CN113850491B - 一种连退同品规带钢排产优化方法 - Google Patents
一种连退同品规带钢排产优化方法 Download PDFInfo
- Publication number
- CN113850491B CN113850491B CN202111094025.9A CN202111094025A CN113850491B CN 113850491 B CN113850491 B CN 113850491B CN 202111094025 A CN202111094025 A CN 202111094025A CN 113850491 B CN113850491 B CN 113850491B
- Authority
- CN
- China
- Prior art keywords
- strip steel
- annealed
- gauge
- tail
- head
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 188
- 239000010959 steel Substances 0.000 title claims abstract description 188
- 238000000137 annealing Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 46
- 238000012163 sequencing technique Methods 0.000 claims abstract description 15
- 239000002253 acid Substances 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000003466 welding Methods 0.000 claims description 4
- 241000277275 Oncorhynchus mykiss Species 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 239000007769 metal material Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 230000015654 memory Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005482 strain hardening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Heat Treatment Processes (AREA)
- Heat Treatment Of Strip Materials And Filament Materials (AREA)
Abstract
本发明提供一种连退同品规带钢排产优化方法,属于金属材料加工信息技术领域。所述方法包括:根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据;根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分,得到各卷带钢头、尾部积分值;分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷;根据剩余n‑1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序。采用本发明,能够有效降低同品规带钢在连退过程中发生跑偏的风险。
Description
技术领域
本发明涉及金属材料加工信息技术领域,特别是指一种连退同品规带钢排产优化方法。
背景技术
在带钢生产过程中,热轧钢卷经过酸洗、冷轧后,带钢变形量很大,晶粒组织发生延伸、硬化,这会导致带钢强度增高、塑性降低,即产生加工硬化现象。出现加工硬化的钢卷很难进行进一步的加工生产,因此必须对带钢进行退火处理,使其硬度降低、塑性增加。目前,大多数钢厂均采用连续退火工艺对带钢进行退火处理。连续退火中原料调度问题是各大冶金企业生产管理的重要问题,不合理的排产计划会导致机组在加工过程中需要进行较大的参数调整,由于炉区温度响应很慢,极易造成前后卷部分区域的温度不合,最终导致产品性能不合格,甚至产生废品,严重影响企业经济效益。
目前的实际生产中一般由人工完成连退生产计划的排序工作,主要考虑的是品规不同、退火所需温度不同的带钢的排产顺序,而对于相同品规带钢的排产顺序考虑较少。由于在酸轧生产过程中相同品规带钢的板形情况也会存在较大差异,在连退过程中前后带钢头尾板形的差异很可能会导致生产过程中带钢跑偏,迫使机组降速生产,严重时造成带钢在炉内跑偏断带,造成重大生产事故。因此,为了防止在连退过程中带钢出现跑偏的情况,必须开发出一种基于板形情况的连退同品规带钢排产方法。
发明内容
本发明实施例提供了连退同品规带钢排产优化方法,能够有效降低同品规带钢在连退过程中发生跑偏的风险,保证了连退生产过程的稳顺进行。所述技术方案如下:
一方面,提供了一种连退同品规带钢排产优化方法,该方法应用于电子设备,该方法包括:
根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据;
根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分,得到各卷带钢头、尾部积分值;
分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷;
根据剩余n-1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序。
进一步地,所述根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据包括:
根据当前连退排产计划,从酸轧板形仪中获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢头、尾部δL长度的各通道板形数据,并将所获取的板形数据按通道位置排序,其中,δL为连退机组炉内相邻的上下两炉辊的纵向距离。
进一步地,所述根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分包括:
根据获取的按通道位置排序后的板形数据,拟合出各卷带钢头、尾部δL长度的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分。
进一步地,拟合出的二次板形曲线y表示为:
y=a2x2+a1x+a0
其中,a0、a1、a2分别为二次板形曲线各次项系数;x为归一化处理后的带钢宽度坐标,x∈(-1,1)。
进一步地,一次项系数积分表示为:
其中,I头、I尾分别为带钢头、尾部积分值;a1(l)为一次项系数曲线,L为带钢长度,l为表示带钢长度的自变量。
进一步地,所述分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷包括:
分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,计算两者积分差值的绝对值为:
φi=|Ii,头-I0,尾|
其中,φi表示第i卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值之间的差值绝对值;Ii,头表示第i卷同品规待退火带钢的头部积分值,i=1,2,3…n;I0,尾为不同品规的前一卷待退火带钢的尾部积分值;
取带钢头尾部积分值差值的最小值为φmin,当φi=φmin时,确定该第i卷同品规待退火带钢为该批次同品规待退火带钢排产计划的首卷。
进一步地,所述根据剩余n-1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序包括:
根据剩余n-1卷同品规待退火带钢的头、尾部积分值,分别计算每两卷同品规待退火带钢带头、尾部积分值差值的绝对值ΔIu;
以每相邻两卷待退火带钢焊缝处头、尾部积分值差值的绝对值的和最小为优化目标,建立目标函数;
根据建立的目标函数,使用思维进化算法对剩余同品规待退火带钢进行排序。
进一步地,ΔIu表示为:
ΔIu=|Ii,头-Ij,尾|u
其中,u表示头、尾相匹配的第u组带钢,Ii,头表示第i卷同品规待退火带钢的头部积分值,Ij,尾表示第j卷同品规待退火带钢的头部积分值,i≠j。
进一步地,建立的目标函数表示为:
一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述连退同品规带钢排产优化方法。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述连退同品规带钢排产优化方法。
本发明实施例提供的技术方案带来的有益效果至少包括:
本发明实施例中,根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据;根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分,得到各卷带钢头、尾部积分值;分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷;根据剩余n-1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序,实现了同品规待退火带钢连退排产计划的优化,这样,能够有效降低同品规带钢在连退过程中发生跑偏的风险,保证了连退生产过程的稳顺进行。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的连退同品规带钢排产优化方法的流程示意图;
图2为本发明实施例提供的二次板形曲线示意图;
图3为本发明实施例提供的带钢头尾板形一次项系数曲线示意图;
图4是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
如图1所示,本发明实施例提供了一种连退同品规带钢排产优化方法,该方法可以由电子设备实现,该电子设备可以是终端或服务器,该方法包括:
S101,根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据;
本实施例中,根据当前连退排产计划,从酸轧板形仪中获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢头、尾部δL长度的各通道板形数据,即表征板形质量情况的IU值,并将所获取的板形IU值按通道位置排序,以便于拟合,δL为连退机组炉内相邻的上下两炉辊的纵向距离。
S102,根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分,得到各卷带钢头、尾部积分值;
本实施例中,根据获取的按通道位置排序后的板形数据,拟合出各卷带钢头、尾部δL长度的二次板形曲线,其中,拟合出的二次板形曲线y表示为:
y=a2x2+a1x+a0
其中,a0、a1、a2分别为二次板形曲线各次项系数;x为归一化处理后的带钢宽度坐标,x∈(-1,1);
对所获得的各卷带钢二次板形曲线的一次项系数进行积分,其中,一次项系数积分表示为:
其中,I头、I尾分别为带钢头、尾部积分值;a1(l)为一次项系数曲线,L为带钢长度,l为表示带钢长度的自变量。
S103,分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷;
本实施例中,分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,计算两者积分差值的绝对值为:
φi=|Ii,头-I0,尾|
其中,φi表示第i卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值之间的差值绝对值;Ii,头表示第i卷同品规待退火带钢的头部积分值,i=1,2,3…n;I0,尾为不同品规的前一卷待退火带钢的尾部积分值;
取带钢头尾部积分值差值的最小值为φmin,当φi=φmin时,确定该第i卷同品规待退火带钢为该批次同品规待退火带钢排产计划的首卷。
S104,根据剩余n-1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序,具体可以包括以下步骤:
A1,根据剩余n-1卷同品规待退火带钢的头、尾部积分值,分别计算每两卷同品规待退火带钢带头、尾部积分值差值的绝对值ΔIu;其中,ΔIu表示为:
ΔIu=|Ii,头-Ij,尾|u
