CN110874511B

CN110874511B - 一种智能炉料配比计算方法

Info

Publication number: CN110874511B
Application number: CN201911136897.XA
Authority: CN
Inventors: 陈涛
Original assignee: Wuhan Chenxi Yunfeng Technology Co ltd
Current assignee: Wuhan Chenxi Yunfeng Technology Co ltd
Priority date: 2019-11-19
Filing date: 2019-11-19
Publication date: 2022-09-16
Anticipated expiration: 2039-11-19
Also published as: CN110874511A

Abstract

本发明属于铸造熔炼炉料配比技术领域，公开了一种智能炉料配比计算方法，包括以下步骤：S1、设置炉料的价格、元素含量及吸收率；S2、设置目标材质的各元素的含量范围和重要性权重；S3、以炉料的各元素的含量为自变量构建目标函数模型；S4、采用优化算法进行求解，让目标函数达到最小值，得到配出材质的成分含量最优解。本发明的计算方法对构建目标函数模型和计算方法进行了设计，综合考虑配出材质成分与目标材质成分的偏差、配出材质单位质量成本及用户自定义函数等约束条件，使配出材质的元素含量能够尽量符合目标材质的元素含量范围，同时成本最低。

Description

一种智能炉料配比计算方法

技术领域

本发明属于铸造熔炼炉料配比技术领域，具体涉及一种智能炉料配比计算方法。

背景技术

在铸造生产中，为了获得符合要求的合金，在冶炼过程中，需要控制合金熔体中各元素成分。冶炼的原料又称炉料：是指加入冶炼炉的矿石和其他催化材料，例如，铁矿石，钢坯，生铁，废钢铁，焦煤及铁合金等。每种炉料价格不同，如废钢铁的元素成分很多很杂，价格便宜；又如提炼出来的某种纯物质，如铝锭、海绵钛、铬板等，价格很高。

炉料配比问题就是要确定各原料的添加量，使得目标材质(目标合金熔体)的元素含量满足约束要求，同时花费最低。有的时候，约束条件的数目少于原材料的种类，它就是一个欠约束的问题；有的时候，约束条件的数目又多于原材料的种类，它看起来就像是过约束的问题，但是因为约束是一个范围，满足约束的解可能存在也可能不存在，这就使得问题更加难以分析。

目前，大多数金属冶炼厂或铸造厂中配置炉料的方法还是粗放式的，采用经验法或者手工计算的方法。最原始的方法为：先加入部分废铁废钢，测量合金熔体元素含量，根据各元素偏差加入纯物质，然后重新测量合金熔体元素含量并添加缺少元素，如此反复最终得到目标材质成分。这种原始的方法会花费大量人力、物力、财力及时间，效率非常低下。如果事先把废铁废钢等炉料的元素含量测出来并分类管理，可以尝试用试错方法手动计算各炉料的配比方案，但只能适用于目标材质元素成分较简单的情况，对复杂情况无能为力，而且不一定能得到成本最低的最优解。随着计算机技术的发展，也有人尝试用计算机穷举来找到最优解，对于简单情况还是可行的。但对于复杂的情况(例如十多种目标元素含量、几十种炉料的欠约束或过约束问题)，计算机穷举也很难保证在合理的时间内找到解。穷举法的计算复杂度为：

其中N是原材料的种数，Di是原材料i的分辨率。假设有10种原材料，添加量分辨率为1000，那么总共需要1030次计算，这个计算量十分惊人，现有计算机无法在合理的时间范围内得到结果。

在其他优化领域已经有相应的优化算法不断地被开发出来，但这些优秀的优化算法目前尚未很好地应用到铸造炉料配比的问题中。已有2018年的文献《基于约束优化算法铸造炉料配比软件的开发及应用》中提到基于约束优化算法使用二阶段单纯形线性规划算法求解线性模型得到最优方案，以及用约束松弛和遗传算法两种求解方式求解次优方案。该文献中提到该方法的不足之处如下：(1)基于线性规划算法在范围约束问题和无最优解情况时无法使用，对于复杂问题计算时间较长；(2)文献中设计遗传算法和对应目标函数的局部搜索能力较差，有时不能保证算法的收敛。

因此，基于上述原因，炉料配比计算不得不考虑以下三种情况：

1、目标材质的元素含量是一个范围区间，计算过程不能只用其中某一个值作为目标值，否则很容易出现无解的情况。

2、炉料配比计算不仅要考虑未知数等于约束个数的情况，还必需考虑未知数多于约束的过约束情况和未知数少于约束的欠约束情况。在欠约束情况下如何能得到最优解。在过约束情况下如何能优先满足权重高的元素在目标材质设定区间范围内，其余权重低的元素尽量接近目标材质设定区间范围。

3、炉料配比计算的算法要稳定快速，在合理时间范围内快速得到可信结果。

综上，炉料配比计算过程中，目标材质的元素含量是一个，存在未知数可能大于、等于、小于约束个数，最优解可能有多个、一个或零个等多种情况。传统手工计算方法、穷举算法和现有文献方法均无法完全考虑以上所有情况，并在合理时间范围内保证计算收敛，得到最优解。因此，需要提出新的计算方法和目标函数模型来实现高可用的智能炉料配比计算。

发明内容

为了解决现有技术存在的上述问题，即为了完全考虑炉料配比计算过程中目标材质元素含量的区间范围特性，未知数可能大于、等于、小于约束个数，最优解可能有多个、一个或零个等多种情况，解决现有计算方法不能计算复杂、无解问题或可能出现的无法收敛等缺陷，本发明目的在于提供一种智能炉料配比计算方法。本发明的计算方法对构建目标函数模型(以炉料的各元素的含量为自变量)和计算方法进行了设计，综合考虑配出材质成分与目标材质成分的偏差、配出材质单位质量成本及用户自定义函数等约束条件，配出材质的元素含量能够尽量符合目标材质的元素含量范围，同时成本最低，保证计算稳定可收敛且时间合理，对铸造熔炼实现精益生产具有重要指导作用。

本发明所采用的技术方案为：

一种智能炉料配比计算方法包括以下步骤：

S1、设置炉料的价格、元素含量及吸收率；

S2、设置目标材质的各元素的含量范围和重要性权重；

S3、以炉料的各元素的含量为自变量构建目标函数模型，以配出材质成分与目标材质成分的偏差、配出材质单位质量成本及用户自定义函数为约束条件；

S4、采用优化算法进行求解，让目标函数达到最小值，得到配出材质的成分含量最优解。

进一步地，步骤S1中，设置炉料各元素的吸收率或烧损率。

进一步地，步骤S2中，当目标材质的多个元素的含量无法同时在对应的含量范围内时，根据目标材质的各元素的重要性权重，使重要性权重大的元素的含量在对应的含量范围内。

进一步地，步骤S3中，所构建的目标函数模型的计算公式为：

f_目标(M)＝a·d(M)+b·p(M)+c·u(M)

其中，M为炉料的各元素的质量百分比向量，d(M)为配出材质成分与目标材质成分偏差的函数，p(M)为配出材质单位质量成本的函数，u(M)为用户自定义函数，a、b、c为自定义比例系数；

d(M)表达式为：

d(M)＝||h(CBWM-D_max)+h(D_min-CBWM)||ⁿ

其中，C为炉料的各元素的元素含量矩阵，B为炉料的各元素的吸收率矩阵，W为目标材质的各元素的重要性权重矩阵，D_max和D_min为目标材质的各元素的含量范围的最大端值与最小端值向量，n为偏差指数，h(x)为截断函数，表达式为：

