^{\min }$ i∈N      (9)

其中，d_j ^r为合同板坯j的轧制宽度，d_j ^p为合同板坯j的允许的最大测压量，σ为连铸机运行过程中允许的调宽幅度，D^max(D^min)为连铸机的最大(小)工艺设定宽度。合同板坯j在连铸工序中允许的浇铸宽度组则为{d_j ^min，d_j ^min+σ，...，d_j ^min}，d_j ^max(d_j ^min)为板坯j的最大(最小)允许浇铸宽度，分别由式(5)和(6)计算获得。式(7)和(8)分别计算合并到同一个炉次内的所有合同板坯的最小允许浇铸宽度的最大值w_i ^min和最大允许浇铸宽度的最小值w_i ^max，式中B为一个足够大的正数。式(9)限制了合并到同一炉次的合同板坯在连铸机上连续浇铸时调宽幅度的可行性。

此外，还存在与生产管理需求相关的约束，主要包括炼钢车间的总产能、关键工序-RH精炼的产能、热轧机组对烫辊材量的需求以及热轧下游工序各机组的物料需求。

$U_{\mathrm{chr}}\≥\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ii}}\≥L_{\mathrm{chr}}---\left(10\right)$

$U_{\mathrm{RH}}\≥\underset{i\∈N}{\mathrm{\Σ}}{q}_i^{\mathrm{RH}}{x}_{\mathrm{ii}}\≥L_{\mathrm{RH}}---\left(11\right)$

$U_{\mathrm{pre}}\≥\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^{\mathrm{pre}}{g}_j{x}_{\mathrm{ij}}\≥L_{\mathrm{pre}}---\left(12\right)$

$U_f\≥\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^f{g}_j{x}_{\mathrm{ij}}\≥L_f$ f∈F    (13)

其中，F为热轧下游工序各机组的集合，称为流向，L_chr和U_chr分别为炼钢车间在一个工作日内总产能的下限和上限，L_RH和U_RH分别为炼钢车间内关键工序-RH精炼在一个工作日内总产能的上限和下限，L_pre和U_pre分别为热轧机组对烫辊材需求量的下限和上限，L_f和U_f分别为热轧下游工序各机组物料需求量的下限和上限。q_i ^RH为标识合同板坯i对应的炉次是否经RH精炼工序的二元常量，q_j ^pre为标识合同板坯j是否为烫辊材的二元常量，q_j ^f标识合同板坯j是否经下游机组f的二元常量。

(三)优化求解

通过分析所构造数学模型的特征，本发明提出一类基于近似动态规划和局域搜索相混合的智能优化算法，用于求解炉次批量计划问题，以快速自动编制出切实可行且优化生产过程的炉次批量计划。本发明的优化求解的基本流程如图3所示，详细步骤如下：

1)按照板坯的钢级将所有的板坯N分成多个板坯子集N₁，N₂，，...，N_S。

2)对于每个子集N_s(1≤s≤S)内的板坯，采用一个基于近似动态规划的优化算法将它们组合到不同的炉次内。已经被组合的板坯，将它们从子集N_s中删除，并将相应的炉次保存到一个解池中；未被组合的剩余板坯仍保留在子集N_s内。

3)针对解池中炉次内的板坯和各子集内的剩余板坯，采用基于插入(insertion)和交换(exchange)移动的局域搜索策略对解进行改进。局域搜索的目标为目标函数(1)中的第一项∑_i∈Np_iY_i和第二项

以及约束条件(式12-13)的不满足导致的罚函数(式14)。此处的插入和交换邻域仅针对具有相同钢级的板坯(c_ij＝0)进行。

$\max (\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^{\mathrm{pre}}{g}_j{x}_{\mathrm{ij}}-U_{\mathrm{pre}},0)+\max (L_{\mathrm{pre}}-\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^{\mathrm{pre}}{g}_j{x}_{\mathrm{ij}},0)+$

$\underset{f\∈F}{\mathrm{\Σ}}[\max (L_f-\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^f{g}_j{x}_{\mathrm{ij}},0)+\max (\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^f{g}_j{x}_{\mathrm{ij}}-U_f,0)]---\left(14\right)$

4)如果所有的子集都为空集，转步骤10)，否则，转步骤4)。

5)检查炼钢车间的总产能和RH精炼的产能的上下限约束是否满足，即检查式(10-11)是否成立，如果成立，转步骤7)；否则，转步骤6)。

6)在满足以优充次的条件下(即c_ij≠∞)，将多个非空板坯子集合并形成新的板坯子集，对合并后的板坯子集，采用类似步骤2)的操作获得多个新的候选炉次，针对候选炉次和解池内的炉次，采用基于插入(insertion)和交换(exchange)移动的局域搜索策略对约束罚函数(式15)进行改进。该步骤重复迭代至罚函数(式15)不可继续改进。

$\max (\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ii}}-U_{\mathrm{chr}},0)+\max (L_{\mathrm{chr}}-\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ii}},0)+$

$\max (\underset{i\∈N}{\mathrm{\Σ}}{q}_i^{\mathrm{RH}}{x}_{\mathrm{ii}}-U_{\mathrm{RH}},0)+\max (L_{\mathrm{RH}}-\underset{i\∈N}{\mathrm{\Σ}}{q}_i^{\mathrm{RH}}{x}_{\mathrm{ii}},0)---\left(15\right)$

7)在不违背产能约束的前提下，即保证不等式(10-11)成立，采用类似步骤6)的操作，对罚函数(式14)进行改进。

8)检查不等式(10-11)是否成立，如果成立，转步骤10)，否则，转步骤9)。

9)针对解池中炉次内的每板坯和所有未选择的板坯，采用基于插入(insertion)和交换(exchange)移动的局域搜索策略对解进行改进，局域搜索的目标为目标函数(1)和罚函数(式14)之和。此处的插入和交换邻域针对所有满足c_ij≠∞的板坯进行。

10)停止。

如步骤2)中所述的基于近似动态规划的优化算法包括以下详细子步骤：

2.1)对于具有相同钢级的板坯子集N_s内的板坯，按照d_j ^min，d_j ^max和p_j非降序排列。

2.2)根据步骤2.1)中的序列构建有向图G＝(N，A)，如图4所示，其中顶点子集为N＝N_s∪{0}，弧集为A＝{(i，j)i，j∈N，i＜j， ${\mathrm{\Σ}}_{k=i+1}^j{g}_k\≤T,$ ${\max }_{k=i+1}^j\left\{d_k^{\min }\right\}-{\min }_{k=i+1}^j\left\{d_k^{\max }\right\}\≤\mathrm{\σ}\}.$ 弧的权重为 $w_{\mathrm{ij}}=\min \{{\mathrm{\λ}}_2{q}_i(T-{\mathrm{\Σ}}_{k=i+1}^j{g}_k),{\mathrm{\λ}}_3{\mathrm{\Σ}}_{k=i+1}^j{h}_k\}.$

2.3)在有向图G上寻找从顶点0到达顶点n_s的最短路径，可采用基于递归公式为f_j＝min_(i，j)∈A{f_i+w_ij}的动态规划获得。

2.4)基于有向图G所得到的最短路径转化为多个炉次。令(0，j₁，j₂，...，j_h，n_s)为最短路径，包含h+1条弧，对于任意一条弧(j_i，j_i+1)，如果 $w_{j_i{j}_{i+1}}={\mathrm{\λ}}_2{\mathrm{\ω}}_{j_{i+1}}(T-{\mathrm{\Σ}}_{k=j_i+1}^{j_{i+1}}{g}_k),$ 则将从第j_i+1块到第j_i+1块板坯组合到一个炉次，当它们的总重量不足炉次重量时，用无委托板坯填充；否则，放弃选择第j_i+1到第j_i+1的所有板坯。

如步骤4)中所述的基于交换(exchange)移动的局域搜索策略包括以下详细子步骤：

4.1)创建一个新解池，记为当前最好解池，将解池中的内容复制到当前最好解池。

4.2)按序选取解池中的炉次，按序选取炉次中的板坯，记为i。

4.3)选取所有与板坯i钢级相同但不包含在解池内的板坯子集N_s(i)。

4.4)如果N_s(i)为空，转步骤4.7)；否则，转步骤4.5)。

4.5)按序选择N_s(i)中的板坯，记为j。

4.6)创建一个临时解池，将解池中的内容复制到临时解池，将临时解池中的板坯i移出并将板坯j移入，检查临时解池的可行性包括式(4-9)，如果成立，且由临时解池计算出的目标值[式(1)中的第一项+第二项

+罚函数(14)]小于由当前最好解池计算出的目标值，则将临时解池的内容复制给当前最好解池。将j从N_s(i)中移除。

4.7)如果N_s(i)不为空，转步骤4.5)选取N_s(i)中下一个板坯；否则，转步骤4.2)选取下一个板坯直至解池中的板坯都被选取。

如步骤4)中所述的基于插入(insertion)移动的局域搜索策略和基于交换(exchange)移动的局域搜索策略类似，区别在于步骤4.6)，插入移动不需移出板坯i。

如步骤6)中所述的基于插入(insertion)和交换(exchange)移动的局域搜索策略和步骤4)中的局域搜索策略类似，区别在于目标值的计算和插入和交换的对象，步骤6)针对的是炉次而不是板坯。

