CN104766130B - 一种多卷冷轧酸洗带钢优化生产排序的方法 - Google Patents
一种多卷冷轧酸洗带钢优化生产排序的方法 Download PDFInfo
- Publication number
- CN104766130B CN104766130B CN201410856421.4A CN201410856421A CN104766130B CN 104766130 B CN104766130 B CN 104766130B CN 201410856421 A CN201410856421 A CN 201410856421A CN 104766130 B CN104766130 B CN 104766130B
- Authority
- CN
- China
- Prior art keywords
- strip
- multireel
- cleaning process
- process parameter
- population
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种多卷冷轧酸洗带钢优化生产排序的方法,该方法包括以下步骤:获取生产数据,生产数据包括钢卷号、带钢牌号、带钢卷取温度、带钢宽度、厚度和速度;根据生产数据,在大量酸洗样本数据中寻找满足生产要求的多种酸洗工艺参数组合,计算多种组合的目标函数值,求取最优值对应的酸洗工艺参数组合,将其作为优化设定的酸洗工艺参数;根据设定好酸洗工艺参数的带钢生产数据,生成大量的排序组合种群并计算种群中个体的适应度值,依据适应度值选择种群中的个体进行交叉、变异操作,进化一定代数后,得到优化的带钢排序作为多卷带钢的排序。该方法采用遗传算法进行进化计算,避免了多卷钢卷排序组合的NP‑Hard难题,并获得优化的排序组合。
Description
技术领域
本发明涉及冷轧带钢酸洗技术领域,尤其涉及一种多卷冷轧酸洗带钢优化生产排序的方法。
背景技术
在冷轧带钢酸洗机组中,对于一定卷取温度的钢卷,设定不同的酸液温度、酸液浓度等工艺参数,最后的酸洗终点时间不同,酸洗的质量效果也不同,酸洗的成本也不同,目前的酸洗参数设定主要依据操作规程来设定,操作规程为了避免欠酸洗,设定的酸液温度和酸液浓度值偏大,一方面导致能源介质耗量较大,推高了运行成本,另一方面会导致更多的过酸洗,加重了酸洗铁损。因此,对于不同的钢卷,需要优化设定酸洗工艺参数来降低成本提高效益,对于多卷钢卷,优化设定好酸洗工艺参数后,酸洗工艺参数会存在波动现象,但是酸液温度、酸液浓度等酸洗工艺参数的惯性大,调整起来比较缓慢,另外,频繁的调整也对生产线的平稳运行不利。因此,需要对优化设定好酸洗工艺参数的多卷钢卷进行优化排序,减少调整的频率与幅度,从而实现酸洗机组的平稳运行。
针对上述问题,本发明利用利用遗传算法解决多卷设定好酸洗工艺参数后的钢卷排序问题。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种多卷冷轧酸洗带钢优化生产排序的方法。
本发明解决其技术问题所采用的技术方案是:一种多卷冷轧酸洗带钢优化生产排序的方法,包括以下步骤:
1)获取生产数据,所述生产数据包括钢卷号、带钢牌号、带钢卷取温度、带钢宽度、带钢厚度和带钢速度;
2)根据生产数据,在大量酸洗样本数据中寻找满足生产要求的多种酸洗工艺参数组合,计算多种组合的目标函数值,求取其中最优值对应的酸洗工艺参数组合,将其作为优化设定的酸洗工艺参数;
3)根据设定好酸洗工艺参数的带钢生产数据,生成大量的排序组合种群并计算种群中个体的适应度值,依据适应度函数值选择种群中的个体然后进行交叉、变异操作,进化一定代数后,得到优化的带钢排序作为多卷带钢的排序。
按上述方案,所述步骤3)中适应度函数,综合考虑多种因素包括钢种的可连接性、带钢宽度跳跃、带钢厚度跳跃、酸液温度跳跃和酸液浓度跳跃。
按上述方案,所述步骤3)中带钢排序采用遗传算法进行进化计算。
按上述方案,基于遗传算法,设定多卷冷轧带钢酸洗优化生产排序模块适应度函数F,F=k1*F1+k2*F2+k3*F3+k4*F4+k5*F5,其中F1为钢种的可连接性、F2为带钢宽度跳跃、F3为带钢厚度跳跃、F4为酸液温度跳跃,F5为酸液浓度跳跃;并依据需求对各因素调整因素的权重值ki。
按上述方案,所述步骤3)中带钢排序的具体步骤为:
选择二进制作为编码方式,对多卷带钢的排序进行编码,产生初始种群;
计算种群中个体的适应度函数值;
依据适应度函数值选择种群中的个体进行交叉、变异操作,产生新的种群,然后循环操作,进化设定代数后结束计算;
选择其中最优的个体作为输出,对最优个体进行解码,转化为多卷带钢排定的先后排序。
按上述方案,所述代数设置5000代或10000代。
本发明产生的有益效果是:
1.多卷冷轧酸洗带钢优化生产排序的方法可以依据具体需求设定适应度函数,综合考虑多种因素:钢种的可连接性、带钢宽度跳跃、带钢厚度跳跃、酸液温度跳跃和酸液浓度跳跃,且考虑的因素可以进行拓展并可以赋予不同的权重值;
2.多卷冷轧酸洗带钢优化生产排序的方法采用遗传算法进行进化计算,避免了多卷钢卷排序组合的NP-Hard难题,并获得优化的排序组合。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明冷轧多卷带钢优化生产排序方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
建立冷轧带钢酸洗优化生产排序系统。主要包括二级计算机、酸洗工艺参数优化设定计算机和酸洗带钢优化生产排序计算机,将它们通过工业以太网连接起来。如图1所示,冷轧多卷带钢优化生产排序方法,包括:
1)酸洗工艺参数优化设定计算机接收从二级计算机传输过来的钢卷生产数据,以生产数据为前置条件,在大量的酸洗样本数据中寻找满足前置条件的多组酸洗工艺参数组合,将多组酸洗工艺参数组合带入酸洗工艺参数优化设定目标函数并计算各组合的目标函数值,比较各酸洗工艺参数组合目标函数值的大小并获取其中最小值对应的酸洗工艺参数组合,将其作为这一卷带钢对应的优化设定的酸洗工艺参数。对于多卷带钢,逐一按步骤求取各自的酸洗工艺参数。
2)其中,部分计算的结果如表1所示。从表1中可以看出,酸洗工艺参数优化设定计算机依据带钢生产数据设定了优化的酸洗工艺参数。
表1酸洗工艺参数优化设定结果
3)基于遗传算法,设定多卷冷轧带钢酸洗优化生产排序模块适应度函数F,F=k1*F1+k2*F2+k3*F3+k4*F4+k5*F5,其中适应度函数考虑钢种的可连接性F1、带钢宽度跳跃F2、带钢厚度跳跃F3、酸液温度跳跃F4和酸液浓度跳跃F5等因素,依据需求对各自因素调整因素的权重值。
4)选择二进制作为编码方式,对多卷带钢的排序进行编码,产生初始种群,计算种群中个体的适应度函数值,依据适应度函数值选择种群中的个体进行交叉、变异操作,产生新的种群,然后循环操作,进化设定代数(1000代、5000代或10000代)后结束计算,选择其中最优的个体作为输出,对最优个体进行解码,转化为多卷带钢排定的先后排序。
5)其中,计算的结果如表2所示。从表2中可以看出,酸洗带钢优化生产排序计算机能够排定多卷带钢的先后顺序,同时,在优化的排序结果中,酸洗工艺参数的波动次数和幅度较小,从而有利于生产的平稳有序运行。
表2多卷带钢优化生产排序结果
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种多卷冷轧酸洗带钢优化生产排序的方法, 其特征在于,包括以下步骤:
1)获取生产数据,所述生产数据包括钢卷号、带钢牌号、带钢卷取温度、带钢宽度、带钢厚度和带钢速度;
2)根据生产数据,在大量酸洗样本数据中寻找满足生产要求的多种酸洗工艺参数组合,计算多种组合的目标函数值,求取其中最优值对应的酸洗工艺参数组合,将其作为优化设定的酸洗工艺参数;
3)根据设定好酸洗工艺参数的带钢生产数据,生成大量的排序组合种群并计算种群中个体的适应度值,依据适应度函数值选择种群中的个体然后进行交叉、变异操作,进化一定代数后,得到优化的带钢排序作为多卷带钢的排序;
所述步骤3)中适应度函数,综合考虑多种因素包括钢种的可连接性、带钢宽度跳跃、带钢厚度跳跃、酸液温度跳跃和酸液浓度跳跃;基于遗传算法,设定多卷冷轧带钢酸洗优化生产排序模块适应度函数F,F= k1*F1+ k2*F2+ k3*F3+ k4*F4+ k5*F5,其中F1为钢种的可连接性、F2为带钢宽度跳跃、F3为带钢厚度跳跃、F4为酸液温度跳跃,F5为酸液浓度跳跃;并依据需求对各因素调整因素的权重值ki。
2.根据权利要求1所述的带钢优化生产排序的方法,其特征在于,所述步骤3)中带钢排序采用遗传算法进行进化计算。
3.根据权利要求1所述的带钢优化生产排序的方法,其特征在于,所述步骤3)中带钢排序的具体步骤为:
选择二进制作为编码方式,对多卷带钢的排序进行编码,产生初始种群;
计算种群中个体的适应度函数值;
依据适应度函数值选择种群中的个体进行交叉、变异操作,产生新的种群,然后循环操作,进化设定代数后结束计算;
选择其中最优的个体作为输出,对最优个体进行解码,转化为多卷带钢排定的先后排序。
4.根据权利要求3所述的带钢优化生产排序的方法,其特征在于,所述代数设置5000代或10000代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410856421.4A CN104766130B (zh) | 2014-12-31 | 2014-12-31 | 一种多卷冷轧酸洗带钢优化生产排序的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410856421.4A CN104766130B (zh) | 2014-12-31 | 2014-12-31 | 一种多卷冷轧酸洗带钢优化生产排序的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766130A CN104766130A (zh) | 2015-07-08 |
CN104766130B true CN104766130B (zh) | 2018-07-24 |
Family
ID=53647944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410856421.4A Active CN104766130B (zh) | 2014-12-31 | 2014-12-31 | 一种多卷冷轧酸洗带钢优化生产排序的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766130B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110989522B (zh) * | 2019-12-06 | 2022-09-09 | 东北大学 | 一种面向多钢卷的连退生产过程工艺参数优化设定方法 |
CN113850491B (zh) * | 2021-09-17 | 2023-01-31 | 北京科技大学 | 一种连退同品规带钢排产优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1579658A (zh) * | 2004-05-21 | 2005-02-16 | 上海宝信软件股份有限公司 | 一种热轧生产批量计划编制方法 |
CN101329573A (zh) * | 2008-07-25 | 2008-12-24 | 东北大学 | 一种冷轧酸洗和轧制联合机组自动排产优化方法及系统 |
CN101344781A (zh) * | 2008-06-30 | 2009-01-14 | 东北大学 | 一种冷轧热镀锌机组板卷自动调度方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014112036A (ja) * | 2012-12-05 | 2014-06-19 | Jfe Steel Corp | 酸洗液の迅速分析装置および迅速分析方法ならびに酸洗処理設備および酸洗液の制御方法 |
-
2014
- 2014-12-31 CN CN201410856421.4A patent/CN104766130B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1579658A (zh) * | 2004-05-21 | 2005-02-16 | 上海宝信软件股份有限公司 | 一种热轧生产批量计划编制方法 |
CN101344781A (zh) * | 2008-06-30 | 2009-01-14 | 东北大学 | 一种冷轧热镀锌机组板卷自动调度方法及系统 |
CN101329573A (zh) * | 2008-07-25 | 2008-12-24 | 东北大学 | 一种冷轧酸洗和轧制联合机组自动排产优化方法及系统 |
Non-Patent Citations (1)
Title |
---|
《不锈钢冷轧卷连续酸洗工艺参数的正交试验研究》;雷君相;《钢铁》;20050131;第40卷(第1期);第51-54页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104766130A (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301473B (zh) | 基于改进遗传算法的同类平行机批调度方法及系统 | |
CN101901425A (zh) | 一种基于多种群协同进化的柔性作业车间调度方法 | |
Kurdi | An effective new island model genetic algorithm for job shop scheduling problem | |
Kurdi | A new hybrid island model genetic algorithm for job shop scheduling problem | |
Zhang et al. | Solving flexible job shop scheduling problems with transportation time based on improved genetic algorithm | |
CN110221585B (zh) | 一种用于混合流水车间考虑设备维护的节能调度控制方法 | |
CN106611379A (zh) | 一种改进文化基因算法求解多目标柔性作业车间调度问题 | |
CN106610652A (zh) | 改进编码方式的遗传算法解分布式柔性作业车间调度问题 | |
CN104636871B (zh) | 一种基于数据的单阶段多产品批处理的控制方法 | |
CN104766130B (zh) | 一种多卷冷轧酸洗带钢优化生产排序的方法 | |
CN111966049B (zh) | 一种混合流水车间生产设备调度控制方法 | |
CN113610233A (zh) | 一种基于改进遗传算法的柔性作业车间调度方法 | |
Xie et al. | Intelligent selection of machining parameters in multi-pass turnings using a GA-based approach | |
CN103489031A (zh) | 一种化工生产中原料蒸发过程的优化调度方法 | |
Nie et al. | Application of gene expression programming on dynamic job shop scheduling problem | |
CN109255484A (zh) | 数据驱动的离散制造资源协同优化方法及系统 | |
CN106934485B (zh) | 基于遗传算法的一种新型一维排演下料方法 | |
Wang et al. | A cooperative algorithm for energy-efficient scheduling of distributed no-wait flowshop | |
CN114723217A (zh) | 碳中和目标下的综合能源供给侧配置方法和系统 | |
Khalouli et al. | An ant colony system algorithm for the hybrid flow-shop scheduling problem | |
CN110989522B (zh) | 一种面向多钢卷的连退生产过程工艺参数优化设定方法 | |
CN108804746A (zh) | 一种基于遗传算法的螺旋桨设计方法 | |
CN112926896A (zh) | 一种用于卷烟制丝生产的排产方法 | |
Zhang et al. | A discrete fruit fly optimization algorithm for flow shop scheduling problem with intermingling equal sublots | |
CN111273545A (zh) | 基于多群多选择交流策略的quatre算法的自动寻优控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |