CN106773658A - 一种热轧轧制计划编排方法 - Google Patents

一种热轧轧制计划编排方法 Download PDF

Info

Publication number
CN106773658A
CN106773658A CN201510802402.8A CN201510802402A CN106773658A CN 106773658 A CN106773658 A CN 106773658A CN 201510802402 A CN201510802402 A CN 201510802402A CN 106773658 A CN106773658 A CN 106773658A
Authority
CN
China
Prior art keywords
rolling
slab
width
thickness
constraint
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.)
Pending
Application number
CN201510802402.8A
Other languages
English (en)
Inventor
孙海龙
车志良
车兰
杨路
高德平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Angang Steel Co Ltd
Original Assignee
Angang Steel Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Angang Steel Co Ltd filed Critical Angang Steel Co Ltd
Priority to CN201510802402.8A priority Critical patent/CN106773658A/zh
Publication of CN106773658A publication Critical patent/CN106773658A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

本发明涉及冶金连轧技术领域的一种热轧轧制计划编排方法,通过设定约束函数、构建轧制计划模型、轧制计划模型求解,利用计算机编程技术编程,建立起一套连铸连轧生产组织管理模式。与现有技术相比,本发明的有益效果是:计划编制灵活,可以进行不同钢种、不同厚度和不同宽度的混排,实现交叉轧制;热轧板坯热直装率高,减少冷轧板加热时间,节约能源;可充分发挥铸坯三机六流合一流功能,使215OASP生产线实现炼钢、连铸与轧制三道工序的紧密结合,达到促进钢铁产品节能降耗的目的。