如步骤9)中所述的基于插入(insertion)和交换(exchange)移动的局域搜索策略和步骤4)中的局域搜索策略类似，区别在于目标值的计算和插入和交换的对象范围，步骤4)要求cij＝0而步骤9要求cij≠∞。

(四)结果评价

通过模型构造和优化求解可以获得以下具体信息包括每个炉次用于生产哪些合同板坯，炉次的出钢记号、炉次是否需要经RH精炼，合同板坯在连铸机上的浇铸宽度，以及炉次是否有剩余钢水及其产生的无委托板坯数；通过对这些信息的综合统计就可获得更为明确的统计信息，包括无委托板坯的总重量、以优充次板坯的总重量、暂时未考虑计划加工的合同板坯的总重量，总炉次数、经RH精炼工序的炉次数、计划生产烫辊材的量、计划生产供应各下游机组的板坯量。本发明系统提供一种数据显示界面，将上述的信息展示给计划人员，其目的在于使现场计划编制人员对本发明的自动编制方法产生的炉次批量计划有一个直观的认识，进而对计划编制的效果进行评价。炉次批量计划问题涉及多目标、复杂约束，并且还存在一些难以定量模型化描述的性质，因此仍需将计划编制人员的经验嵌入自动编制方法中。而结果评价则是为嵌入计划编制人员的经验提供一种支撑模式，当计划编制人员通过结果评价的数据显示界面进行经验分析后，如果认为自动编制方法获得的计划在各项指标方面能够满足当前的生产工艺要求，并且均衡优化了各项生产目标，则可以将其下发执行；否则，则可凭借丰富的经验进行相应的人机交互调整。人机交互和下发执行的具体实现在下文描述。

(五)人机交互

本发明的人机交互提过一种基于数据编辑的界面，实现自动编制方法产生的计划的修改。凭借将其丰富的现场经验，计划编制人员通过操作该界面来实现计划的修改，进而优化计划的编制结果。具体的实现方法如图5所示，包括以下步骤：

1)选取炉次，显示该炉次内的板坯具体信息，显示同钢级的未选板坯的具体信息。

2)由计划编制人员决策是否释放当前选择的炉次，如果是，则转步骤3)，否则转步骤5)。

3)按计划编制人员的经验判断式(10-13)所述的约束条件是否满足(注意式10-13的左右项取值具有一定的柔性，可由计划编制人员的经验值确定)，如果不满足，转步骤4)，否则，转步骤6)。

4)按序执行同钢级板坯之间的交换操作和以优充次板坯之间的交换操作以及无委托板坯填充操作，同时检查铸机工艺约束(式5-9)和转炉的冶炼容量约束(式4)是否满足，如果满足则执行，否则，执行插入或删除板坯操作确保式(4-9)成立。

5)选取某一同钢级的未选板坯执行组炉过程，其中也需检查连铸机工艺约束(式5-9)和转炉的冶炼容量约束(式4)是否满足，如果满足则执行，否则，执行插入或删除板坯操作确保式(4-9)成立。

6)结束。

此外，为充分体现自动编制方法的优越性，本发明还提供了完全基于人工经验的计划手动编制界面，通过该界面可以手动编制出计划，然后同构结果评价来评定自动编制方法和手动编制方法在计划性能上的好坏。本发明的手动编制界面的具体操作步骤与1-6)类似。

由于炉次批量计划问题的数学模型涉及多目标，因此，如何确定多目标因素之间的权重则需要凭借计划编制人员的经验。本发明提供一个模型参数设置模块，计划编制人员按照以往的工作经验设定各目标之间的权重参数。基于给定的数学模型参数，进行优化求解可获得炉次批量计划，通过结果评价可得知各项指标的统计值。如果计划编制人员对于当前的炉次批量计划不满意，可以反复调整，以获得较为合理的数学模型参数。

(六)下发执行

一般情况下，通过模型构造和优化求解就可以获得明确的炉次批量计划，进一步通过结果评价和人机交互来实现自动编制方法和人工经验的结合以对炉次批量计划的结果进行全局优化。上述方式获取的炉次批量计划实质上是以数据的形式存储于本地计算机系统的数据库内，本发明通过提供的一种数据接口，将炉次批量计划的数据信息从本地计算机系统传递给钢区管理计算机，就可以获得一个用于指导生产实施的炉次批量计划，进而可将其下发给现场控制计算机执行生产。

