CN101786146B - 一种在线控制炼钢连铸的方法 - Google Patents

Abstract

一种在线控制炼钢连铸的方法，属于炼钢连铸技术领域，包括如下步骤：接口管理服务器通过网络与现场控制器相连，将采集的各种状态信息和工艺数据经数据处理和格式转换存入数据库，同时将上层下达的生产方法存贮在数据库中；数据库服务器将生产现场的实时过程数据、计划编制数据及各种系统组态数据存储在数据库中；应用服务器执行炼钢连铸生产在线控制方法，从数据库服务器中获取数据，并将调整结果存入数据库；客户端工作站实现各种数据的显示，进行常规数据的查询，并将数据保存在本地计算机，实现数据的离线分析；本发明求解快速，自动化程度校高，结果可精确到分钟数，减少了人工调整次数和钢水冗余等待时间。

Description

一种在线控制炼钢连铸的方法

技术领域

本发明属于炼钢连铸技术领域，特别涉及一种在线控制炼钢连铸的方法。

背景技术

炼钢连铸生产过程主要是根据MES层的计划部门下发的日生产计划，将高炉铁水及废钢等生产原料，经过转炉(钢水冶炼)、精炼炉(钢水精炼)及连铸机(钢水定型拉坯)等过程，生产出一定规格的铸坯，并为热轧生产工序提供原料。

炼钢连铸生产过程有其特殊性，其主要表现是生产计划必须顺序执行，且在完成时间上有一定限制，工位间的超期等待意味着钢水温度及成份将不能满足生产工艺要求；连铸机在一个浇次内要求连续浇铸；加工工艺复杂，不同连铸机上的各炉次计划可能有不同的精炼重数(如一重精炼或二、三重精炼)，精炼重数越多，炉次计划的完成时间越长，执行时间范围越大，多种精炼重数的炉次相互交织给计划的编制和调整带来很大难度。作业过程钢水始终需要保持在高温状态，且有成份要求，无中间库存，只能在一定条件下置于精炼工位。生产过程的特殊性造成了生产在线控制的难度，这直接体现在生产调度人员对生产过程不当的控制将可能导致生产过程的不稳定、连铸机的断浇、产品质量的下降和生产成本的增加等不利影响。

炼钢连铸生产条件复杂，多种工艺路径交织，多个浇次中各计划在固定的设备环境内以各自的工艺路径进行作业，生产过程紧密，计划执行期内的不确定因素多，事先编排的下发计划在执行中经常与原计划发生偏差，其中主要的偏差包括如时间偏差、设备故障、执行中加工路径或工艺变更等等。这部分偏差虽然直接体现在发生变更的作业计划或设备上，但更主要的是由于这部分偏差造成了原生产计划中后续部分(也就是原计划中未执行部分)的紊乱和冲突，会造成连铸机的断浇和浇铸冲突，特别是在转炉设备故障时转炉与连铸机的能力已不在完全匹配，因而此时原计划已经失去了对生产过程的预见性和指导性。如何在计划执行过程中，按生产实绩不断修正并在线实时进行优化调整，以恢复计划对生产过程的指导作用，是保证生产顺利进行的关键。目前对于连铸机出现断浇和冲突、转炉设备故障导致转炉与连铸机产能不匹配以及非连铸时间出现偏差等生产过程中常见的异常情况，主要是通过人机交互，或者是单一的调度模型来进行生产调度，很难对这几种情况下均实现优化调度。

目前在生产计划编制方面已有多个专利，如“200510111354.4(炼钢连铸生产工艺中的出钢计划排程方法)”；“200310120845.6(一种钢铁生产的递阶协调计划调度方法)”等专利对炼钢连铸生产计划的编制都提出了各自的方法。在计划调整方面，主要手段是时间顺延、人机交互(人工调整)、仿真模拟等方式，如“200410021578.1(基于规则的特钢行业生产动态调度方法)”和“200410009705.6(一种炼钢连铸生产在线动态调度方法)”，实现了一种通过缩小编制计划的规模来减少改变影响，并对计划发生改变时采用人工调整和仿真模拟方式，基于滑动窗口的动态调度方法。上述专利均未针对炼钢连铸生产计划在出现不同的生产异常情况下，特别是对于连铸机出现断浇和冲突、转炉设备故障导致转炉与连铸机产能不匹配以及非连铸时间出现偏差等的情况下，没有进行局部时间和全局时间在线优化调整方法，

发明内容

本发明针对现有炼钢连铸生产时间优化调度存在的问题，提供一种能够简化调度人员手工操作，提高调度效率和优化程度的在线控制炼钢连铸的方法。

本发明系统，硬件包括接口管理服务器、数据库服务器、应用服务器、客户端工作站、现场控制器和传感器。本发明方法包括如下步骤：

(1)接口管理服务器通过网络与现场控制器相连，将现场采集的各种状态信息和工艺数据经过数据处理和格式转换，存入数据库中，同时将上层下达的生产计划存贮在数据库中；

(2)数据库服务器将生产现场的实时过程数据、计划编制数据以及各种系统组态数据，存储在数据库中；

(3)应用服务器执行炼钢连铸生产计划在线调整方法，从数据库服务器中获取数据，并将调度计划结果存入数据库；其中所述的在线调整方法，过程如下：

步骤1：设置工艺参数，包括制造标准、计划状态码、设备属性参数、设备处理时间和工位运输时间；

步骤2：设置单目标线性规划模型参数和优先级字典序多目标线性规划模型参数；

步骤3：接受生产实绩信息，包括转炉设备生产实绩信息、精炼设备生产实绩信息和连铸设备生产实绩信息，并将接收到的生产实绩信息写入本地数据库；

步骤4：根据数据库中生产实绩信息，进行扰动识别：若为设备信息，则为转炉故障扰动；若为工序时间信息，将实绩时间信息与计划时间信息作差值运算，若结果不为0：

步骤4-1：判断差值是否是发生在连铸机上，若是则为连铸时间扰动；否则执行步骤4-2；

步骤4-2：判断差值是否超出预先设定的警戒值，若没有超过警戒值，则判断为没有扰动，若超出警戒值，则为非连铸时间扰动；

步骤5：a)、如是连铸时间扰动，则采用基于规则的局部时间优化调整方法进行优化：具体方法如下：若有断浇则增加相关炉次计划连铸的处理时间即降低拉速，若有冲突则适当缩短相关炉次计划连铸的处理时间即提高拉速，同时对炉次计划中最后一重精炼至连铸等待位的运输时间及连铸等待位的等待时间进行规则调整，使最后一重精炼到连铸等待位的运输时间是标准时间；

b)、如是转炉故障扰动，则采用基于模型的局部时间优化调整方法进行优化：即转炉部分锁定，对由精炼部分和连铸部分组成的非转炉部分进行时间优化调整。具体方法是：建立单目标的线性规划模型，应用线性规划求解组件对模型进行求解，将结果转化为各计划中的作业时间；

c)、如是非连铸时间扰动，则采用全局时间优化调整方法进行优化：建立优先级字典序多目标线性规划模型，具体方法如下：准时开浇作为第一级目标，即第一个炉次的连铸工位按给定的开浇时间开始作业，准时开浇的约束包括不提前开浇约束、炉次顺约束和加工顺约束；最小化断浇时间作为第二级目标，即各浇次所有非第一个炉次的连铸工位与浇注顺前一炉的断浇时间最短，最小化断浇时间的约束包括连铸顺约束、炉次顺约束和加工顺约束；最小化等待时间作为第三级目标，即各浇次所有炉次的非连铸工位运输时间最短，最小化等待时间的约束包括炉次顺约束和加工顺约束；

