钢坯最优倒垛问题及其Stacking邻域搜索算法

以钢坯倒垛问题为研究对象,建立以最小化轧制序列总倒垛数和吊车运行距离的多目标整数规划模型,并在已有的多回路启发式算法及Sequence邻域搜索算法的基础上设计了基于Stacking邻域搜索的两阶段启发式(TASNS)算法。算法综合考虑了入库钢坯的钢种、规格、长度等属性在垛位上具有连续堆放以及轧制轧序列之间规格相近性的特点。基于实际钢厂数据的验证,表明算法在实际生产中是有效且可行的。     

板坯最优倒垛问题的有铲启发式算法

板坯库用于存放由炼钢－连铸工艺阶段产生的、供热轧生产阶段进一步轧制成带钢或钢板的板坯,一个板坯库中可分为多个逻辑区域,每个逻辑区域又进一步分为多个垛位。同一垛位的板坯之间是叠放的。最优倒垛问题是如何从M个相关的析以坯垛位中选择N个板坯,在满足相应的轧制单元计划所需要的板坯序列要求条件下,保证总的板坯倒垛次数最少。首先对例垛问题进行了定义,在分析了问题的领域结构基础上,构造了新的多回路启发式算法。通过精选的随机产和的200个问题例子的实验显示,提出的启发算法的性能在计算速度和最优性方面都明显优于原系统的启发式算法,在最优性方面平均改进率达到20％,在计算时间方面,可降低一半以上。新多回路启发式算法不但提高了车间作业率,也大在降低了生产过程控制机（FLS）的负荷。     

求解板坯倒垛和落位问题的分布估计算法

针对钢铁企业板坯库的板坯倒垛问题,与以往的研究不同,考虑了在倒垛过程中压在目标板坯上的障碍板坯可以不倒回原垛位的作业模式.提出采用板坯在板坯库中的移动次数来衡量板坯库的作业负荷,建立了以移动次数为优化目标的整数规划模型.在对模型的求解中设计了基于概率模型进化的分布估计算法(estimation of distribution algorithm,EDA)来确定轧制单元对应的板坯,采用基于辐射邻域的启发式算法为障碍板坯寻找最佳的落位位置.通过不同规模的数据实验,探讨了参数对算法性能的影响,确定了有效的参数组合.并与当前常用的改进遗传算法、单亲遗传算法进行对比,验证了所提算法的有效性和鲁棒性.     

热轧批量计划编制模型及其算法

针对钢铁企业生产调度中的热轧生产批量计划编制问题,建立了以提高平均单元计划轧制长度和热装比为目标的数学模型,在实际生产中两个优化目标具有不同的优先级。提出了一种两阶段变邻域搜索算法,该算法按照先优化平均单元计划轧制长度后优化热装比的顺序求解该问题。基于生产实际数据的仿真试验表明了所提出的模型和算法的有效性。     

基于生产目标的热轧过程集成控制方法的研究

在热轧生产中，加热工序和轧制工序对钢坯出炉温度及加热均匀性的要求上存在矛盾，解决该问题对加热过程和轧制过程的高度集成控制提出了较高的要求。为此采用基于生产目标的综合集成控制技术，建立了钢坯热轧过程的集成控制模型，针对能有效降低轧钢生产能耗的低温加热轧制工艺的仿真结果表明了该模型的有效性，可应用于实际的热轧生产过程。     

基于多层规划的供应链合作谈判

基于多层规划理论建立了一种新的供应链合作谈判模型,并提供了基于模糊数学理论的交互式求解算法.针对由制造商、分销中心和零售商组成的多级分布式供应链系统,建立了三层规划生产-分销计划谈判模型,设计了模糊交互式求解方法,为便于比较,同时建立了分散式非合作策略和集中合作下的计划模型.算例仿真验证了模型及交互式三层规划法的可行性及有效性,并且通过比较分析,得到谈判合作策略协调效果好、可执行性高的结论.     

一体化炼钢炉次计划模型与算法

根据一体化钢铁生产模式需求,考虑客户需求柔性化的特点,首先描述炉次计划及其一体化工艺约束,然后建立了多目标一体化炉次计划优化模型,针对模型设计了两阶段启发式算法,第一阶段提出了基于规则的分组策略,第二阶段提出了概率匹配法.最后,对比分析两阶段启发式算法与人工编制方法处理某钢厂实际生产数据结果表明,所提出的模型和算法具有良好的有效性.     