炼钢-连铸炉次批量计划自动编制方法所采用的系统，包括系统包括工艺静态参数设置模块，原始数据管理模块，流向需求设置模块，模型参数设置模块，计划自动编制模块，版本结果显示模块，计划结果流向统计模块，计划人工调整模块，计划手动编制模块，计划上传模块，其中工艺静态参数设置模块、原始数据管理模块和流向需求设置模块实现数据采集功能；模型参数设置模块实现模型构造功能；计划自动编制模块实现优化求解功能；版本结果显示模块和计划结果流向统计模块实现结果评价功能；计划人工调整模块，计划手动编制模块实现人机交互功能；计划上传模块实现下发执行功能。系统采集数据以后进行模型构造，对构造的模型进行优化求解，对于实现的结果进行评价，人工进行调整，调整结束后将计划下发执行。

本发明的优点和技术上的进步：

本发明提供一套切实可行的炼钢-连铸炉次批量计划自动编制方法，确保炼钢-连铸生产过程的有效控制和合理实施。本发明方法内嵌入的数学模型学科定量的描述了问题特征，充分考虑了计划编制需要考虑的各项因素，包括转炉冶炼的工艺约束、连铸机的生产工艺约束、生产能力约束、以及下游工序的机组需求约束，并且将减少库存积压、保证准时交货以及降低生产成本体现为优化目标。针对数学模型的特征，本发明提出了一种基于动态规划和局域搜索的混合智能优化算法进行求解，在算法的设计中充分考虑了优化目标的主次，能够自动获用于指导生产的炉次批量计划。采用本发明数学模型和混合智能优化算法获取的炉次批量计划结果的各项指标优于当前现场手动编制模式得出的炉次批量计划结果的各项指标，此外使用本发明自动编制方法进行计划编制的时间(约5分钟)要远远小于手动编制模式的计划编制时间(约2-3个小时)。因此，本发明自动编制方法改善了传统的手动编制模式的科学性，提高了计划编制水平和质量，解决了手动编制模式效率低下问题，为钢铁企业的计算机集成制造系统的在线炉次批量计划编制提供了一个有效的科学方法。

附图说明

图1为本发明系统所需的硬件平台结构图，

图2为本发明使用的优先级同交货期的计算关系示意图，

图3为本发明的优化求解过程的算法流程图，

图4为本发明的为实现近似动态规划算法所构建的有向图，

图5为本发明系统实现人机交互模式修改批量计划的流程图，

图6为本发明的批量计划自动编制方法的总体流程图，

图7为本发明系统板坯宽展侧压子模块，

图8为本发明系统出钢记号以优充次子模块，

图9为本发明系统无委托板坯规格子模块，

图10为本发明系统板的原始数据管理模块，

图11为本发明系统板的流向需求设置模块，

图12为本发明系统板的模型参数设置模块，

图13为本发明系统板的计划自动编制模块，

图14为本发明系统板的版本结果显示模块，

图15为本发明系统板的计划结果流向统计模块，

图16为本发明系统板的计划人工调整模块，

图17为本发明系统板的计划手动编制模块。

具体实施方式

本发明的实施例为一个大型钢铁企业的炼钢厂。该炼钢厂有2座转炉、一个RH精炼炉、2台连铸机，转炉的日生产能力为65炉左右、RH精炼的日生产能力为30炉左右。转炉的冶炼容量为300吨，连铸机的调宽规则为正”Y”调宽(即由宽到窄)，每次调宽幅度为50mm和100mm，一炉次的钢水在连铸机上仅允许调宽1次，连铸机的最大(小)设定宽度为1450mm(900MM)。连铸产出的板坯接着送往热轧车间进行轧制为板卷，板坯按不同的硬度组其侧压量为[50mm，250mm]。

本发明的炼钢-连铸炉次批量计划的自动编制方法在该炼钢厂的具体实施方式是采用VC语言开发的系统，系统包括工艺静态参数设置模块，原始数据管理模块，流向需求设置模块，模型参数设置模块，计划自动编制模块，版本结果显示模块，计划结果流向统计模块，计划人工调整模块，计划手动编制模块，计划上传模块。其中工艺静态参数设置模块，原始数据管理模块，流向需求设置模块实现数据采集功能；模型参数设置模块实现模型构造功能；计划自动编制模块实现优化求解功能；版本结果显示模块和计划结果流向统计模块实现结果评价功能；计划人工调整模块，计划手动编制模块实现人机交互功能；计划上传模块实现下发执行功能。采用本发明的系统实现计划自动编制的总体流程如图6所示，具体步骤包括：

(1)通过如图7-9所示的工艺静态参数设置模块分别输入与生产工艺约束相关的数据信息，包括板坯宽展侧压、出钢记号以优充次、无委托板坯规格，这些数据信息存储到本地数据库为模型构造中需要考虑的工艺约束提供依据；

(2)通过如图10所示的原始数据管理模块从钢区管理计算机系统上下载合同板坯的详细数据信息，下载过程的实现是通过FTP接口，由钢区管理计算机系统将合同数据按照协议的格式输出为文本文件存储在FTP服务器上，本发明的系统读取文件并存储到本地数据库；