d)、如连铸时间扰动和转炉故障扰动同时存在，则同时采用步骤a和步骤b的方法进行优化；

e)、如连铸时间扰动和非连铸时间扰动同时存在，则同时采用步骤a和步骤c的方法进行优化；

f)、如非连铸时间扰动和转炉故障扰动同时存在，则采用步骤c的方法进行优化；

步骤6：根据在线调整结果进行现场时间调整。

(4)客户端工作站实现各种数据的显示，进行常规数据的查询，并将数据保存在本地计算机，实现数据的离线分析；

步骤b)所述的单目标的线性规划模型，模型因子(模型变量)是指计划中各工位(单元)的开始时间，单位是分钟，目标函数的意义是最小化同一炉次中两个相邻工位间的运输时间差之和，具体公式如下：

$\min Z=\underset{i\∈\mathrm{\Ω}}{\mathrm{\Σ}}\underset{j=1}{\overset{s_i-1}{\mathrm{\Σ}}}(x_{i,j+1,k^{\′}}-x_{\mathrm{ijk}}-{\mathrm{pt}}_{\mathrm{ijk}}-{\mathrm{ut}}_{{\mathrm{kk}}^{\′}})---\left(1\right)$

S.T.

x_{SI(i，j，k)，j′，k}-x_ijk≥pt_ijk    i，SI(i，j，k)∈Ω，j＝1，…，s_i，j′＝1，…，s_{SI(i，j，k)}  (2)

x_{i，j+1，k′}-x_ijk≥pt_ijk+ut_kk′     i∈Ω，j＝1，…，s_i-1                                       (3)

x_ilk＝st_ilk  i∈Ω                                                                              (4)

x_ijk≥0     i∈Ω，j＝1，…，s_i                                                                 (5)

式中，i为炉次序号；Ω为炉次集合，i∈Ω，|Ω|为总炉次数；n为浇次号，N为浇次数，n＝1，2，…，N；Ω_n为第n浇次的炉次集合，Ω₁∩Ω₂∩…∩Ω_N＝Φ且Ω₁∪Ω₂∪…∪Ω_N＝Ω；s_i为炉次i的工序总数；j为工序序号，1≤j≤s_i；

为炉次SI(i，j，k)的工序总数；k为机器序号；st_ilk为炉次i在转炉工序的原加工开始时间；pt_ijk为炉次i在工序j的机器k上的工艺标准加工时间；ut_kk′为炉次从机器k到机器k′的运输时间；SI(i，j，k)为炉次i在工序j机器k上的紧后炉次；x_{i，i+1，k′}为炉次i在工序j+1的机器k′上的优化后的加工开始时间；x_{SI(i，j，k)，j′，k}为炉次SI(i，s_i，k)在工序j′的机器k上的优化后的加工开始时间；模型的决策变量x_ijk为炉次i在工序j的机器k上的优化后的加工开始时间。

步骤c)所述的优先级字典序多目标线性规划模型，其中，

不提前开浇约束也称作设定约束，它在模型中直接设定，模型调整的结果只有准时开浇和延迟开浇的情况；

炉次顺约束是指：同一炉次中两个相邻工位必须保证在时间维上的顺序性，约束结构如下：前一工位的开始时间必须小于等于后一工位开始时间在去除两工位间标准运输时间和前一工位处理时间后的值；

加工顺约束是指：保证同一设备上加工过程具有时间维的顺序性，约束结构如下：在同一设备上两个相邻加工的工位中，先加工工位的开始时间必须小于等于后加工工位的开始时间在去除先加工工位处理时间的值；

连铸顺约束是指：同一浇次内相邻炉次间，前一炉次的连铸开始时间小于等于后一炉次连铸开始时间减前一炉次的连铸作业时间；

f(x)＝min{f₁(x)，f₂(x)，f₃(x)}                          (6)

S.T.

g_i(x)≥0，i＝1，2，3                                    (7)

式中，f_i(x)表示第i个目标；g_i(x)≥0表示第i个目标所对应的约束集。

●第一级目标模型

$f_1\left(x\right)=\min \left\{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{cc}\_n1}\right\}---\left(8\right)$