其中,u表示头、尾相匹配的第u组带钢,Ii,头表示第i卷同品规待退火带钢的头部积分值,Ij,尾表示第j卷同品规待退火带钢的头部积分值,为保证计算的完整性且不对同一卷带钢的头尾进行计算,取i,j∈(1,n-1),且i≠j;
A2,为使优化后的排序中,每相邻两卷带钢焊缝处头尾积分值差值的绝对值的和最小,以每相邻两卷待退火带钢焊缝处头、尾部积分值差值的绝对值的和最小为优化目标,建立目标函数;其中,建立的目标函数表示为:
A3,根据建立的目标函数,使用思维进化算法对剩余同品规待退火带钢进行排序。
本实施例中,思维进化算法的具体步骤为:
(1)在解空间中随机分配初始群体的个体,计算每个个体的得分;
(2)选出Ns个得分最高的个体,在全局公告板中排序,形成优胜子群体,其余得分较低的个体散布在解空间中随机散布;
(3)在得分较低的个体中选择NT个得分较高的个体,形成临时子群体;
(4)优胜子群体和临时子群体进行趋同学习,将每个群体中得分最高的个体当做优胜个体,其余个体向优胜个体学习以提高得分并与优胜个体竞争,获得新的优胜子群体;
(5)不断重复上述操作至没有新的优胜个体产生,认为此群体收敛。这时认为环境成熟,环境中的最优个体即所求的最优解。
本实施例中,上述思维进化算法MEA可表示为:
其中,f为目标函数;NG为存在的子群体数;D1()为第一组优胜个体的集合;r为异化操作中的选择比例;Nr为被释放的子群体数;S()为整体解空间中群体的大小;为子群体的初始中心;Gi为第i个子群体;SGi为第i个子群体的尺寸;w为子群体内个体的散布宽度;d为散布个体时使用的密度函数;Ts为被临时释放的子群体;D2()为趋同操作后剩余个体的集合;Ol为趋同操作得到的局部最优解;T为MEA的停止准则。
本发明实施例所述的连退同品规带钢排产优化方法,根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据;根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分,得到各卷带钢头、尾部积分值;分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷;根据剩余n-1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序,实现了同品规待退火带钢连退排产计划的优化,这样,能够有效降低同品规带钢在连退过程中发生跑偏的风险,保证了连退生产过程的稳顺进行。
为了更好地理解本发明,下面结合具体的实施案例,对本发明实施例提供的连退同品规带钢排产优化方法做进一步说明。
以某2130mm连续退火生产线为例,根据目前制定的连退排产计划,从酸轧板形仪中获取要优化的n=4卷同品规待退火带钢及与其不同品规的前一卷待退火带钢如表1所示。
表1同品规待退火带钢初始计划表
序号 | 计划号 | 卷号 | 钢种 | 宽度 | 厚度 |
0 | K2080407 | H0722049000000 | Q235 | 1521 | 2.1 |
1 | K2080202 | H0727003000000 | St12 | 1500 | 2.0 |
2 | K2080402 | H0731040000000 | St12 | 1500 | 2.0 |
3 | K2080402 | H0731050000000 | St12 | 1500 | 2.0 |
4 | K2080402 | H0731047000000 | St12 | 1500 | 2.0 |
从酸轧板形仪获取上述各卷待退火带钢头、尾部δL长度的各通道板形数据,并将所获取的板形数据按通道位置排序。根据连退机组炉内相邻的上下两炉辊的纵向距离,选取δL=20m。
根据获取的按通道位置排序后的板形数据,拟合出各卷带钢头、尾部δL长度的二次板形曲线,如图2所示;其中,拟合出的二次板形曲线为:
y=a2x2+a1x+a0
对所获得的各卷带钢二次板形曲线的一次项系数进行积分,一次项系数曲线如图3所示(一次项系数积分前的曲线),积分可表示为:
求得积分值如表2所示。
表2同品规带钢一次项系数积分值
带钢序号 | 0 | 1 | 2 | 3 | 4 |
头部积分值 | 无 | 0.1122 | 0.1170 | 0.1267 | 0.1130 |
尾部积分值 | 0.3358 | 0.1141 | 0.1489 | 0.1503 | 0.1412 |
分别将4卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,计算两者积分差值的绝对值:
φi=|Ii,头-I0,尾|
当φi=φmin时,确定第3卷同品规待退火带钢为该批次同品规待退火带钢排产计划的首卷。
根据剩余3卷同品规待退火带钢的头尾积分值,使用思维进化算法对剩余同品规待退火带钢进行排序。
本实施例中,根据思维进化算法获得的全局最优解,调整当前同品规待退火带钢排产计划,如表3所示。
表3待退火同品规带钢排产计划表
序号 | 计划号 | 卷号 | 钢种 | 宽度 | 厚度 |
3 | K2080402 | H0731050000000 | St12 | 1500 | 2.0 |
1 | K2080202 | H0727003000000 | St12 | 1500 | 2.0 |
4 | K2080402 | H0731047000000 | St12 | 1500 | 2.0 |
2 | K2080402 | H0731040000000 | St12 | 1500 | 2.0 |
国内某钢厂将本发明实施例提供的连退同品规带钢排产优化方法应用于现场实际生产后,对同品规待退火带钢的连退排产计划进行了优化,有效减少了带钢头尾跑偏问题,保证了连退生产过程的稳顺进行。
图4是本发明实施例提供的一种电子设备600的结构示意图,该电子设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)601和一个或一个以上的存储器602,其中,所述存储器602中存储有至少一条指令,所述至少一条指令由所述处理器601加载并执行以实现上述连退同品规带钢排产优化方法。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述连退同品规带钢排产优化方法。例如,所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种连退同品规带钢排产优化方法,其特征在于,包括:
根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据;
根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分,得到各卷带钢头、尾部积分值;
分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷;
根据剩余n-1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序;
其中,所述根据获取的板形数据,拟合出各卷带钢的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分包括:
根据获取的按通道位置排序后的板形数据,拟合出各卷带钢头、尾部δL长度的二次板形曲线,并对所获得的二次板形曲线的一次项系数进行积分;
其中,拟合出的二次板形曲线y表示为:
y=a2x2+a1x+a0
其中,a0、a1、a2分别为二次板形曲线各次项系数;x为归一化处理后的带钢宽度坐标,x∈(-1,1);
其中,一次项系数积分表示为:
其中,I头、I尾分别为带钢头、尾部积分值;a1(l)为一次项系数曲线,L为带钢长度,l为表示带钢长度的自变量;
其中,所述根据当前连退排产计划,获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢的板形数据包括:
根据当前连退排产计划,从酸轧板形仪中获取要优化的n卷同品规待退火带钢及与其不同品规的前一卷待退火带钢头、尾部δL长度的各通道板形数据,并将所获取的板形数据按通道位置排序,其中,δL为连退机组炉内相邻的上下两炉辊的纵向距离。
2.根据权利要求1所述的连退同品规带钢排产优化方法,其特征在于,所述分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,确定该批次同品规待退火带钢排产计划的首卷包括:
分别将n卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值进行对比,计算两者积分差值的绝对值为:
φi=|Ii,头-I0,尾|
其中,φi表示第i卷同品规待退火带钢的头部积分值与不同品规的前一卷待退火带钢的尾部积分值之间的差值绝对值;Ii,头表示第i卷同品规待退火带钢的头部积分值,i=1,2,3…n;I0,尾为不同品规的前一卷待退火带钢的尾部积分值;
取带钢头尾部积分值差值的最小值为φmin,当φi=φmin时,确定该第i卷同品规待退火带钢为该批次同品规待退火带钢排产计划的首卷。
3.根据权利要求1所述的连退同品规带钢排产优化方法,其特征在于,所述根据剩余n-1卷同品规待退火带钢的头、尾部积分值,使用思维进化算法对剩余同品规待退火带钢进行排序包括:
根据剩余n-1卷同品规待退火带钢的头、尾部积分值,分别计算每两卷同品规待退火带钢带头、尾部积分值差值的绝对值ΔIu;
以每相邻两卷待退火带钢焊缝处头、尾部积分值差值的绝对值的和最小为优化目标,建立目标函数;
根据建立的目标函数,使用思维进化算法对剩余同品规待退火带钢进行排序。
4.根据权利要求3所述的连退同品规带钢排产优化方法,其特征在于,ΔIu表示为:
ΔIu=|Ii,头-Ij,尾|u
其中,u表示头、尾相匹配的第u组带钢,Ii,头表示第i卷同品规待退火带钢的头部积分值,Ij,尾表示第j卷同品规待退火带钢的尾部积分值,i≠j。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111094025.9A CN113850491B (zh) | 2021-09-17 | 2021-09-17 | 一种连退同品规带钢排产优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111094025.9A CN113850491B (zh) | 2021-09-17 | 2021-09-17 | 一种连退同品规带钢排产优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113850491A CN113850491A (zh) | 2021-12-28 |
CN113850491B true CN113850491B (zh) | 2023-01-31 |
Family
ID=78974565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111094025.9A Active CN113850491B (zh) | 2021-09-17 | 2021-09-17 | 一种连退同品规带钢排产优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113850491B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10239256A (ja) * | 1997-02-28 | 1998-09-11 | Kawasaki Steel Corp | 鋼板の焼鈍方法および焼鈍中の鋼板の回復・再結晶の進行度のオンライン測定方法 |
CN101334660A (zh) * | 2008-06-30 | 2008-12-31 | 东北大学 | 一种冷轧连续退火机组钢卷优化排序方法及其系统 |
CN107385190A (zh) * | 2017-07-20 | 2017-11-24 | 山东钢铁集团日照有限公司 | 一种连退炉相关智能排产系统钢种衔接的方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08287145A (ja) * | 1995-04-10 | 1996-11-01 | Nippon Steel Corp | 生産スケジュール立案装置及び方法 |
CN102371278B (zh) * | 2010-08-26 | 2013-06-19 | 宝山钢铁股份有限公司 | 基于稳定性指标的连退平整机板形自动控制方法 |
CN102206741B (zh) * | 2011-05-05 | 2013-01-09 | 中冶南方(武汉)威仕工业炉有限公司 | 一种罩式退火炉钢卷堆垛组合优化方法 |