(3)通过如图11所示的流向需求设置模块设定批次计划的需求信息，包括总炉次数的目标值及上下限，RH精炼炉次数的目标值及上下限，烫辊材的目标值及上下限，各机组流向的目标值及上下限，这些数据信息是通过计划编制人员对各个工序的物流平衡分析，描述出的对自动编制方法获得计划在各项指标上的一个期望，同样这些数据信息存储到本地数据库为为模型构造提供依据；

(4)通过如图12所示的模型参数设置模块设定模型的目标权重参数λ₁＝0.3，λ₂＝0.3，λ₃＝0.4，同时基于一个后台程序从本地数据库中提出由步骤(1)-(3)存储的数据，以获得数学模型中相关参数的取值，从而构建具体实施例的数学模型。在本实施例中转炉冶炼容量T＝300吨，连铸机的最小调宽幅度σ＝50，合同板坯数|N|＝1394，与单块板坯相关的参数h_j，g_j，d_j ^r，d_j ^p，q_i ^RH，q_j ^pre，q_j ^f取值如图10中的表格数据所示，c_ij的取值由图8中的表格数据通过c_ij的定义式转换获得，q_i的取值如图9中的表格数据所示，U_chr，L_chr，U_RH，L_RH，U_pre，L_pre U_f，L_f的取值如图11中的表格数据所示。

(5)基于步骤(4)中所存储的模型信息，通过计划自动编制模块来获得一个版本的计划。计划自动编制模块的界面如图13所示，点击【启动算法】按钮后，将通过计算机的后台程序自动编制一个炉次批量计划，其中后台程序就是将如说明书中所描述的优化求解步骤具体实现。

(6)通过如图14-15所示的版本结果显示模块，计划结果流向统计模块来对由步骤(4)和(5)自动编制出的批量计划结果进行查看、分析和评价，其中图14显示的为板坯到炉次的具体组批情况，图15显示相关指标的统计情况。

(7)针对由步骤(4)和(5)自动编制出的批量计划，可以通过如图16所示的计划人工调整模块，按照本说明书所述的人机交互步骤进行调整修改。通常情况下不需进行计划人工调整，因为基于步骤(4)和(5)的自动编制方法通常已经实现了批量计划的优化编制，但在必要时，计划人工调整模块为本发明的系统提供一种柔性。例如，在计划自动编制后，有紧急合同的到达，且必须将其编制到当前的计划，那么就可通过人工调整模块来快速简单的实现。计划手动编制模块(图17)实质上也是为本发明的系统提供另外一种柔性。如当出现特殊情况时，计划自动编制模块发生故障，那么还可以通过计划手动编制模块来编制批量计划而不影响生产顺畅实施。此外，由于炉次批量计划问题涉及多目标，复杂约束，存在一个各优化指标的均衡问题，那么就可通过步骤(1)-(4)调整相关参数，重新执行步骤(5)获得一个新的版本批量计划。

(8)选定一个版本的批量计划，将其上传到钢区管理计算机系统，上传过程的实现是通过FTP接口，由本发明的系统将批量计划数据按照协议的格式输出为文本文件存储在FTP服务器上，钢区管理计算机系统读取文件，进而将计划下发到下位生产实时控制计算机执行。

本发明的炼钢-连铸炉次批量计划自动编制系统在运行期间，能够快速自动的编制炉次批量计划，并且降低了生产成本和提高了客户满意度，响应钢铁企业精益运营的要求，成为一个具有极高实用价值的炼钢-连铸工序的优化计划方法。

Claims (4)

1、一种炼钢-连铸炉次批量计划自动编制方法，其特征在于依赖于钢铁企业的计算机分级控制系统硬件平台，包括以下步骤：

(1)数据采集，包括以下三类数据：

1)计划生产产品数据

该类数据包括的具体信息如下：材料号，合同号，出钢记号，板坯重量，板坯厚度，板坯宽度，板坯长度，轧制宽度，轧制厚度，硬度组代码，板坯去向，热钢卷去向，材料组别，流向代码，精炼路径代码，烫辊材标记，交货日期，集批代码，厂内交货日期，按周交货标志，合同拖期标记，出口标记，合同性质代码；

2)生产工艺约束数据

包括以下小类：板坯宽展侧压、出钢记号以优充次、无委托板坯规格、调宽规则，其中板坯宽展侧压的具体信息包括：硬度组上限、硬度组下限、厚度上限、厚度下限、宽度上限、宽度下限、宽展量上限、宽展量下限、侧压量上限、侧压量下限；出钢记号以优充次的具体信息包括：优出钢记号、次出钢记号、以优充次顺序码；无委托板坯规格信息包括：出钢记号、板坯宽度上限、板坯宽度下限；调宽规则的具体信息包括：从宽到窄幅度，从宽到窄次数，从窄到宽幅度，从窄到宽次数；