S.T.

x_{cc_n1}≥KJ_n     1≤n≤N                        (9)

$x_i\&le;x_{i+1}-t_{x_i,x_{i+1}}-d_i,1\&le;i<K---\left(10\right)$

x_p＜x_p+1-d_p  1≤p≤P                           (11)

x_k≥0  1≤k≤X                                 (12)

●第二级目标模型

$f_2\left(x\right)=\min \left\{\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=2}{\overset{M}{\mathrm{\&Sigma;}}}{x}_{\mathrm{cc}\_\mathrm{nm}}\right\}---\left(13\right)$

S.T.

x_{cc_nm}＜x_{cc_n(m+1)}-d_m  1≤n≤N，1≤m＜M        (14)

$x_i\&le;x_{i+1}-t_{x_i,x_{i+1}}-d_i,1\&le;i<K---\left(15\right)$

x_p＜x_p+1-d_p  1≤p≤P                           (16)

x_k≥0  1≤k≤X                                 (17)

●第三级目标模型

$f_3\left(x\right)=\min \left\{\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{K-1}{\mathrm{\&Sigma;}}}{F}_{m,n}(x_{k+1}-x_k)\right\}---\left(18\right)$

S.T.

$x_i\&le;x_{i+1}-t_{x_i,x_{i+1}}-d_i,1\&le;i<K---\left(19\right)$

x_p＜x_p+1-d_p 1≤p≤P                            (20)

x_k≥0  1≤k≤X                                 (21)

式中，x表示计划工位(单元)的作业开始时间，这是模型变量，其它符号均是常量(不包括遍历变量)；x_{cc_nm}表示第n个浇次第m个炉次的连铸工位；X表示全部可调整的工位(单元)数；

表示x_i、x_i+1两工位(单元)间的标准运输时间；d_i表示x_i工位的处理时间；d_p表示x_p工位的处理时间；P表示某设备上的工位数；N表示浇次个数；M表示第n个浇次中炉次的个数；K表示第n个浇次第m个炉次中的可调整工位数；KJ_n表示第n个浇次的开浇时间；n，m，k，i，p为遍历变量，用于简化表示多个同类约束和目标。

有益效果：本发明针对不同程度、不同原因、不同类型的因素造成的计划不合理状态，提出了两种方式的在线时间优化调整方法，具有方案灵活多样、符合实际调整方式、求解快速的优点，自动化程度校高，结果可精确到分钟数，减少了人工调整计划次数，缩短了在线调度时间，减少了钢水冗余等待时间，且有一定的整体优化效果。

基于组件技术和面向对象技术，采用多层架构的方式，将系统主要功能模块和算法以组件方式部署在应用服务器中，从而提供一种可扩展的、满足工艺流程的调度平台系统。

附图说明

图1为本发明的在线控制炼钢连铸的方法的硬件结构图；

图2为本发明在线控制炼钢连铸的方法的结构框图；

图3为本发明在线控制炼钢连铸的方法的总流程图；

图4为本发明在线控制炼钢连铸的方法的接受生产实绩处理流程图；

图5为本发明在线控制炼钢连铸的方法的扰动识别处理流程图；

图6为本发明在线控制炼钢连铸的方法的调整方法流程图；

图7为本发明在线控制炼钢连铸的方法的基于规则的局部时间优化调整处理流程图；

图8为本发明在线控制炼钢连铸的方法的调整预处理流程图；

图9为本发明在线控制炼钢连铸的方法的连铸冲突处理流程图；

图10为本发明在线控制炼钢连铸的方法的断浇时间处理流程图；

图11为本发明在线控制炼钢连铸的方法的等待时间处理流程图；

图12为本发明在线控制炼钢连铸的方法的基于模型的局部时间优化调整处理流程图；

图13为本发明在线控制炼钢连铸的方法的全局时间优化调整处理流程图。

具体实施方式

下面以某钢铁企业的生产实际调整问题为例，结合附图进一步对本发明的一种在线控制炼钢连铸的方法进行说明。

图1为本发明的在线控制炼钢连铸的方法的硬件结构图；

本发明的在线调整方法包括工艺参数设置模块、生产实绩接受模块、模型算法参数设置模块、基于规则的局部时间优化调整模块、基于模型的局部时间优化调整模块、全局时间优化调整模块和本地数据库Oracle 10g。本地数据库Oracle 10g分别与工艺参数设置模块、生产实绩接受模块、模型算法参数设置模块、基于规则的局部时间优化调整模块、基于模型的局部时间优化调整模块和全局时间优化调整模块相连；生产实绩接受模块与基于规则的局部时间优化调整模块、基于模型的局部时间优化调整模块和全局时间优化调整模块相连，系统框图如图2所示。生产线包括：3座转炉(4LD、5LD、6LD)、精炼设备(5RH-1、5RH-2、3RH、LF-1、LF-2、IR_UT)、3条连铸(4CC、5CC、6CC)。

在线控制炼钢连铸的方法总流程如附图3所示，主要按以下步骤：

(1)设置工艺参数，包括制造标准、计划状态码、设备属性参数、设备处理时间和工位运输时间。

(2)设置模型参数。

i：炉次序号；

Ω：炉次集合，i∈Ω，|Ω|为总炉次数；

n：浇次号，N为浇次数，n＝1，2，…，N；

Ω_n：第n浇次的炉次集合，Ω₁∩Ω₂∩…∩Ω_N＝Φ且Ω₁∪Ω₂∪…∪Ω_N＝Ω；

s_i：炉次i的工序总数；

j：工序序号，1≤j≤s_i；

：炉次SI(i，j，k)的工序总数；

k：机器序号；

st_ilk：炉次i在转炉工序的原加工开始时间；

pt_ijk：炉次i在工序j的机器k上的工艺标准加工时间；

ut_kk′：炉次从机器k到机器k′的运输时间；

SI(i，j，k)：炉次i在工序j机器k上的紧后炉次；

x_{i，j+1，k′}：炉次i在工序j+1的机器k′上的优化后的加工开始时间；

x_{SI(i，j，k)，j′k}：炉次SI(i，s_i，k)在工序j′的机器k上的优化后的加工开始时间；

x_ijk：炉次i在工序j的机器k上的优化后的加工开始时间；

x：计划工位(单元)的作业开始时间，这是模型变量，其它符号均是常量(不包括遍历变量)；

x_{cc_nm}：第n个浇次第m个炉次的连铸工位；

X：全部可调整的工位(单元)数；

：x_i、x_i+1两工位(单元)间的标准运输时间；

d_i：x_i工位的处理时间；

d_p：x_p工位的处理时间；

N：浇次个数；

M：第n个浇次中炉次的个数；

K：第n个浇次第m个炉次中的可调整工位数；

KJ_n：第n个浇次的开浇时间；

n，m，k，i，p：遍历变量，用于简化表示多个同类约束和目标。

(3)如图4所示，接受生产实绩数据，包括转炉设备生产实绩数据：转炉设备代码、制造命令号、出钢记号、钢号、设备运转状况、运转状况变更时间；精炼设备生产实绩数据：精炼设备代码、制造命令号、出钢记号、钢号、设备运转状况、运转状况变更时间；连铸设备生产实绩数据：连铸设备代码、制造命令号、出钢记号、钢号、设备运转状况、运转状况变更时间、剩余钢水量、注入终时刻、板坯厚度、偶流宽度、奇流宽度、偶流当前拉速、奇流当前拉速。将转炉设备生产实绩数据写入转炉设备接口表和动态控制表，精炼设备生产实绩数据写入精炼设备接口表和动态控制表，连铸设备生产实绩数据写入连铸设备接口表和动态控制表。设备接口表和动态控制表均在本地数据库0racle 10g中。并与设定的计划时间值进行差值计算。

