CN101339634A - 考虑钢水驻留时间期限的炼钢连铸生产调度方法 - Google Patents

Abstract

一种考虑钢水驻留时间期限的炼钢连铸生产调度方法，属于信息技术领域，涉及到数学模型构造和求解算法在调度方案编制中的应用。其特征是由模型构造模块、调度方案编制模块和数据库系统组成。在模型构造过程中，考虑了炼钢连铸生产工艺约束，特别是考虑了钢水驻留时间期限，通过对驻留时间期限内的钢水驻留时间给予正常惩罚、对超过期限部分给予较大的惩罚，来平衡各炉次的等待时间，以提高钢水节奏合格率。本发明解决了背景技术中存在的问题，采用提出的单亲遗传算法可以得到比现有各种调度方法更好的炼钢连铸生产作业计划，减少了在线调整次数，降低了能源与材料消耗，可应用于钢铁企业炼钢连铸生产调度系统。

Description

考虑钢水驻留时间期限的炼钢连铸生产调度方法

技术领域

本发明涉及一种最后阶段为批生产的混合流水车间调度方法，特别是一种考虑钢水驻留时间期限的炼钢连铸生产调度方法，属于信息技术领域。

背景技术

炼钢连铸是现代钢铁生产中的核心工序，整个生产过程对钢水的温度和时间都有极高的要求，典型的生产线一般有多台冶炼设备、精炼设备、浇铸设备以及相应的生产辅助设备，钢水一般要经过“冶炼-精炼-浇铸”这样三个大的工序铸造成坯。在炼钢连铸生产过程中，钢水驻留时间是从炼钢结束到连铸机开始浇钢所经过的时间。在钢水驻留过程中，其温降包括：冶炼到精炼工序之间的运输和等待过程温降、精炼过程的总温降、精炼到连铸工序之间的运输和等待过程温降。钢水停留时间过长，则钢水浸泡大包时间延长，既增加耐火材料的消耗又影响钢水的质量，且必须通过提高出钢温度或重新升温以保证钢水满足浇注温度的要求，甚至可能造成连铸机的断流，带来更大的损失。如果钢水的驻留时间在其驻留期限以内，则称钢水节奏合格；钢水节奏合格率是衡量经济生产水平的一个重要指标。

在炼钢厂，一般由上一级生产计划系统确定浇次所包含的炉次顺序、浇次的计划开浇时间、浇次对应的连铸机及在连铸机上的浇注顺序，且要求每个浇次内的炉次连续浇注。炼钢连铸生产调度的任务是在炼钢连铸区域有限资源的约束下，根据连铸机的浇铸要求和后续热轧的物料需求，确定在何时、在何种设备上以何种顺序安排钢水从冶炼设备(转炉或电弧炉)到精炼设备的生产，并确定炉次在连铸机上的开工时间，最后形成炼钢连铸生产调度方案的Gantt图。

本发明所研究的炼钢连铸调度问题，可以描述为一种最后阶段为批生产的混和flowshop调度问题(HFS)，即要求连铸阶段每个浇次内的炉次严格连续浇注。HFS是一个包括设备指派与作业排序为一体的问题，比一般flowshop调度问题要复杂得多，即使是小规模问题其最优求解也比较困难，而较大规模问题最优求解几乎不可能，该调度问题已被证明是NP-难问题，因此探讨此类问题的快速可行近似算法是一个挑战性的研究课题。唐立新等人在《EuropeanJournal of Operational Research》(欧洲运筹学杂志)2000，120(2)：423-435上撰文“Amathematical programming model for scheduling steelmaking-continuous casting production(炼钢连铸生产调度的数学规划模型)”，该文建立了基于准时制的非线性数学规划模型来消除粗调度中的设备冲突，该模型的目标函数为最小化断浇惩罚、炉次的等待惩罚、炉次的提前/拖期惩罚，经过变换可以将此非线性规划模型转换为线性规划模型，进而可以运用标准线性规划程序进行求解。唐立新等人在《International Journal of Production Research》(国际生产研究)2002，40(1)：55-70上撰文“Steel-making Process Scheduling Using Lagrangian Relaxation(基于拉格朗日松弛的炼钢过程调度)”，该文把炼钢连铸调度问题描述为整数规划模型，并采用拉格朗日松弛算法来求解，利用次梯度方法来更新拉格朗日乘子，在每一步迭代过程中采用动态规划算法求解拉格朗日松弛问题，然后用两阶段启发式算法将动态规划求得的解“调整修复”为一个可行调度方案。其它学者也对炼钢连铸生产调度进行了研究，但是经文献检索发现，目前所有的研究都没有考虑钢水的驻留时间期限，得出的调度方案可能会出现部分炉次的钢水驻留时间过长，不利于企业降本增效目标的实现；而且在实际生产过程中，则需要增加动态调度的次数，不断地对方案进行修复，影响了生产系统的稳定性。

发明内容

本发明的目的是针对现有技术的不足，提出一种考虑钢水驻留时间期限的炼钢连铸生产调度模型，并利用现代智能优化算法(遗传算法、蚁群算法、粒子群算法等)或基于规则的启发式算法来求解该模型。此种调度方法解决了背景技术中存在的不足，可以在较短的计划编制时间里得到比现有各种调度方法更好的炼钢连铸生产作业计划，减少了在线调整次数，降低了能源与材料消耗。

本发明的技术方案如下：

设计一种可以在微机上运行的炼钢连铸生产调度系统，该系统主要由模型构造和调度方案编制两个模块和数据库系统组成，组成框图如附图1所示。

1.模型构造模块

本发明的炼钢连铸生产调度模型考虑了钢水的驻留时间期限，通过对驻留时间期限内的钢水驻留时间给予正常惩罚、对超过期限部分则给予较大的惩罚，在各炉次之间平衡等待时间，以提高钢水节奏合格率。此外，为了加强连铸与热轧工序之间的衔接能力，提高热装率和热装温度，我们根据批量钢材的轧制时间，反推算出浇次计划开浇时间，通过浇次的提前/拖期受限来避免个别浇次偏离计划时间过长，并通过最小化提前/拖期惩罚来协调连铸与热轧间的生产节奏。为了便于本发明数学模型的描述，引入下列符号：

n    浇次编号，n∈{1，2，…，N}，其中N为浇次总数

i    炉次编号，i∈{1，2，…，|Ω|}，其中Ω为炉次集合

j    阶段编号，j∈{1，2，3}，分别对应冶炼、精炼、连铸三道工序

m_j   阶段j的设备编号，m_j∈{1，…，M_j}

Ω_n  浇次n的炉次有序集合，Ω_n＝{s_n-1+1，s_n-1+2，…，s_n}(其中 $s_n=\underset{l=1}{\overset{n}{\mathrm{\Σ}}}\left|{\mathrm{\Ω}}_n\right|,$ s₀＝0)

p_ij炉次i在阶段j的标准处理时间，p_i1为装入钢料到倒渣结束的时间，p_i2为钢水的精炼时间，p_i3包括钢包回转台旋转时间和浇铸时间

T_n   浇次n的计划开浇时间，不妨令浇次编号n按T_n升序编号，若计划开浇时间相等，再按对应连铸机号升序编号

冶炼设备m₁的最早可用时间

T^S   连铸机准备时间

相邻工序设备之间的标准运输时间，若存在加工路径限制，则为一个足够大的正数

t_ij ^H  炉次i在相邻工序之间的运输时间，j∈{1，2}对应冶炼到精炼、精炼到连铸两种情况

S_i ^TL  炉次i从炼钢结束到回转台开始旋转之间的驻留时间期限(sojourn time limit)

s_i ^E    $s_i^E=-\min (0,t_{i3}-c_{i1}-S_i^{\mathrm{TL}})$ 为炉次i的驻留时间期限提前量

s_i ^T    $s_i^T=\max (0,t_{i3}-c_{i1}-S_i^{\mathrm{TL}})$ 为炉次i的驻留时间期限拖期量

C_i ¹，C_i ⁴  炉次i在其驻留时间期限内、超过期限的单位惩罚费用

C_n ²，C_n ³  浇次n开浇时间单位提前/拖期的惩罚费用

U         足够大的正整数

t_ij，c_ij  炉次i在阶段j的开工时间和完工时间，且c_ij＝t_ij+p_ij

     $x_{{\mathrm{ijm}}_j}=1,$ 如果炉次i被指派到阶段j(j∈{1，2})的设备m_j上，否则 $x_{\mathrm{ij}{m}_j}=0$