3)生产管理需求数据

包括：流向码、目标量、目标量上限、目标量下限；

(2)模型构造

在满足生产工艺约束和管理要求的条件下，以提高生产效率，降低生产成本，保证准时交货，减少库存积压为目标，采用运筹学手段，构造炉次批量计划问题的数学模型，数学模型描述如下：

$\min {\mathrm{\λ}}_1\underset{i\∈N}{\mathrm{\Σ}}{q}_i{Y}_i+{\mathrm{\λ}}_2\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{h}_j(1-x_{\mathrm{ij}})+{\mathrm{\λ}}_3\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{c}_{\mathrm{ij}}{x}_{\mathrm{ij}}---\left(1\right)$

s.t.

$\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ij}}\≤1$ j∈N    (2)

x_ij≤x_ii       i，j∈N    (3)

$\underset{j\∈N}{\mathrm{\Σ}}{g}_j{x}_{\mathrm{ij}}+Y_i=x_{\mathrm{ii}}T$ i∈N    (4)

其中，决策变量：

x_ii：决定生产一个与板坯i的钢级宽度相对应的炉次时，取值为1，否则为0；

x_ij：将板坯j合并到板坯i所在炉次进行批量生产时，取值为1，否则为0；

Y_i：板坯i对应的炉次中剩余钢水量；λ₁，λ₂，λ₃分别对应于三个不同目标项的权重；模型参数：

q_i：板坯i对应的炉次中单位重量无委托板坯引起的库存费用；

h_j：板坯j的优先级系数；

c_ij：将板坯j合并到板坯i对应的炉次生产时，由于钢级属性差异导致的炼钢附加费用；

g_j：合同板坯j的重量；

T：一转炉钢水的冶炼容量，N合同板坯数；

与连铸机自身运行相关的工艺约束，描述如下：

j∈N       (5)

j∈N       (6)

$w_i^{\min }-d_j^{\min }\≥B(1-x_{\mathrm{ij}})$ i，j∈N    (7)

$w_i^{\max }-d_j^{\max }\≤B(x_{\mathrm{ij}}-1)$ i，j∈N    (8)

$w_i^{\max }+\mathrm{\σ}\≥w_i^{\min }$ i∈N       (9)

其中，d_j ^r为合同板坯j的轧制宽度，d_j ^p为合同板坯j的允许的最大测压量，σ为连铸机运行过程中允许的调宽幅度，D^max(D^min)为连铸机的最大(小)工艺设定宽度，合同板坯j在连铸工序中允许的浇铸宽度组则为{d_j ^min，d_j ^min+σ，...，d_j ^min}，d_j ^max(d_j ^min)为板坯j的最大(最小)允许浇铸宽度，合并到同一个炉次内的所有合同板坯的最小允许浇铸宽度的最大值w_i ^min和最大允许浇铸宽度的最小值w_i ^max，式中B为一个足够大的正数；

在与生产管理需求相关的约束，描述如下：

$U_{\mathrm{chr}}\≥\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ii}}\≥L_{\mathrm{chr}}---\left(10\right)$

$U_{\mathrm{RH}}\≥\underset{i\∈N}{\mathrm{\Σ}}{q}_i^{\mathrm{RH}}{x}_{\mathrm{ii}}\≥L_{\mathrm{RH}}---\left(11\right)$

$U_{\mathrm{pre}}\≥\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^{\mathrm{pre}}{g}_j{x}_{\mathrm{ij}}\≥L_{\mathrm{pre}}---\left(12\right)$

$U_f\≥\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^f{g}_j{x}_{\mathrm{ij}}\≥L_f$ f∈F    (13)

其中，F为热轧下游工序各机组的集合，称为流向，L_chr和U_chr分别为炼钢车间在一个工作日内总产能的下限和上限，L_RH和U_RH分别为炼钢车间内工序-RH精炼在一个工作日内总产能的上限和下限，L_pre和U_pre分别为热轧机组对烫辊材需求量的下限和上限，L_f和U_f分别为热轧下游工序各机组物料需求量的下限和上限，q_i ^RH为标识合同板坯i对应的炉次是否经RH精炼工序的二元常量，q_j ^pre为标识合同板坯j是否为烫辊材的二元常量，q_j ^f标识合同板坯j是否经下游机组f的二元常量；

(3)优化求解

通过分析所构造数学模型的特征，提出一类基于近似动态规划和局域搜索相混合的智能优化算法，用于求解炉次批量计划问题，以快速自动编制出切实可行且优化生产过程的炉次批量计划；

(4)结果评价

通过对自动编制出的炉次批量计划的结果数据进行显示，给计划编制人员提供一种对计划结果进行分析和评价的方式，为实现人机交互提供方向指导；

(5)人机交互

当计划编制人员通过结果评价的数据显示模块进行经验分析后，如果认为自动编制方法获得的计划在各项指标方面能够满足当前的生产工艺要求，并且均衡优化了各项生产目标，则可以将其下发执行；否则，则进行相应的人机交互调整；

(6)下发执行

将炉次批量计划的数据信息从本地计算机系统传递给钢区生产管理计算机，就可以获得一个用于指导生产实施的炉次批量计划，进而可将其下发给生产实时控制计算机执行生产。

2、按照权利要求1所述的一种炼钢-连铸炉次批量计划自动编制方法，其特征在于所述的步骤(3)中所述的优化求解，步骤如下：

1)按照板坯的钢级将所有的板坯N分成多个板坯子集N₁，N₂，，...，N_S；

2)对于每个子集N_s内的板坯，1≤s≤S，采用一个基于近似动态规划的优化算法将它们组合到不同的炉次内，已经被组合的板坯，将它们从子集N_s中删除，并将相应的炉次保存到一个解池中；未被组合的剩余板坯仍保留在子集N_s内；

3)针对解池中炉次内的板坯和各子集内的剩余板坯，采用基于插入和交换移动的局域搜索策略对解进行改进，局域搜索的目标为罚函数，即式(14)，此处的插入和交换邻域仅针对具有相同钢级的板坯，即c_ij＝0进行；

$\max (\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^{\mathrm{pre}}{g}_j{x}_{\mathrm{ij}}-U_{\mathrm{pre}},0)+\max (L_{\mathrm{pre}}-\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^{\mathrm{pre}}{g}_j{x}_{\mathrm{ij}},0)+$

$\underset{f\∈F}{\mathrm{\Σ}}[\max (L_f-\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^f{g}_j{x}_{\mathrm{ij}},0)+\max (\underset{i\∈N}{\mathrm{\Σ}}\underset{j\∈N}{\mathrm{\Σ}}{q}_j^f{g}_j{x}_{\mathrm{ij}}-U_f,0)]---\left(14\right)$

4)如果所有的子集都为空集，转步骤10)，否则，转步骤4)；

5)检查炼钢车间的总产能和RH精炼的产能的上下限约束是否满足，即检查式(10-11)是否成立，如果成立，转步骤7)；否则，转步骤6)；

6)在满足以优充次的条件下，即c_ij≠∞，将多个非空板坯子集合并形成新的板坯子集，对合并后的板坯子集，采用类似步骤2)的操作获得多个新的候选炉次，针对候选炉次和解池内的炉次，采用基于插入和交换移动的局域搜索策略对约束罚函数式(15)进行改进，

$\max (\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ii}}-U_{\mathrm{chr}},0)+\max (L_{\mathrm{chr}}-\underset{i\∈N}{\mathrm{\Σ}}{x}_{\mathrm{ii}},0)+$

$\max (\underset{i\∈N}{\mathrm{\Σ}}{q}_i^{\mathrm{RH}}{x}_{\mathrm{ii}}-U_{\mathrm{RH}},0)+\max (L_{\mathrm{RH}}-\underset{i\∈N}{\mathrm{\Σ}}{q}_i^{\mathrm{RH}}{x}_{\mathrm{ii}},0)---\left(15\right)$

7)在不违背产能约束的前提下，即保证不等式(10-11)成立，采用类似步骤6)的操作，对罚函数式(15)进行改进；

8)检查不等式(10-11)是否成立，如果成立，转步骤10)，否则，转步骤9)；

9)针对解池中炉次内的每板坯和所有未选择的板坯，采用基于插入和交换移动的局域搜索策略对解进行改进，局域搜索的目标为目标函数(1)和罚函数式(14)之和，此处的插入和交换邻域针对所有满足c_ij≠∞的板坯进行；

10)停止；

其中步骤2)中所述的基于近似动态规划的优化算法包括以下子步骤：

2.1)对于具有相同钢级的板坯子集N_s内的板坯，按照d_j ^min，d_j ^max和p_j非降序排列；

2.2)根据步骤2.1)中的序列构建有向图G＝(N，A)，其中顶点子集为N＝Ns∪{0}，弧集为A＝{(i，j)|i，j∈N，i＜j， ${\mathrm{\Σ}}_{k=i+1}^j{g}_k\≤T,$ ${\max }_{k=i+1}^j\left\{d_k^{\min }\right\}-{\min }_{k=i+1}^j\left\{d_k^{\max }\right\}\≤\mathrm{\σ}\},$ 弧的权重为 $w_{\mathrm{ij}}=\min \{{\mathrm{\λ}}_2{q}_i(T-{\mathrm{\Σ}}_{k=i+1}^j{g}_k),{\mathrm{\λ}}_3{\mathrm{\Σ}}_{k=i+1}^j{h}_k\};$