(4)如图5所示，读取动态控制表信息，根据其中信息读取相应设备接口表实绩数据信息，进行扰动识别：若转炉发生故障，则判定为转炉故障扰动；若为工序时间信息，则将实绩时间信息与计划时间信息进行比较，比较的方法是将实绩时间减去计划时间，若差值不为零，则进行如下处理：

1)若差值发生在连铸机上，则判定为连铸时间扰动；

2)若差值不是发生在连铸机上，则判断差值是否超出预先设定的警界值，若没有超出警界值，则判定没有扰动，若超出预先设定的警界值则判定为非连铸时间扰动；

(5)如图6所示，根据扰动类别信息给出具体的调整方法建议：

1)若仅为连铸时间扰动，则调整方法建议为：采用基于规则的局部时间优化调整方法进行在线时间优化；

2)若仅为转炉故障扰动，则调整方法建议为：采用基于模型的局部时间优化调整方法进行在线时间优化；

3)若仅为非连铸时间扰动，则调整方法建议为：采用全局时间优化调整方法进行在线时间优化；

4)若连铸时间扰动和转炉故障扰动同时发生，则调整方法建议为：首先采用基于模型的局部时间优化调整方法进行在线时间优化，然后采用基于规则的局部时间优化调整方法进行在线时间优化；

5)若连铸时间扰动和非连铸时间扰动同时发生，则调整方法建议为：首先采用全局时间优化调整方法进行在线时间优化，然后采用基于规则的局部时间优化调整方法进行在线时间优化；