Description

一种热轧轧制计划编排方法
技术领域
本发明涉及冶金连轧技术领域,特别是涉及一种热轧轧制计划编排方法。
背景技术
某钢企热轧生产线,目前现有的轧制计划管理系统主要基于热连轧技术、依托板坯库现有板坯库存的品种、量的多少等因素编排。编排轧制计划时,首先要看板坯库当前库存,其次根据板坯的合同情况进行排产,同时要考虑垛位板坯的优化问题。该生产模式存在如下缺陷:
1)连铸生产的板坯需要先入库、然后再出库操作,有时还需要进行大量的倒垛操作,生产节奏慢;
2)热轧板坯热直装率低,多数热轧板坯需要先冷却再加热,增加了加热炉加热时间,浪费能源,不经济;
3)生产计划编制呆板、不灵活,不同钢种、不同厚度和不同宽度的混排计划编制难,不易实现交叉轧制;
4)炼钢、连铸、轧制工序之间的衔接程度低。
发明内容
为克服现有技术缺陷,本发明解决的技术问题是提供一种热轧轧制计划编排方法,计划编制灵活,可以进行不同钢种、不同厚度和不同宽度的混排,实现交叉轧制;热轧板坯热直装率高,减少冷轧板加热时间,节约能源;可充分发挥铸坯三机六流合一流功能,使215OASP生产线实现炼钢、连铸与轧制三道工序的紧密结合,达到促进钢铁产品节能降耗的目的。
为了达到上述目的,本发明采用以下技术方案实现:
一种热轧轧制计划编排方法,其特征在于,通过设定约束函数、构建轧制计划模型、轧制计划模型求解,利用计算机编程技术编程,建立起一套连铸连轧生产组织管理模式。
1.设定约束函数
根据编制轧制计划应考虑的因素如产品质量、轧辊更换和轧辊磨损来设定,包括:
1)钢种约束:具有相似硬度的同一钢种系列、使用相同代表钢质代码的板坯方可组成同一轧制计划;
2)能力约束:一个轧制计划内轧制的板坯数量不能超过轧辊的能力;
3)板坯宽度变化约束:为保证板型,板坯的生产顺序应满足宽度从宽到窄的变化,而且宽度的幅度不能超过一定的限制,允许少量的宽度反跳;
4)板坯厚度变化约束:板坯厚度的变化应满足从薄到厚的方向,而且相邻板坯间的厚度变化的幅度不能超过一定限制;
5)宽度、厚度、硬度不允许同时跳跃;
6)硬度变化应平稳,最好按某一方向变化,或渐近递增,或渐近递减;
7)相同硬度、宽度、厚度的计划数据不能超过该硬度、宽度、厚度的最大限制;
8)当硬度、宽度、厚度三者发生冲突时,优先级为硬度-厚度-宽度。
2.构建轧制计划模型
轧制批计划问题可归结为典型的多旅行商问题。多旅行商问题可表述为:在N个城市中选择M个出发城市,设其中第一个旅行商从0城市出发,其他第2到第M个旅商分别从N-M……N-1城市出发,并要求回到原来出发城市。把轧制批计划中的每个轧制计划单元看成一个旅行商的旅行路径(把计划单元中的板坯看成城市或节点),则从N个用户合同订单中编制出M个轧制计划单元可看成N个城市的M个旅行商问题即MTSP,其中需要解决的是城市间距离的定义方法。在这里,我们可定义两板坯(城市或节点)之间的“距离”为在轧制计划单元中,板坯i后直接排板坯j的某种对轧制计划优劣的评价指标。通常该评价指标可定义为板坯i与板坯i相接轧制规范的满足情况,如两相邻板坯宽度、厚度、硬度等跳跃差值之和。
建立的最终轧制计划模型为:
Dij=Pij W+Pij G+Pij H,i∈{0,…N-1},j∈{0,…N-1}
其中:Dij-表示板坯i后直接排板坯j的某种对轧制计划优劣的评价指标
Pij W-表示板坯i,J相邻的宽度惩罚值;
Pij G-表示板坯i,J相邻的厚度惩罚值;
Pij H-表示板坯i,J相邻的硬度惩罚值。
把两个相同城市之间距离定为无穷大:Dij=∞,i∈{0,…N-1},j∈{0,…N-1} (1)
Dij=Dji=∞,i∈{0}∪{N-M,…N-1},j∈{0}∪{N-M,…N-1} (2)
当ij∈{1,…N-M-1} (3)
Xij∈{0,1},i,j∈{0,…N-1} (10)
其中,在模型中目标函数(6)使得总的路程最小,约束(7)表示在城市j之前有且只有一个城市被访问,约束(8)表示i之后访问的城市有且只有一个,约束(9)是为了避免在可行解中构成子回路,约束(10)表示变量是2进制数。
3.轧制计划模型求解
本发明采用遗传模拟退火算法求解,即将遗传算法与模拟退火算法相结合而构成的一种优化算法,其基本原理是从一组用启发式算法如最邻近法产生初始解开始全局最优解的搜索过程,先通过选择、交叉、变异等遗传操作来产生一组新的个体,然后再独立地对所产生出的各个个体进行模拟退火过程,以其结果作为下一代群体中的个体,这个运行过程反复迭代地进行,直到满足某个终止条件为止。
其中,遗传算法求解步骤包括:
1)初始化,随机生成初始种群p(0),设置最大进化代数tmax,种群规模N,初始代数t=0;
2)个体评价,用构造的适应度函数来计算p(t)中每个个体的适应度;
3)选择操作,根据个体适应度选择合适算子,从第t代中选择中间个体Rp(t);