p(M)表达式为：

p(M)＝PM

其中，P为各炉料单位成本向量；

u(M)为用户自定义函数，用于添加额外约束，让计算收敛更快。

进一步地，u(M)的表达式为：

其中，S_L为计算搜索过的M的集合。

进一步地，步骤S4中：采用的优化算法为遗传算法、差分进化算法及禁忌搜索算法中的一种或多种。

进一步地，构建目标函数模型前，还需设置目标材质的炉号、批次号及产出熔体质量。

本发明的有益效果为：

1、本发明的计算方法对构建目标函数模型(以炉料的各元素的含量为自变量)和计算方法进行了设计，综合考虑配出材质成分与目标材质成分的偏差、配出材质单位质量成本及用户自定义函数等约束条件，该目标函数模型和计算方法可让炉料配比计算在可接受的时间范围内得到合理可信的结果(不会出现无解)，保证计算稳定可收敛。

2、本计算方法可以稳定快速地计算出得到目标材质的最优炉料配比，配出材质的元素含量能够尽量符合目标材质的元素含量范围，同时成本最低，对铸造熔炼实现精益生产具有重要指导作用。

3、本计算方法可以在欠约束情况下得到最优解，也可在过约束情况下，优先满足权重高的元素在目标材质设定区间范围内，其余权重低的元素尽量接近目标材质设定区间范围。

附图说明

图1是本发明的流程示意图。

图2是在炉料数据库中添加要使用的炉料信息的过程示意图。

图3是输入目标材质信息的过程示意图。

图4是输入当前熔炼炉目标材质的相关信息的过程示意图。

图5是设置遗传算法、差分进化算法结合禁忌搜索算法等优化算法所需参数的过程示意图。

图6是计算得到的结果的展示示意图。

图7是利用遗传算法、差分进化算法结合禁忌搜索算法计算得到的结果展示图。

具体实施方式

下面结合附图及具体实施例对本发明做进一步阐释。

实施例1：

如图1所示，本实施例提供一种智能炉料配比计算方法包括以下步骤：

S1、设置炉料的价格、元素含量及吸收率；由于熔炼过程中部分元素会烧损，需要设置炉料各元素的吸收率或烧损率。如图2所示，在炉料数据库中添加要使用的所有炉料信息，炉料信息包括炉料名称、各元素含量、吸收率和单位价格等。

S2、设置目标材质的各元素的含量范围和重要性权重；目标材质的各元素的含量可以在一定范围内波动，需要设置含量范围，即各元素的含量有上限和下限，各元素的含量都在设定的含量范围内都视为合格。

当目标材质的多个元素的含量无法同时在对应的含量范围内时，要根据目标材质的各元素的重要性权重，优先使重要性权重大的元素的含量在对应的含量范围内。即当无法得到完全在设置的含量范围内的元素配比时，要根据目标材质各元素的重要性权重，优先满足重要性高的元素含量在设置的含量范围内。

如图3所示，输入目标材质信息，目标材质信息包括目标材质的名称、类别、各元素含量的上限和下限及重要性权重等。

S3、以炉料的各元素的含量为自变量构建目标函数模型，以配出材质成分与目标材质成分的偏差、配出材质单位质量成本及用户自定义函数为约束条件；其中，自定义函数具体为u(M)，用于添加额外约束，让计算收敛更快。

u(M)为用户自定义函数，用于添加额外约束，让计算收敛更快。u(M)的一种实现表达式为：

其中，S_L为计算搜索过的M的集合，此表达形式的u(M)可以避免重复的最优解搜索路径，减少无效搜索计算。

所构建的目标函数模型的计算公式为：

f_目标(M)＝a·d(M)+b·p(M)+c·u(M)

d(M)表达式为：

d(M)＝||h(CBWM-D_max)+h(D_min-CBWM)||ⁿ

其中，C为炉料的各元素的元素含量矩阵，B为炉料的各元素的吸收率矩阵，W为目标材质的各元素的重要性权重矩阵，D_max和D_min为目标材质的各元素的含量范围最大端值与最小端值向量，n为偏差指数，h(x)为截断函数，表达式为：

p(M)表达式为：

p(M)＝PM

其中，P为各炉料单位成本向量。

S4、采用优化算法进行求解，让目标函数达到最小值，得到配出材质的成分含量最优解。采用的优化算法为遗传算法、差分进化算法及禁忌搜索算法中的一种或多种。

采用的优化算法可以是遗传算法、差分进化算法等求解最优解的数值算法，也可以是包含遗传算法、差分进化算法及禁忌搜索算法等多种优化算法的组合或改进方法，不限定为具体的某一种算法，只要能求解让目标函数达到最小值即可。注意此处是求得全局最优解，而不仅仅是局部最优解。

如图5所示，设置遗传算法、差分进化算法结合禁忌搜索算法等优化算法所需参数，所需参数包括初始解个数、迭代次数及计算次数等。

如图6所示，利用遗传算法、差分进化算法结合禁忌搜索算法计算得到的结果以表格方式展示。展示内容包括：各炉料的添加量、配出材质的各元素含量及预计成本等。

实施例2：

S3、设置目标材质的炉号、批次号及产出熔体质量。为了能够跟踪铸造熔炼每一炉的情况，需要设置当前铸造工艺目标材质的炉号、批次号及产出熔体质量。

如图4所示，输入当前熔炼炉目标材质的相关信息，目标材质的相关信息包括炉号、批次号、目标材质名称、铁水重(产出熔体质量)、实际出炉温度、目标浇注温度、实际浇注温度、操作人及操作时间等。

S4、以炉料的各元素的含量为自变量构建目标函数模型，以配出材质成分与目标材质成分的偏差、配出材质单位质量成本及用户自定义函数为约束条件；其中，自定义函数具体为u(M)，用于添加额外约束，让计算收敛更快。

u(M)的一种实现表达式为：

所构建的目标函数模型的计算公式为：

f_目标(M)＝a·d(M)+b·p(M)+c·u(M)

d(M)表达式为：

d(M)＝||h(CBWM-D_max)+h(D_min-CBWM)||ⁿ

p(M)表达式为：

p(M)＝PM

其中，P为各炉料单位成本向量。

S5、采用优化算法进行求解，让目标函数达到最小值，得到配出材质的成分含量最优解。采用的优化算法为遗传算法、差分进化算法及禁忌搜索算法中的一种或多种。

如图7所示，利用遗传算法、差分进化算法结合禁忌搜索算法计算得到的结果以表格方式展示。展示内容包括：各炉料的添加量、配出材质的各元素含量及预计成本等。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims

1.一种智能炉料配比计算方法，其特征在于，包括以下步骤：

S1、设置炉料的价格、元素含量及吸收率；

S2、设置目标材质的各元素的含量范围和重要性权重；

S4、采用优化算法进行求解，让目标函数达到最小值，得到配出材质的成分含量最优解；

步骤S3中，所构建的目标函数模型的计算公式为：

f_目标(M)＝a·d(M)+b·p(M)+c·u(M)

d(M)表达式为：

d(M)＝||h(CBWM-D_max)+h(D_min-CBWM)||ⁿ

p(M)表达式为：

p(M)＝PM

其中，P为各炉料单位成本向量；

2.根据权利要求1所述的一种智能炉料配比计算方法，其特征在于：步骤S1中，设置炉料各元素的吸收率或烧损率。

3.根据权利要求1所述的一种智能炉料配比计算方法，其特征在于：步骤S2中，当目标材质的多个元素的含量无法同时在对应的含量范围内时，根据目标材质的各元素的重要性权重，使重要性权重大的元素的含量在对应的含量范围内。

4.根据权利要求1所述的一种智能炉料配比计算方法，其特征在于：u(M)的表达式为：

其中，S_L为计算搜索过的M的集合。

5.根据权利要求1所述的一种智能炉料配比计算方法，其特征在于：步骤S4中：采用的优化算法为遗传算法、差分进化算法及禁忌搜索算法中的一种或多种。

6.根据权利要求1-5任一项所述的一种智能炉料配比计算方法，其特征在于：构建目标函数模型前，还需设置目标材质的炉号、批次号及产出熔体质量。