6)若是非连铸时间扰动和转炉故障扰动同时发生，则调整方法建议为：采用全局时间优化调整方法进行在线时间优化；

(6)根据调整方法建议结果，起动相应的方法进行在线时间优化，得到新的调整计划结果，进行现场时间调整；

步骤5)所述的基于规则的局部时间优化调整方法，如图7所示，包括调整预处理，连铸冲突处理，断浇时间处理和等待时间处理，其中，调度预处理流程如图8所示，过程如下：

步骤1：按编号取第一个连铸机；

步骤2：取第一个浇次；

步骤3：取第一个炉次计划；

步骤4：取最后一重精炼至连铸工位的传搁时间T；

步骤5：判断T是否小于标准传搁时间，如小于则执行步骤6，否则执行步骤7；

步骤6：按标准传搁时间推迟连铸工位的开始时间，执行步骤7；

步骤7：判断是否还有未处理的炉次计划，如有则执行步骤8，否则执行步骤9；

步骤8：取下一个炉次，执行步骤4；

步骤9：判断是否还有未处理的浇次，如有则执行步骤10，否则执行步骤11；

步骤10：取下一个浇次，执行步骤3；

步骤11：判断是否还有未处理的连铸机，如有则执行步骤12，否则执行步骤13；

步骤12：取下一个连铸机，执行步骤2；

步骤13：结束。

连铸冲突处理流程如图9所述，过程如下：

步骤1：按编号取第一个连铸机；

步骤2：取第一个浇次；

步骤3：取第二个炉次计划的连铸开始时间为K1；

步骤4：取前一炉次的连铸结束时间为K2；

步骤5：判断K2是否大于K1，如K2大于K1则执行步骤6，否则执行步骤7；

步骤6：延迟K1所在炉次的连铸开始时间，使之连浇，执行步骤7；

步骤7：判断是否还有未处理的炉次计划，如有则执行步骤8，否则执行步骤9；

步骤8：取后一个炉次，执行步骤4；

步骤9：判断是否还有未处理的浇次，如有则执行步骤10，否则执行步骤11；

步骤10：取下一个浇次，执行步骤3；

步骤11：判断是否还有未处理的连铸机，如有则执行步骤12，否则执行步骤13；

步骤12：取下一个连铸机，执行步骤2；

步骤13：结束。

断浇时间处理如图10所示，过程如下：

步骤1：按编号取第一个连铸机；

步骤2：取第一个浇次；

步骤3：取倒数第二个炉次计划的连铸结束时间为K1；

步骤4：取其后一炉次计划的连铸开始时间为K2；

步骤5：判断K2是否大于K1，如K2大于K1则执行步骤6，否则执行步骤7；

步骤6：延迟K1炉次的连铸结束时间，使之连续浇铸，执行步骤7；

步骤7：判断是否还有未处理的炉次计划，如有则执行步骤8，否则执行步骤9；

步骤8：取前一个炉次，执行步骤4；

步骤9：判断是否还有未处理的浇次，如有则执行步骤10，否则执行步骤11；

步骤10：取下一个浇次，执行步骤3；

步骤11：判断是否还有未处理的连铸机，如有则执行步骤12，否则执行步骤13；

步骤12：取下一个连铸机，执行步骤2；

步骤13：结束。

等待时间处理如图11所示，过程如下：

步骤1：按编号取第一个连铸机；

步骤2：取第一个浇次；

步骤3：取第一个炉次计划；

步骤4：取最后一重精炼至连铸工位的传搁时间T；

步骤5：判断T是否大于标准传搁时间，如T大于标准传搁时间，则执行步骤6，否则执行步骤7；

步骤6：增加本炉次连铸等待时间，使T为标准传搁时间，执行步骤7；

步骤7：判断是否还有未处理的炉次计划，如有则执行步骤8，否则执行步骤9；

步骤8：取下一个炉次，执行步骤4；

步骤9：判断是否还有未处理的浇次，如有则执行步骤10，否则执行步骤11；

步骤10：取下一个浇次，执行步骤3；

步骤11：判断是否还有未处理的连铸机，如有则执行步骤12，否则执行步骤13；

步骤12：取下一个连铸机，执行步骤2；

步骤13：结束。

基于模型的局部时间优化调整方法，处理流程如图12所示，过程如下：

步骤1：变量设置，对所有未开始生产的非转炉工位单元进行变量编号；

步骤2：生成约束条件，包括炉次顺约束、加工顺约束和特殊约束等；

步骤3：生成目标函数，取所有变量之和的最小化值(变量已加惩罚值)；

步骤4：规划模型求解；

步骤5：判断模型是否有解，如有解则执行步骤6，否则执行步骤7；

步骤6：修改作业时间，根据求解模型后各变量的值修改各作业时间点；

步骤7：结束。

其中，步骤7-2所述的炉次顺约束是指：同一炉次中两个相邻工位必须保证在时间维上的顺序性，即前一工位的开始时间必须小于等于后一工位开始时间在去除两工位间标准运输时间和前一工位处理时间后的值，保证炉次加工的时间顺序性；加工顺约束是指：在同一设备上两个相邻加工的工位中，先加工工位的开始时间必须小于等于后加工工位的开始时间在去除先加工工位处理时间的值；变量边界约束的内容是所有参与时间调整的工位开始时间都大于等于当前系统基准时间，即都是未生产的工位。

全局时间优化调整方法，处理流程如图13所示，过程如下：

步骤1：变量设置，对所有未生产的工位单元进行变量编号；

步骤2：生成约束条件，包括炉次顺约束、加工顺约束和特殊约束；

步骤3：生成目标函数，取所有连铸工位单元的变量的最小化值；

步骤4：规划模型求解；

步骤5：判断模型是否有解，如有解则执行步骤6，否则执行步骤13；

步骤6：修改作业时间，是指修改所有连铸工位单元的作业时间；

步骤7：变量设置，指对所有未开始生产非连铸工位单元进行变量编号；

步骤8：生成约束条件，包括炉次顺约束、加工顺约束和特殊约束；

步骤9：生成目标函数，取所有变量的最大值；

步骤10：规划模型求解；

步骤11：判断模型是否有解，如有解则执行步骤12，否则执行步骤13；

步骤12：修改作业时间，指修改所有变量对应的工位单元的作业时间点；

步骤13：结束。

Claims (1)

1.一种在线控制炼钢连铸的方法，其特征在于：包括如下步骤：

步骤1：设置工艺参数，包括制造标准、计划状态码、设备属性参数、设备处理时间和工位运输时间；

步骤2：设置单目标线性规划模型参数和优先级字典序多目标线性规划模型参数；

步骤3：接受生产实绩信息，包括转炉设备生产实绩信息、精炼设备生产实绩信息和连铸设备生产实绩信息，并将接收到的生产实绩信息写入本地数据库；

步骤4：根据数据库中生产实绩信息，进行扰动识别：若为设备信息，则为转炉故障扰动；若为工序时间信息，将实绩时间信息与计划时间信息作差值运算，若结果不为0：

步骤4-1：判断差值是否是发生在连铸机上，若是则为连铸时间扰动；否则执行步骤4-2；

步骤4-2：判断差值是否超出预先设定的警戒值，若没有超过警戒值，则判断为没有扰动，若超出警戒值，则为非连铸时间扰动；

步骤5：a)、如是连铸时间扰动，则采用基于规则的局部时间优化调整方法进行优化：具体方法如下：若有断浇则增加相关炉次计划连铸的处理时间即降低拉速，若有冲突则缩短相关炉次计划连铸的处理时间即提高拉速，同时对炉次计划中最后一重精炼至连铸等待位的运输时间及连铸等待位的等待时间进行规则调整，使最后一重精炼到连铸等待位的运输时间是标准时间；

b)、如是转炉故障扰动，则采用基于模型的局部时间优化调整方法进行优化：即转炉部分锁定，对由精炼部分和连铸部分组成的非转炉部分进行时间优化调整，具体方法是：建立单目标的线性规划模型，应用线性规划求解组件对模型进行求解，将结果转化为各计划中的作业时间；

c)、如是非连铸时间扰动，则采用全局时间优化调整方法进行优化：建立优先级字典序多目标线性规划模型，具体方法如下：准时开浇作为第一级目标，即第一个炉次的连铸工位按给定的开浇时间开始作业，准时开浇的约束包括不提前开浇约束、炉次顺约束和加工顺约束；最小化断浇时间作为第二级目标，即各浇次所有非第一个炉次的连铸工位与浇注顺前一炉的断浇时间最短，最小化断浇时间的约束包括连铸顺约束、炉次顺约束和加工顺约束；最小化等待时间作为第三级目标，即各浇次所有炉次的非连铸工位运输时间最短，最小化等待时间的约束包括炉次顺约束和加工顺约束；

d)、如连铸时间扰动和转炉故障扰动同时存在，则同时采用步骤a和步骤b的方法进行优化；

e)、如连铸时间扰动和非连铸时间扰动同时存在，则同时采用步骤a和步骤c的方法进行优化；

f)、如非连铸时间扰动和转炉故障扰动同时存在，则采用步骤c的方法进行优化；

步骤6：根据在线调整结果进行现场时间调整；

步骤c所述的优先级字典序多目标线性规划模型，其中，

不提前开浇约束也称作设定约束，它在模型中直接设定，模型调整的结果只有准时开浇和延迟开浇的情况；

炉次顺约束是指：同一炉次中两个相邻工位必须保证在时间维上的顺序性，约束结构如下：前一工位的开始时间必须小于等于后一工位开始时间在去除两工位间标准运输时间和前一工位处理时间后的值；

加工顺约束是指：保证同一设备上加工过程具有时间维的顺序性，约束结构如下：在同一设备上两个相邻加工的工位中，先加工工位的开始时间必须小于等于后加工工位的开始时间在去除先加工工位处理时间的值；

连铸顺约束是指：同一浇次内相邻炉次间，前一炉次的连铸开始时间小于等于后一炉次连铸开始时间减前一炉次的连铸作业时间。

Images