4)交叉操作,将种群Rp(t)个体随机搭配成对,对个体以概率pc交换染色体;
5)变异操作,交叉后的群体,以概率pm改变基因生成新一代群体;
6)终止判断,当t<tmax,则t=t+1到步骤2,否则,把种群pt最好个体解码,输出最优解。
模拟退火算法求解原理是从一个任意被选择的解(态)开始探测整个解(态)空间,并且通过扰动该解而产生一个新解,按照接受规则要么接受新解要么拒绝之,模拟退火算法的一般结构可由下述伪代码描述:
模拟退火(j0,T0){
/*给定一个初始态和一个初始温度T0*/
n=0;k=0;
X0=j0;
while未达到冷凝温度{
while未达到平衡分布{
j=generate Xk;
/*接受条件if min{1,exp[-[C(j)-C(Xk)]/Tn}_random[0,1]*/
if accept j,Xk,Tn Xk+1=j;
else Xk+1=Xk;
k=k+1;}
Tn+1=update(Tn);
n=n+1;}}
与现有技术相比,本发明的有益效果是:
1)计划编制灵活,可以进行不同钢种、不同厚度和不同宽度的混排,实现交叉轧制;热轧板坯热直装率高,减少冷轧板加热时间,节约能源;可充分发挥铸坯三机六流合一流功能,使215OASP生产线实现炼钢、连铸与轧制三道工序的紧密结合,达到促进钢铁产品节能降耗的目的。
2)当库存铸坯和直装铸坯混装时,在计划执行时仅关注铸坯铸型与计划要求铸型是否一致。这样不管是库存铸坯还是铸机正在生产的铸坯,只要铸型一致就可以按顺序装炉,既满足了轧制规程要求,还可以有效地解决生产计划的有序性与装炉铸坯顺序不确定之间的矛盾。
3)针对轧制工序出现异常故障造成轧制计划难以执行的情况,可以利用在加热炉内修改带钢规格的功能,将炉内板坯对应的计划与炉外计划进行转换,尽量减少铸坯的回炉。动态编制出的轧制计划遵循自由程序轧制规则,可以进行钢种交叉轧制、厚度交叉轧制、宽度交叉轧制,甚至可以进行逆宽轧制。
4)利用该编制方法,某钢企ASP生产线实现了在一个轧制单元内同宽轧制100km、宽度反跳300mm的目标;工作辊最大换辊周期由最初的不足40km增加到现在的100km;支持辊最大换辊周期由最初的1O万t增加到40万t。目前,不同钢种、不同厚度和不同宽度混合交叉轧制,已成为2150ASP生产线最重要、同时也是最常用的一种生产组织模式。
附图说明
图1是本发明计算机程序软件的流程图。
具体实施方式
下面结合附图和实施例对本发明的具体实施方式作进一步说明:
本发明涉及一种热轧轧制计划编排方法,其特征在于,通过设定约束函数、构建轧制计划模型、轧制计划模型求解,利用计算机编程技术编程,建立起一套连铸连轧生产组织管理模式,其计算机程序软件的流程图见图1所示。
轧制计划编制包括以下步骤:
1)开始,读取合同数据库,将合同数据库中全部合同,按用户事先设定的钢种、加工数量、宽度、厚度、计划时间统计排序作为输入条件。
2)根据输入设定约束函数,读取连铸计划数据和实物板坯数据库,本着连铸计划数据优先原则,构建轧制计划模型,采用遗传模拟退火算法求解,输出初始轧制计划。
3)初始轧制计划满意判断,满意进入检测环节,否则进行人工修正返回重新求解。
4)轧制硬度规程检验,合格进入下一环节,否则进入计算机自动修正返回重新检测环节。
5)轧制厚度规程检验,合格进入下一环节,否则进入计算机自动修正返回重新检测环节。
6)轧制宽度规程检验,合格进入下一环节,否则进入计算机自动修正返回重新检测环节。
7)检测环节合格,输出轧制计划结果,结束。
编制输出的轧制计划符合轧制规范,并进行了总体优化,可使单位轧制km数达到最大,并在板坯相邻间硬度差、厚度差、宽度差等总评价指标达到最优化。
【实施例】
根据生产工艺要求,生产钢种为Q235B、宽度断面为1500mm的不同合同时,需要编制轧制计划按照厚度由厚到薄的顺序为:7.4mm 10块,5.7mm 6块,5.65mm 1块,5.45mm 12块,5.4mm 4块,4.7mm 25块,4.65mm 3块,4.5mm 17块,4.45mm 14块,4.4mm 1块,4.3mm 1块,3.75mm 16块,3.7mm 3块,3.55mm13块,3.5mm 8块,3.4mm 1块,共135块。
按照本发明轧制计划编排规则和算法,输出的轧制计划结果为:7.4mm 10块,5.7mm6块,5.65mm 1块,5.45mm 6块,5.4mm 4块,4.7mm 6块,4.5mm 8块,4.45mm 3块,4.5mm4块,4.4mm 1块,4.3mm 1块,3.75mm 4块,3.55mm5块,3.5mm 5块,3.4mm 1块,3.5mm 3块,3.55mm 8块,3.7mm 3块,3.75mm 12块,4.45mm 11块,4.5mm5块,4.65mm 3块,4.7mm 19块,5.45mm 6块。

Claims (1)

1.一种热轧轧制计划编制方法,其特征在于,通过设定约束函数、构建轧制计划模型、轧制计划模型求解,利用计算机编程技术编程,建立起一套连铸连轧生产组织管理模式;
所述约束函数包括:
1)钢种约束:具有相似硬度的同一钢种系列、使用相同代表钢质代码的板坯方可组成同一轧制计划;
2)能力约束:一个轧制计划内轧制的板坯数量不能超过轧辊的能力;
3)板坯宽度变化约束:为保证板型,板坯的生产顺序应满足宽度从宽到窄的变化,而且宽度的幅度不能超过一定的限制,允许少量的宽度反跳;
4)板坯厚度变化约束:板坯厚度的变化应满足从薄到厚的方向,而且相邻板坯间的厚度变化的幅度不能超过一定限制;
5)宽度、厚度、硬度不允许同时跳跃;
6)硬度变化应平稳,最好按某一方向变化,或渐近递增,或渐近递减;
7)相同硬度、宽度、厚度的计划数据不能超过该硬度、宽度、厚度的最大限制;
8)当硬度、宽度、厚度三者发生冲突时,优先级为硬度-厚度-宽度;
所述轧制计划模型应用典型的多旅行商问题构建,最终轧制计划模型为:
D i j = P i j W + P i j G + P i j H , i ∈ { 0 , ... N - 1 } , j ∈ { 0 , ... N - 1 }
其中:Dij-表示板坯i后直接排板坯j的某种对轧制计划优劣的评价指标
Pij W-表示板坯i,J相邻的宽度惩罚值;
Pij G-表示板坯i,J相邻的厚度惩罚值;
Pij H-表示板坯i,J相邻的硬度惩罚值。
把两个相同城市之间距离定为无穷大:Dij=∞,i∈{0,…N-1},j∈{0,…N-1} (1)
Dij=Dji=∞,i∈{0}∪{N-M,…N-1},j∈{0}∪{N-M,…N-1} (2)
当ij∈{1,…N-M-1} (3)
M i n = Σ i = 1 N - 1 Σ j = 1 N - 1 X i j D i j - - - ( 6 )
Σ j = 0 N - 1 X i j = 1 , i = 0 , ... N - 1 - - - ( 7 )
Σ i = 0 N - 1 X i j = 1 , i = 0 , ... N - 1 - - - ( 8 )
S ⊆ { 0 , ... N - 1 } , 2 ≤ | S | ≤ N - 1 - - - ( 9 )
Xij∈{0,1},i,j∈{0,…N-1} (10)
其中,在模型中目标函数(6)使得总的路程最小,约束(7)表示在城市j之前有且只有一个城市被访问,约束(8)表示i之后访问的城市有且只有一个,约束(9)是为了避免在可行解中构成子回路,约束(10)表示变量是2进制数;
所述轧制计划模型求解采用遗传模拟退火算法,基本原理是从一组用启发式算法如最邻近法产生初始解,开始全局最优解的搜索,先通过选择、交叉、变异等遗传操作来产生一组新的个体,然后再独立地对所产生出的各个个体进行模拟退火过程,以其结果作为下一代群体中的个体,这个运行过程反复迭代地进行,直到满足某个终止条件为止。
CN201510802402.8A 2015-11-19 2015-11-19 一种热轧轧制计划编排方法 Pending CN106773658A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510802402.8A CN106773658A (zh) 2015-11-19 2015-11-19 一种热轧轧制计划编排方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510802402.8A CN106773658A (zh) 2015-11-19 2015-11-19 一种热轧轧制计划编排方法

Publications (1)

Publication Number Publication Date
CN106773658A true CN106773658A (zh) 2017-05-31

Family

ID=58916567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510802402.8A Pending CN106773658A (zh) 2015-11-19 2015-11-19 一种热轧轧制计划编排方法

Country Status (1)