     $y_{i_1{i}_{2}j}=1,$ 如果在阶段j(j∈{1，2})炉次i₁先于炉次i₂被加工，否则 $y_{i_1{i}_{2}j}=0$

     ${\mathrm{CAST}}_{m_3}=[c_{m_{3}1}^{\mathrm{cast}},\·\·\·{,c}_{m_3{C}_{m_3}}^{\mathrm{cast}}]$ 为连铸机m₃所加工的浇次顺序(

为浇次数)

t_n ^E  $t_n^E=\max (0,T_n-t_{s_{n-1}+\mathrm{1,3}})$ 为浇次n开浇提前量， $t_n^E\∈[0,\mathrm{\Δ}{T}_n^E]$

t_n ^T  $t_n^T=-\min (0,T_n-t_{s_{n-1}+\mathrm{1,3}})$ 为浇次n开浇拖期量， $t_n^T\∈[0,\mathrm{\Δ}{T}_n^T]$

下面给出本发明所考虑的炼钢连铸生产调度问题的数学模型：

[P1]

$\min \underset{i=1}{\overset{\left|\mathrm{\Ω}\right|}{\mathrm{\Σ}}}{C}_i^1(S_i^{\mathrm{TL}}-s_i^E)+C_i^4{s}_i^T+\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{C}_n^2{t}_n^E+C_n^3{t}_n^T$

s.t. $\underset{m_j=1}{\overset{M_j}{\mathrm{\Σ}}}{x}_{\mathrm{ij}{m}_j}=1,$ $\∀i\∈\mathrm{\Ω},$ j∈{1，2}             (2)

$t_{i_{2}j}-c_{i_{1}j}+U(3-x_{i_{1}j{m}_j}-x_{i_2{\mathrm{jm}}_j}-y_{i_1{i}_{2}j})\≥0,$ ${\∀i}_1,i_2\∈\mathrm{\Ω}(i_1\≠i_2),$ j∈{1，2}，m_j∈{1，…，M_j}(3)

$t_{i,j+1}-c_{\mathrm{ij}}+U(2-x_{{\mathrm{ijm}}_j}-x_{i,j+1,m_{j+1}})\≥T_{m_j{m}_{j+1}}^D,$ $\∀i\∈\mathrm{\Ω},$ j∈{1，2}，m_j∈{1，…，M_j}(4)

$t_{i1}+U(1-x_{{i1m}_1})\≥T_{m_1}^{\min },$ $\∀i\∈\mathrm{\Ω},$ m₁∈{1，…，M₁}(5)

$t_{s_{n_2-1}+\mathrm{1,3}}-c_{s_{n_1}3}\≥T^S$ $\∀k\∈\{1,\·\·\·,C_{m_3}-1\},$ $n_1=c_{m_{3}k}^{\mathrm{cast}},$ $n_2=c_{m_3,k+1}^{\mathrm{cast}}---\left(6\right)$

t_i+1，3＝c_i3， $\∀i,i+1\∈{\mathrm{\Ω}}_n(n\∈\{\mathrm{1,2},\·\·\·,N\left\}\right)---\left(7\right)$

$t_n^E-t_n^T=T_n-t_{s_{n-1}+\mathrm{1,3}},$ $\∀n\∈\{\mathrm{1,2},\·\·\·,N\}---\left(8\right)$

$s_i^T-s_i^E=t_{i3}-c_{i1}-S_i^{\mathrm{TL}},$ $\∀i\∈\mathrm{\Ω}---\left(9\right)$

$y_{i_1{i}_{2}j}+y_{i_2{i}_{1}j}=1,$ ${\∀i}_1,i_2\∈\mathrm{\Ω}(i_1\≠i_2),$ j∈{1，2}(10)

$x_{{\mathrm{ijm}}_j}=\mathrm{0,1},$ $\∀i\∈\mathrm{\Ω},$ j∈{1，2}，m_j∈{1，…，M_j}(11)

$y_{i_1{i}_{2}j}=\mathrm{0,1},$ ${\∀i}_1,i_2\∈\mathrm{\Ω}(i_1\≠i_2),$ j∈{1，2}(12)

$0\≤t_n^E\≤\mathrm{\Δ}{T}_n^E,$ $0\≤t_n^T\≤\mathrm{\Δ}{T}_n^T,$ $\∀n\∈\{\mathrm{1,2},\·\·\·,N\}---\left(13\right)$

目标函数(1)为最小化钢水驻留惩罚和浇次开浇提前/拖期惩罚；约束(2)表示每一个炉次在冶炼、精炼阶段只能被一台设备加工；约束(3)表示在冶炼、精炼阶段的同一设备上，前一炉次加工完下一炉次才能开始加工；约束(4)表示同一炉次前一阶段加工完并运达下一阶段对应设备后才能开始加工；约束(5)表示冶炼阶段炉次的开工时间不小于设备的最早可用时间；约束(6)表示同一台连铸机上的相邻浇次之间需要一定的间隔时间，以更换中间包、结晶器，调整设备；约束(7)表示每个浇次内严格连续浇注，即要求前一炉次浇完之前，下一炉次已到达钢包回转台；约束(8)表示浇次n的开浇提前量与开浇拖期量之间的关系；约束(9)表示炉次的驻留时间期限提前量与拖期量之间的关系；约束(10)-(13)为变量取值约束。

2.调度方案编制模块

炼钢连铸生产调度方案编制模块对模型构造模块所建立的数学模型进行求解。由于模型[P1]是0-1型混合整数线性规划模型，已被证明是NP-难问题，因此，本发明利用单亲遗传算法来求解该模型，采用一种新的染色体编码来表示炉次设备指派与炉次在设备上的加工顺序方案，并以该方案对应拉格朗日松弛模型的目标函数值的倒数作为染色体的适应度值。针对该编码方法，设计了相应的遗传操作，并提出了一种基于问题特征的种群初始化策略。

(1)染色体编码

针对炼钢连铸调度问题的特点，设计了一种整数编码方法。令数组 ${\mathrm{HEAT}}_{{\mathrm{jm}}_j}(j\∈\{\mathrm{1,2}\left\}\right)$ 表示阶段j上的设备m_j所加工的炉次顺序，并记 ${\mathrm{HEAT}}_{{\mathrm{jm}}_j}=[h_{{\mathrm{jm}}_{j}1},\·\·\·,h_{{\mathrm{jm}}_j{H}_{{\mathrm{jm}}_j}}]$ (为加工炉次数)。根据这些加工顺序我们可以构造染色体，染色体由M₁+M₂个小段组成，每个小段由

中的炉次顺序组成，同工序的小段之间用标识符“0”隔开，表示在不同的设备上加工，因此染色体的长度为2|Ω|+M₁+M₂-2，可以表示为

$\mathrm{Chrom}=[{\mathrm{HEAT}}_{11},0,{\mathrm{HEAT}}_{12},0,\·\·\·,0,{\mathrm{HEAT}}_{{1M}_1};{\mathrm{HEAT}}_{21},0,{\mathrm{HEAT}}_{22},0,\·\·\·,0,{\mathrm{HEAT}}_{{2M}_2}]---\left(14\right)$

但是，形如公式(14)所示的染色体编码，不利于交叉操作和变异操作，因此我们通过索引 $p_{{\mathrm{jm}}_j}^{\mathrm{index}}(m_j\∈\{1,\·\·\·,M_j-1\left\}\right)$ 来标识设备m_j最后加工的炉次在编码序列中的位置，进而将染色体表示为

$\mathrm{Chrom}=[{\mathrm{HEAT}}_{11},\·\·\·,{\mathrm{HEAT}}_{{1M}_1},p_{11}^{\mathrm{index}},\·\·\·,p_{1,M_1-1}^{\mathrm{index}};{{\mathrm{HEAT}}_{21},\·\·\·,\mathrm{HEAT}}_{{2M}_2},p_{21}^{\mathrm{index}},\·\·\·,p_{2,M_2-1}^{\mathrm{index}}]---\left(15\right)$

(2)初始种群的生成

确定炉次设备指派及其加工顺序方案的基本思想：根据炼钢连铸调度问题的特点，使产生的方案尽量满足炼钢连铸的时间约束。基于这种思想，给出了初始种群的生成步骤：

①假设所有炉次在相邻工序之间的运输时间均为最小运输时间 ${\underset{\‾}{T}}_j^D=\min \left\{T_{m_j{m}_{j+1}}^D\right\}.$ 在浇次n均按照预定开浇时间T_n准时开浇并保证严格连续浇注、工序之间无等待的理想状况下，由连铸倒推，计算出各炉次在冶炼、精炼工序的理想开工时间 $t_{\mathrm{ij}}^{*}=T_n+\underset{i^{\′}=s_{n-1}+1}{\overset{i-1}{\mathrm{\Σ}}}{p}_{i^{\′}3}-\underset{j^{\′}=j}{\overset{2}{\mathrm{\Σ}}}({\underset{\‾}{T}}_{j^{\′}}^D+p_{{\mathrm{ij}}^{\′}})$ (i∈Ω_n，j∈{1，2})。

②对于阶段j，炉次按t_ij ^*升序排列得到炉次顺序heat_list_j(j∈{1，2})。

③对于冶炼阶段，设备按最早可用时间

升序排列得到设备顺序device_list₁，而对于精炼阶段，按设备的累积负荷升序排列得到device_list₂。

④对于阶段j，将炉次指派给该工序上的设备并产生加工顺序：按顺序依次取heat_list_j中的M_j个炉次，随机指派(一对一)给device_list_j中的M_j个设备，直到所有炉次指派完毕，或剩余炉次R小于M_j，一对一指派给device_list_j中的前R个设备；由于先分配的炉次优先加工，可以确定设备m_j所加工的炉次顺序

根据染色体编码方法，由该炉次设备指派及其加工顺序方案可以产生一个染色体。

⑤重复步骤4，直到生成初始种群为止。

(3)适应度值计算

对于给定的染色体编码序列，模型[P1]的指派变量顺序变量

炉次运输时间t_ij ^H被唯一确定，且确定了设备m_j所加工的炉次顺序

${\mathrm{HEAT}}_{{\mathrm{jm}}_j}=\mathrm{Chrom}(j,p_{j,m_j-1}^{\mathrm{index}}+1:p_{{\mathrm{jm}}_j}^{\mathrm{index}})$ (其中 $p_{j0}^{\mathrm{index}}=0,$ $p_{{\mathrm{jM}}_j}^{\mathrm{index}}=\left|\mathrm{\Ω}\right|$ )              (16)

设备m_j所加工的炉次数为 $H_{{\mathrm{jm}}_j}=p_{{\mathrm{jm}}_j}^{\mathrm{index}}-p_{j,m_j-1}^{\mathrm{index}}.$

此时约束(3)-(5)可以表示为

$t_{i_2,j}-c_{i_1,j}\≥0,$ $\∀j\∈\left\{\mathrm{1,2}\right\},$ $k\∈\{1,\·\·\·,H_{{\mathrm{jm}}_j}-1\},$ $i_1={\mathrm{HEAT}}_{{\mathrm{jm}}_j}\left(k\right),$ $i_2={\mathrm{HEAT}}_{{\mathrm{jm}}_j}(k+1)---\left(17\right)$

$t_{i,j+1}-c_{\mathrm{ij}}\≥t_{\mathrm{ij}}^H,$ $\∀i\∈\mathrm{\Ω},$ j∈{1，2}(18)

$t_{i1}\≥T_{m_1}^{\min },$ $\∀i\∈{\mathrm{HEAT}}_{{1m}_t}---\left(19\right)$

因此，对于给定染色体，模型[P1]可以表示为：

[P2]

$\min \underset{i=1}{\overset{\left|\mathrm{\Ω}\right|}{\mathrm{\Σ}}}{C}_i^1(S_i^{\mathrm{TL}}-s_i^E)+C_i^4{s}_i^T+\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{C}_n^2{t}_n^E+C_n^3{t}_n^T---\left(1\right)$

s.t.(17)，(18)，(6)，(7)，(8)，(9)，(13)，(19)

模型[P2]为线性规划模型，容易求解。但是，对于一般的染色体编码序列，难于满足约束(13)，对应的模型[P2]没有可行解。基于拉格朗日松弛法的思想，将这个约束条件吸收到目标函数中，并使得目标函数保持线性。因此，引入下列符号：

e_n ^E $e_n^E=-\min (0,t_n^E-{\mathrm{\ΔT}}_n^E)$ 为浇次n在开浇提前期限的提前量，单位惩罚费用为C_n ⁵(较大)

e_n ^T $e_n^T=\max (0,t_n^E-{\mathrm{\ΔT}}_n^E)$ 为浇次n在开浇提前期限的拖期量，单位奖励费用为C_n ²

d_n ^E $d_n^E=-\min (0,t_n^T-{\mathrm{\ΔT}}_n^T)$ 为浇次n在开浇拖期期限的提前量，单位奖励费用为C_n ³

d_n ^T $d_n^T=\max (0,t_n^T-{\mathrm{\ΔT}}_n^T)$ 为浇次n在开浇拖期期限的拖期量，单位惩罚费用为C_n ⁶(较大)模型[P2]的拉格朗日松弛模型可以表示为

[P3]

$\min \underset{i=1}{\overset{\left|\mathrm{\Ω}\right|}{\mathrm{\Σ}}}{C}_i^1(S_i^{\mathrm{TL}}-s_i^E)+C_i^4{s}_i^T+\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{C}_n^2({\mathrm{\ΔT}}_n^E-e_n^T)+C_n^5{e}_n^E+C_n^3({\mathrm{\ΔT}}_n^T-d_n^E)+C_n^6{d}_n^T---\left(20\right)$

s.t. $e_n^T-e_n^E=t_n^E-{\mathrm{\ΔT}}_n^E,$ $\∀n\∈\{\mathrm{1,2},\·\·\·,N\}---\left(21\right)$

$d_n^T-d_n^E=t_n^T-{\mathrm{\ΔT}}_n^T,$ $\∀n\∈\{\mathrm{1,2},\·\·\·,N\}---\left(22\right)$

(17)，(18)，(6)，(7)，(8)，(9)，(19)

由于模型[P3]为目标函数最小化的线性规划模型，且其目标函数值为非负数，所以将模型的目标函数值的倒数作为该染色体的适应度值。

(4)交叉操作

形如公式(15)所示的染色体编码方法，不同于以往的编码方法，因此，我们有针对性地设计了一种单亲交叉操作。交叉操作的步骤如下：

①随机生成属于区间[1，2]的整数j，计算阶段j设备的平均加工炉次数 $H_j^{\mathrm{avg}}=\mathrm{round}\left(\right|\mathrm{\Ω}|/M_j)$ (函数round(x)表示对实数x四舍五入)。

②随机生成属于区间

的整数p₁，然后确定位置p₁的炉次对应的加工设备m_j；

③令 $p_2=p_1+H_j^{\mathrm{avg}}-1,$ 若满足条件p₂＞|Ω|或条件 $p_1\≡p_{j,m_j}^{\mathrm{index}}+1$ 且 $p_2\≡p_{j,m_j+1}^{\mathrm{index}},$ 返回步骤2。

④令 ${\mathrm{HEAT}}_{{\mathrm{jm}}_j}=[\mathrm{Chrom}(j,p_{j,m_j-1}^{\mathrm{index}}+1:p_1-1),\mathrm{Chrom}(j,p_2+1:p_{j,m_j+1}^{\mathrm{index}})],$ $p_{{\mathrm{jm}}_j}^{\mathrm{index}}=p_{j,m_j+1}^{\mathrm{index}}-H_j^{\mathrm{avg}},$ ${\mathrm{HEAT}}_{j,m_j+1}=\mathrm{Chrom}(j,p_1:p_2).$

⑤对

中的炉次，按照t_ij ^*升序重新排列，进而得到交叉个体。

(5)变异操作

变异操作采用单亲换位操作，其步骤如下：

①随机生成属于区间[1，2]的整数j，从M_j个设备中随机挑选两个不同的设备并记为d₁，d₂。

②从设备d₁，d₂所加工的炉次顺序中分别选择一个炉次，然后交换这两个炉次的位置。

③对

中的炉次，按照t_ij ^*升序重新排列，进而得到变异个体。

3.数据库系统

数据库系统为模型构造模块与调度方案编制模块提供数据支持。在进行调度方案编制过程中需要用到以下两种数据：第一种是从上一级生产计划系统接收生产合同计划与物料计划，例如浇次包含的炉次顺序、浇次对应的连铸机及在连铸机上的浇注顺序、浇次的计划开浇时间等；第二种是一些相对静态的数据，例如冶炼、精炼、连铸各工序的标准处理时间、大包在各设备之间的运输时间、设备状态数据、炉次相关数据、工艺约束的参数等。

附图说明

图1为炼钢连铸生产调度系统组成框图；图2为某大型转炉钢厂生产工艺流程图，其中LD、Ar、LF、CC分别表示LD转炉、吹氩站、LF精炼炉、连铸机；图3为炼钢连铸生产调度Gantt图。

具体实施方式

下面结合技术方案和附图说明本发明的具体实施例。

以某大型转炉钢厂的实际生产数据为例，其生产工艺流程如图2所示。在本实施例中，将吹氩处理时间合并到LD到LF的运输时间里面。针对四个浇次，分别包含10、11、12、11个炉次的数据进行计算。遗传算法的参数如下：种群大小为40，保留2个适应度值最佳的子辈，交叉概率为0.8，算法结束准则为连续迭代100代或连续10代没有改进。在CPU为T5600(1.83G)、RAM为2G的笔记本上运行，平均计算时间为55.6秒，说明了算法的计算效率能够满足实际生产调度的要求。最后，图3给出的是炼钢连铸生产调度Gantt图，各炉次的等待时间(阴影部分)比较均衡，说明了本发明的方法能够有效地提高钢水节奏合格率。

Claims (4)

1.一种考虑钢水驻留时间期限的炼钢连铸生产调度方法，其特征在于：给出一种考虑钢水驻留时间期限的炼钢连铸生产调度模型，并利用现代智能优化算法(遗传算法、蚁群算法、粒子群算法等)或基于规则的启发式算法来求解该模型。

2.根据权利要求1所述一种考虑钢水驻留时间期限的炼钢连铸生产调度方法，其特征在于：模型考虑了钢水的驻留时间期限，目标函数通过对驻留时间期限内的钢水驻留时间给予正常惩罚、对超过期限部分给予较大的惩罚，来平衡各炉次的等待时间，以提高钢水节奏合格率；目标函数通过最小化提前/拖期惩罚来协调连铸与热轧间的生产节奏；模型中将严格连续浇注作为等式约束，以避免出现断浇。

3.根据权利要求1所述一种考虑钢水驻留时间期限的炼钢连铸生产调度方法，其特征在于：利用单亲遗传算法求解炼钢连铸生产调度模型，采用一种新的染色体编码来表示炉次设备指派与炉次在设备上的加工顺序方案，给出了一种基于问题特性的种群初始化策略；针对该编码方法，设计了一种有效的交叉、变异操作。

4.根据权利要求1或3所述一种考虑钢水驻留时间期限的炼钢连铸生产调度方法，其特征在于：给定染色体编码序列，通过求解对应拉格朗日松弛模型，确定炉次的开工时间，并将目标函数值的倒数作为染色体的适应度值。

Images