热轧生产计划与板坯库优化管理模型及算法研究

论文摘要

钢铁企业的炼钢-连铸-热轧生产过程兼有连续和断续的特征,是一个典型的混杂系统。由于炼钢、连铸、热轧这三大关键工序在生产过程中为顺序加工,所以生产调度中不仅存在物流平衡和资源平衡问题,同时在高温作业环境下,也存在能量平衡和时间平衡问题。为了节能降耗,自20世纪80年代起国外大型钢铁企业开始致力于开发炼钢-连铸-热轧一体化生产,炼钢-连铸-热轧一体化生产计划和调度也成为了钢铁企业需要迫切解决的问题。本文依托国家“863计划”重点课题,主要针对炼钢-连铸-热轧一体化生产计划管理体系下的热轧和板坯库生产计划编制问题进行了研究和建模,同时研究了用多种智能算法来求解模型问题。本文主要工作如下。 研究了炼钢-连铸-热轧一体化生产计划编制的模型体系,提出一种一体化生产计划编制模型体系方法。该方法将一体化生产计划这个庞大复杂的优化问题分成五个部分,每一部分由多个模型方法组成,通过各个部分之间的协作,很好的解决了全局优化和局部优化的关系,可编制出优化的一体化生产计划。 建立了基于准时制的热轧生产日计划优化模型和算法。针对当前钢铁生产多品种、小批量、高质量、低价格、交货期日趋精确的发展需求,建立了基于准时制生产的热轧生产日计划优化模型,编制热轧生产线的板坯生产日计划。对于模型的求解,本文采用改进的混合启发式遗传算法,采用新的编码方式,快速搜索到优化解。 针对轧制计划编制问题,建立了轧制计划VRP模型和算法。该模型不仅考虑了轧制计划中板坯在厚度、硬度上的跳跃、板坯宽度的正反跳,以及相同宽度板坯连续轧制的长度约束,而且考虑了轧制计划中烫辊材和主体材的合理安排,能够编制出满足热轧规程要求的“乌龟壳”形状的轧制计划。在模型的求解方法上,本文构造一种基于单亲遗传算子的免疫算法,并结合专家系统方法,快速求取优化解。 研究了板坯入库计划编制问题,建立了板坯入库决策优化模型和算法。模型综合考虑板坯入库库位和垛位选择的多种原则,对一个板坯入库批次进行全局优化运算,可快速为板坯选择最优的库位和垛位。为求解模型,本文构造了一种自适应的混沌遗传算法,采用自然数编码方式,动态的在线调整算法的交叉和变异概率,并采用混沌优化方法作为变异算子。 建立了板坯出库计划编制模型方法和算法。本文采用分层处理方式,将出库计划编制这个复杂的多目标优化问题分解为两个优化决策问题:板坯出库优化决策和板坯最优倒垛决策问题,并分别建立优化决策模型。对于模型的求解方法,本文构造一种

论文目录

• 摘要
• ABSTRACT
• 目录
• 1 绪论
• 1.1 研究背景
• 1.1.1 研究目的
• 1.1.2 选题背景及实际意义
• 1.2 钢铁企业生产计划与生产调度
• 1.2.1 生产计划和调度概述
• 1.2.2 国内外钢铁企业生产计划和调度研究现状
• 1.2.3 生产计划与调度管理系统在钢铁企业中的发展趋势
• 1.3 最优化方法概述
• 1.4 本文的主要研究工作
• 2 炼钢 - 连铸 - 热轧一体化生产计划管理模型体系研究
• 2.1 炼钢 - 连铸 - 热轧一体化生产管理
• 2.1.1 钢铁生产管理发展
• 2.1.2 国内外钢铁企业一体化生产管理研究现状
• 2.2 炼钢 - 连铸 - 热轧一体化生产工艺特点
• 2.2.1 炼钢 - 连铸 - 热轧一体化生产的工艺流程
• 2.2.2 炼钢 - 连铸 - 热轧一体化生产工序间的衔接方式
• 2.2.3 一体化生产各工序工艺特点及存在的生产计划优化问题
• 2.3 炼钢 - 连铸 - 热轧一体化生产计划管理模型体系的建立
• 2.3.1 炼钢 - 连铸 - 热轧一体化生产计划编制的模型体系
• 2.3.2 模型体系各子系统之间信息传递
• 2.3.3 炼钢 - 连铸 - 热轧一体化生产计划编制流程
• 2.4 热轧生产调度及板坯库存优化管理子系统
• 2.4.1 热轧生产调度及板坯库存优化管理子系统
• 2.4.2 子系统一体化生产计划编制流程
• 2.5 本章小结
• 3 准时制生产日计划优化模型及算法
• 3.1 遗传算法
• 3.1.1 遗传算法及其特点
• 3.1.2 遗传算法的基本要素
• 3.1.3 遗传算法的实现
• 3.1.4 遗传算法的改进研究
• 3.2 准时制生产日计划模型的建立
• 3.2.1 问题描述
• 3.2.2 准时制生产日计划模型
• 3.3 求解准时制生产日计划模型的改进遗传算法
• 3.3.1 分层自然数编码方式
• 3.3.2 智能启发式调整
• c和变异概率P_m动态调整'>3.3.3 交叉概率P_c和变异概率P_m动态调整
• 3.3.4 改进遗传算法求解流程
• 3.4 计算实例
• 3.5 本章小结
• 4 热轧轧制计划编制模型及算法
• 4.1 车辆路径问题
• 4.1.1 车辆路径问题概述
• 4.2.2 车辆路径问题的求解方法
• 4.2 免疫算法及单亲遗传算法
• 4.2.1 免疫算法概述
• 4.2.2 单亲遗传算法概述
• 4.3 轧制计划模型的建立
• 4.3.1 问题描述
• 4.3.2 轧制计划VRP模型
• 4.4 求解轧制计划模型的混合算法
• 4.4.1 抗体编码方式
• 4.4.2 抗体记忆细胞群
• 4.4.3 新抗体生成
• 4.4.4 群体更新
• 4.4.5 基于单亲遗传算子的免疫算法求解步骤
• 4.5 计算实例及结果
• 4.6 本章小结
• 5 板坯入库决策模型及算法
• 5.1 混沌优化算法
• 5.2 板坯入库决策模型的建立
• 5.2.1 问题描述
• 5.2.2 板坯入库决策优化模型
• 5.3 求解板坯入库决策模型的混合算法
• 5.3.1 自适应调整交叉和变异概率
• 5.3.2 混沌优化变异算子
• 5.3.3 混沌遗传算法的求解流程
• 5.4 计算实例及结果
• 5.5 本章小结
• 6 板坯出库计划编制模型及算法研究
• 6.1 粒子群优化算法
• 6.2 板坯出库计划编制模型的建立
• 6.2.1 问题的提出
• 6.2.2 板坯出库优化决策模型的建立
• 6.2.3 板坯倒垛优化决策模型的建立
• 6.3 求解板坯出库决策的混合算法
• 6.3.1 离散粒子群优化算法（DPSO）
• 6.3.2 出库计划编制流程
• 6.4 计算实例及结果
• 6.4.1 仿真研究
• 6.4.2 应用实例
• 6.5 本章小结
• 7 热轧生产调度及板坯库存优化管理系统开发
• 7.1 系统概况
• 7.2 软件系统总体设计
• 7.2.1 软件系统功能设计
• 7.2.2 系统支持环境
• 7.2.3 软件开发技术
• 7.3 模型算法在软件系统中的实现
• 7.3.1 模型和算法应用技术
• 7.3.2 模型和算法在软件系统中的实现
• 7.4 系统效益评价
• 7.4.1 软件系统评价指标
• 7.4.2 软件系统运行结果分析
• 7.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间完成的论文和参加的科研项目
• 创新点摘要
• 致谢
• 大连理工大学学位论文版权使用授权书