Country Link
CN (1) CN106773658A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108284132A (zh) * 2018-01-09 2018-07-17 东北大学 一种板带热轧工业过程优化控制方法
CN109772893A (zh) * 2019-02-18 2019-05-21 重庆大学 最大化轧辊利用的多热轧单元批量计划优化方法及控制系统
CN110298593A (zh) * 2019-07-04 2019-10-01 华中师范大学 人力成本计算方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1598834A (zh) * 2004-07-27 2005-03-23 大连理工大学 基于规则的特钢行业生产动态调度方法
CN1792501A (zh) * 2005-12-27 2006-06-28 上海宝信软件股份有限公司 炼钢连铸生产工艺中的组连浇批次方法
CN103310310A (zh) * 2013-06-25 2013-09-18 浙江大学 一种多品种钢铁批量轧制动态生产计划系统
CN103752621A (zh) * 2014-01-09 2014-04-30 鞍钢股份有限公司 一种热轧线紧急改规格物料自动互换转用的方法
CN104624661A (zh) * 2015-02-03 2015-05-20 东北大学 用于提高产品质量和板坯提取效率的排产方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1598834A (zh) * 2004-07-27 2005-03-23 大连理工大学 基于规则的特钢行业生产动态调度方法
CN1792501A (zh) * 2005-12-27 2006-06-28 上海宝信软件股份有限公司 炼钢连铸生产工艺中的组连浇批次方法
CN103310310A (zh) * 2013-06-25 2013-09-18 浙江大学 一种多品种钢铁批量轧制动态生产计划系统
CN103752621A (zh) * 2014-01-09 2014-04-30 鞍钢股份有限公司 一种热轧线紧急改规格物料自动互换转用的方法
CN104624661A (zh) * 2015-02-03 2015-05-20 东北大学 用于提高产品质量和板坯提取效率的排产方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
黄可为等: "基于模型的热轧轧制计划排程系统的设计与实现", 《第八届中国青年运筹信息管理学者大会论文集》 *
黄可为等: "热轧计划中的多旅行商问题及其计算方法", 《计算机应用研究》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108284132A (zh) * 2018-01-09 2018-07-17 东北大学 一种板带热轧工业过程优化控制方法
CN108284132B (zh) * 2018-01-09 2019-08-23 东北大学 一种板带热轧工业过程优化控制方法
CN109772893A (zh) * 2019-02-18 2019-05-21 重庆大学 最大化轧辊利用的多热轧单元批量计划优化方法及控制系统
CN110298593A (zh) * 2019-07-04 2019-10-01 华中师范大学 人力成本计算方法及装置

Similar Documents

Publication Publication Date Title
US10713399B2 (en) Method of batching and scheduling for steelmaking production with plant-wide process consideration
Long et al. Scheduling a realistic hybrid flow shop with stage skipping and adjustable processing time in steel plants
CN103631243B (zh) 一种基于遗传算法的炼钢-连铸重调度方法及系统
CN102346882B (zh) 炼钢-连铸生产智能调度的二层规划方法
Chen et al. Development of hybrid evolutionary algorithms for production scheduling of hot strip mill
US5808891A (en) Method for creating a direct hot charge rolling production schedule at a steel plant
CN106773658A (zh) 一种热轧轧制计划编排方法
CN103140815A (zh) 用于协调生产过程的两个相继的制造级的方法和装置
CN101391268A (zh) 一种钢板控轧控冷过程温度制度的逆向优化方法
CN103831305A (zh) 一种粗轧机热轧可逆道次轧制时板坯温度的转换方法
CN112446642A (zh) 一种多天车调度优化方法和系统
JP7510722B2 (ja) ビッグデータクラウドプラットフォームに基づく加熱炉燃焼知能制御方法及び装置
CN101339634A (zh) 考虑钢水驻留时间期限的炼钢连铸生产调度方法
Hsieh Data-driven oriented optimization of resource allocation in the forging process using bi-objective evolutionary algorithm
CN108284132B (zh) 一种板带热轧工业过程优化控制方法
Zhang et al. Solving the order planning problem at the steelmaking shops by considering logistics balance on the plant-wide process
JP2984182B2 (ja) 圧延工場の物流スケジューリング方法
Cui et al. A hybrid genetic algorithm based on reinforcement learning for the energy-aware production scheduling in the photovoltaic glass industry
CN101377789B (zh) 炼钢生产工艺中的板坯组炉方法及装置
CN107256317B (zh) 一种用于紧凑式热带生产的热轧调度方法
JPH06304619A (ja) 熱間圧延工場の物流スケジューリング装置
Tang et al. A bi-level optimization method for integrated production scheduling between continuous casting and hot rolling processes
JP2984180B2 (ja) 圧延工場の物流スケジューリング方法
Xiong et al. Formulating the steel scheduling problem as a TSPTW
CN110490383B (zh) 一种基于板坯聚类的一体化生产炉次计划优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531