2.3)在有向图G上寻找从顶点0到达顶点ns的最短路径，可采用基于递归公式为f_j＝min_(i，j)∈A{f_i+w_ij}的动态规划获得；

2.4)基于有向图G所得到的最短路径转化为多个炉次，令(0，j1，j2，...，jh，ns)为最短路径，包含h+1条弧，对于任意一条弧(ji，ji+1)，如果 $w_{j_i{j}_{i+1}}={\mathrm{\λ}}_2{\mathrm{\ω}}_{j_{i+1}}(T-{\mathrm{\Σ}}_{k=j_i+1}^{j_{i+1}}{g}_k),$ 则将从第ji+1块到第ji+1块板坯组合到一个炉次，当它们的总重量不足炉次重量时，用无委托板坯填充；否则，放弃选择第ji+1到第ji+1的所有板坯；

如步骤4)中所述的基于交换移动的局域搜索策略包括以下详细子步骤：

4.1)创建一个新解池，记为当前最好解池，将解池中的内容复制到当前最好解池；

4.2)按序选取解池中的炉次，按序选取炉次中的板坯，记为i；

4.3)选取所有与板坯i钢级相同但不包含在解池内的板坯子集N_s(i)；

4.4)如果N_(i)为空，转步骤4.7)；否则，转步骤4.5)；

4.5)按序选择N_s(i)、中的板坯，记为j；

4.6)创建一个临时解池，将解池中的内容复制到临时解池，将临时解池中的板坯i移出并将板坯j移入，检查临时解池的可行性包括式(4-9)，如果成立，且由临时解池计算出的目标值式(1)中的第一项+第二项

+罚函数(14)]小于由当前最好解池计算出的目标值，则将临时解池的内容复制给当前最好解池，将j从N_s(i)中移除；

4.7)如果N_s(i)不为空，转步骤4.5)选取N_s(i)中下一个板坯；否则，转步骤4.2)选取下一个板坯直至解池中的板坯都被选取；

如步骤4)中所述的基于插入移动的局域搜索策略和基于交换移动的局域搜索策略类似，区别在于步骤4.6)，插入移动不需移出板坯i；

如步骤6)中所述的基于插入和交换移动的局域搜索策略和步骤4)中的局域搜索策略类似，区别在于目标值的计算和插入和交换的对象，步骤6)针对的是炉次而不是板坯；

如步骤9)中所述的基于插入和交换移动的局域搜索策略和步骤4)中的局域搜索策略类似，区别在于目标值的计算和插入和交换的对象范围，步骤4)要求c_ij＝0而步骤9)要求c_ij≠∞。

3、一种如权利要求1所述的炼钢-连铸炉次批量计划自动编制方法所依赖的钢铁企业的计算机分级控制系统硬件平台，其特征在于包括钢区生产管理计算机、生产实时控制计算机、炼钢过程控制计算机、精炼过程控制计算机、连铸过程控制计算机、以及基础自动化级的DCS/PLC，所述的钢区生产管理计算机制定中短期的生产计划，并下发给生产实时控制计算机；生产实时控制计算机接收钢区生产管理计算机的命令，进行实时在线调度和决策支持，同时接收炼钢过程控制计算机、精炼过程控制计算机和连铸过程控制计算机的反馈信息对生产物流及设备运行状态进行跟踪；炼钢过程控制计算机、精炼过程控制计算机和连铸过程控制计算机分别通过与钢区生产管理计算机和生产实时控制计算机的接口，制定过程控制模型，向基础自动化级的DCS/PLC下达生产指令，并且在线采集质量数据；基础自动化级的DCS/PLC实现生产过程的速度、位置、流量控制和生产顺序控制，并检测现场状态。

4、一种如权利要求1所述的炼钢-连铸炉次批量计划自动编制方法所采用的系统，其特征在于包括工艺静态参数设置模块，原始数据管理模块，流向需求设置模块，模型参数设置模块，计划自动编制模块，版本结果显示模块，计划结果流向统计模块，计划人工调整模块，计划手动编制模块，计划上传模块，其中工艺静态参数设置模块、原始数据管理模块和流向需求设置模块实现数据采集功能；模型参数设置模块实现模型构造功能；计划自动编制模块实现优化求解功能；版本结果显示模块和计划结果流向统计模块实现结果评价功能；计划人工调整模块，计划手动编制模块实现人机交互功能；计划上传模块实现下发执行功能。

Images