生产作业计划调整的优先调度算法研究

本文基于生产作业计划生成的优先调度法,提出了针对生产作业计划调整的机床优先调度算法和工件优先调度算法。在机床优先调度算法中,设计了机床优先调度算法的步骤。而在工件优先调度算法中,利用归纳学习方法,研究了面向生产系统状态的生产作业计划调整方法。     

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

线材轧制冷却过程智能混合控制

由于轧制节奏的变化和与低温步进梁长时间接触,从步进梁式加热炉出来的线材料坯(简称钢坯)温度沿纵向呈现不规则状态分布,这使得线材成品的质量稳定性受到严重影响。限于高速轧制的工艺特点和冷却系统的大滞后特征,钢坯均温处理一直是采用步进式加热的线材轧制过程控制难点。针对高速线材冷却控制特点,提出了一种基于温度分布状态分析的轧制冷却过程智能控制模式。该模式采用RBF网络模型对轧件温度进行提前预测,通过对预测温度的深入分析,辨识每根钢坯的温度状态分布特征(平均温度、水印深度和位置等),并结合冷却系统特性把握设定调整节奏,实现了线材轧制冷却过程的均温和降温控制目标。     

轧制计划的优化模型及其算法的应用研究

为保证热轧生产调度计划的可行性，提高排程的效率，根据热轧生产模式和轧制计划的结构特点，提出了一种车辆路径问题（VRP）模型来建模轧制调度问题，发展了一种混合调度方法（SAMPSO算法）来解决这个问题．试方法利用修正粒子群优化算法的局部和全局搜索能力来寻找全局最优解，利用模拟退火方法来避免陷于局部最优。对某钢厂实际生产数据的仿真结果表明，所提出的模型和算法具有良好的适应性和可行性。     

基于改进PSO算法的连铸二冷过程优化仿真

连铸小方坯二冷过程优化是在实现二维传热建模和数值求解的基础完成的。冶金准则的多目标性,模型数值离散化大的计算量以及凝固相变存在引起模型求解的非线性,导致传统优化方法搜索效率低下。采用粒子群算法优化连铸二冷过程。为加强局部搜索能力,引入混沌序列对陷入局部极小点的惰性粒子重新初始化,在迭代中产生局部最优解的邻域点,帮助惰性粒子逃离束缚并且快速搜寻到最优解。仿真结果表明,改进的PSO算法有更好的搜索效率,取得了较好的效果。     

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。     

一种基于规划系统的计划识别混合求解方法

基于智能规划领域中机器人动作规划的思想,给出了一种求解计划识别问题的混合方法。首先讨论了规划及计划识别系统的一阶谓词逻辑知识表示,然后建立了一种基于智能规划的计划识别模型,并提出了一种计划序列的生成算法,再结合D-S证据理论来实现计划识别的不确定性推理。最后以一个例子说明了采用该方法进行规划推理和计划识别的过程,表明了使用该方法求解计划识别问题的可行性。     

面向生产计划调整的资源参数反演逆优化方法

原生产计划是满足预测产品种类及数量需求的成本最小化的生产计划.然而,实际需求常常与预测不符,当获取实际需求数据后,需要对原生产计划进行动态调整.基于此,以逆优化为方法论,将面向生产计划调整的资源重配置问题,转化为一个已知实践最优生产计划,反向求解让该实践方案成为在调整后的参数下的原生产计划模型最优解的反演问题.该反演问...     

多品种离散型生产系统物流批量最优化分析

以系统整体性和相关性为依据 ,分析了多品种离散型生产系统各环节物流特点 ,以提高生产系统整体效益为目标 ,建立了多品种生产条件下的物流总费用模型 ,据此推导出最优订货批量 ;经济生产批量的新算法 ,对在流动资金、仓库面积等具有约束条件的多品种离散型生产系统物流批量优化问题 ,提出了一种简化调整算法 ,有效地解决了该类系统的物流优化问题.     

基于模型解耦的双通道旋转弹分数阶控制

为了提高旋转弹系统的控制品质,采用分数阶控制器进行双通道旋转弹控制系统设计。建立了旋转弹系统控制模型,进行线性化处理和解耦控制,并对解耦后的数学模型设计了分数阶PI^λD^μ控制器。针对分数阶控制器的参数整定问题,提出一种基于惯性权重的自适应粒子群优化算法,引入惯性权重非线性调整策略来平衡控制全局与局部搜索,从而得到全局最优解。仿真结果表明,该控制模型和控制器的设计合理可行。