CN103942370B (zh) * | 2014-04-03 | 2017-04-12 | 首钢总公司 | 一种改善带钢连退炉内跑偏的工艺优化方法及装置 |
CN104376424B (zh) * | 2014-11-27 | 2017-07-11 | 东北大学 | 一种钢铁企业冷轧区多产线钢卷协调调度方法 |
CN104766130B (zh) * | 2014-12-31 | 2018-07-24 | 中冶南方工程技术有限公司 | 一种多卷冷轧酸洗带钢优化生产排序的方法 |
CN105483310B (zh) * | 2015-11-23 | 2017-05-10 | 东北大学 | 一种面向全流程生产的炼钢组批与排产方法 |
CN112947319B (zh) * | 2019-12-11 | 2024-03-29 | 上海宝信软件股份有限公司 | 一种钢铁企业冷轧区多产线的集批排程优化方法及系统 |
-
2021
- 2021-09-17 CN CN202111094025.9A patent/CN113850491B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10239256A (ja) * | 1997-02-28 | 1998-09-11 | Kawasaki Steel Corp | 鋼板の焼鈍方法および焼鈍中の鋼板の回復・再結晶の進行度のオンライン測定方法 |
CN101334660A (zh) * | 2008-06-30 | 2008-12-31 | 东北大学 | 一种冷轧连续退火机组钢卷优化排序方法及其系统 |
CN107385190A (zh) * | 2017-07-20 | 2017-11-24 | 山东钢铁集团日照有限公司 | 一种连退炉相关智能排产系统钢种衔接的方法 |
Non-Patent Citations (3)
Title |
---|
Metal forming beyond shaping: Predicting and setting product properties;A.E.Tekkaya等;《Elsevier》;20151231;全文 * |
基于GA-PID神经网络的板形模式识别方法;张秀玲等;《沈阳大学学报(自然科学版)》;20130615(第03期);全文 * |
宽幅冷轧带钢连退跑偏影响因素的定量分析研究;沈新玉等;《轧钢》;20210815;第38卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113850491A (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3888396B2 (ja) | 圧延ステンレス鋼板の連続製造方法と、それを実施するための製造ライン | |
EP2157195B1 (en) | Method of producing thin steel sheet | |
CN110434172B (zh) | 一种炉卷和精轧机组连轧的负荷分配计算方法 | |
CN106140813A (zh) | 一种汽车排气系统用中铬铁素体不锈钢的冷轧生产方法 | |
CN113850491B (zh) | 一种连退同品规带钢排产优化方法 | |
CN111241750A (zh) | 一种结合遗传算法的bp网络冷轧带钢力学性能预测方法 | |
CN107893155A (zh) | 一种消除含磷高强if钢表面色差缺陷的方法 | |
CN113020319A (zh) | 一种带钢平整工艺方法、生产线 | |
CN110639959A (zh) | 一种热轧带钢防扁卷的控制方法 | |
CN114418633A (zh) | 一种连退炉区吨钢能耗成本预测方法及装置 | |
Carreón et al. | Multi-objective optimization of the hot rolling scheduling of steel using a genetic algorithm | |
CN111861299B (zh) | 一种钢铁企业全流程库存水平预警与控制方法 | |
CN103406368A (zh) | 优化热轧钢板表面质量的轧制方法 | |
RU2487176C1 (ru) | Способ производства холоднокатаной ленты из низкоуглеродистой стали для вырубки монетной заготовки | |
CN113578960A (zh) | 一种控制边部质量的低牌号无取向硅钢的热轧生产方法 | |
KR101198474B1 (ko) | 스테인리스강 냉간압연 하중예측 방법 | |
CN108817101A (zh) | 一种基于西门子弯窜辊模型优化的微中浪轧制方法 | |
CN112122345B (zh) | 一种异钢种混浇坯的轧制方法 | |
JP7287422B2 (ja) | スラブ厚予測方法、粗圧延機の制御方法およびスラブ厚予測モデルの生成方法 | |
Morris et al. | Effects of tension levelling process parameters on cold rolled strip characteristics using a designed factorial analysis approach | |
US1932307A (en) | Silicon steel and method of making the same | |
CN113111452B (zh) | 一种面向热轧带钢的极限规格轧制建议的分析方法 | |
RU2268097C1 (ru) | Способ производства холоднокатаной листовой стали | |
JP2010005659A (ja) | Mg板の製造方法 | |
Kozhevnikov | The Development and Application of Methodologies for the Design of Technological Modes of Cold Rolling |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |