基于改进多目标粒子群算法的冷连轧规程优化设计文档.doc

基于改进多目标粒子群算法的冷连轧规程优化设计 1.背景及意义 长期以来,冷连轧轧制规程优化都是轧制控 制领域的一项重要研究课题,其优化的实质内容 是带钢的总厚度变形量在各机架之间的合理分 配。随着轧制技术的不断发展,许多学者对规程 优化进行了大量研究。传统的采用“计算 判断 修正暠的单目标规程优化[虽然有明确的目标, 但考虑的角度单一,使优化结果不尽合理。根据 轧制规程的复杂性和优化目标的多样性,人们又 提出了以加权系数聚合的多目标优化设计但 由于目标函数量纲不统一,在多目标转化为单目 标过程中权值难以确定,人为因素太多,结果也不令人满意。 本文从提高板形质量、降低能耗，延长轧机使用寿命角度，选择等相对负荷和预防打滑为目标，建立了轧制规模多目标优化模型，根据粒子群算法的收敛速度，计算相对较小等优点，将改进的多目标粒子群算法应用到冷连轧规程优化中，并针对粒子群法存在的收敛性和多样性难以均衡的缺陷进行改造，当算法陷入局部最优时，提出一种带个体扰动的全局最优领导粒子选择策略，取得了很好的效果。 目标函数： (预防打滑的目标函数 ( 约束函数： 4.优化方法： 以等相对负荷、预防打滑为目标建立多目标优化数学模型 式中，J为目标函数，X为变量；gi(x)为第i个约束条件 采用多目标粒子群算法，选择等相对负荷和预防打滑为目标进行冷轧规程优化，引入一种基于平行坐标系的密度和收敛潜能计算方法，同时为克服算法陷入局部最优的缺陷，提出一种带个体扰动的全局最优领导粒子选择策略。 冷轧规程优化的目的是使轧制过程处于最佳状态，实现节能轧制并充分发挥轧机的生产能力，同时保证产品质量。本文选用 (等相对负荷 (预防打滑 进行优化，采用了多目标粒子群优化算法进行优化。 5.优化结果和验证方法 采用了针对冷连轧机预防打滑和等想对负荷目标函数，采用了多目标粒子群优化方法进行优化，并针对多目标粒子群算法存在的收敛性和多样性难以平衡的缺点，当算法陷入局部最优时，采用带个体扰动的全局最优领导粒子选择策略，取得了明显的效果。 验证方法： 为验证轧制规程的优化效果，本文选用某钢厂1250mm冷轧机为例 根据本文选用的MOPSO算法，得到冷轧机规程优化的近似Pareto前沿的原规程下方，则必然存在优于原规程的解。但图中近似Pareto前沿反映的是两个目标的折中关系，若想降低打滑指标，则必然损失功率指标，在实际轧制过程中决策者可根据近似Pareto前沿，依据现场需要选取适当的解。 6.存在问题 答:(1)在本文中，根据现场的生产条件及工艺参数，为了保证带钢板形的良好，将末机架作为平整机，仅对前四台机架进行优化 （2）论文中没有明确提出并介绍影响打滑的因素 （3）未确定轧制力的情况下的压下量与张力的优化，进而对轧制力进行优化计算 （4）没有给出五架冷连机的基本结论结构、参数和生产工艺就对轧制规程进行优化分析与研究略显缺少理论基础。 (5)未将人工蜂群算法和非支配排序等多目标优化技术结合在一起 (6)在选择约束条件应多选取几个，而末论文中为获取第五架末机架轧制速度为约束条件 (7)数学模型选取不够 7.进一步改进措施 答：（1）首先我认为论文中应明确提出影响打滑的因素是：张力压下量以及产生打滑的后果轻则影响带钢的表面质量，重则引起堆钢的事故。通过对张力和压下量的优化进而控制打滑现象。 （2）在约束条件中加上末机架约束条件 式中 Vmin为满足生产需求的末机架最小轧制速度，m/s,Vmax为机械系统允许的最大轧制速度。 将人工多目标粒子群算法和非支配排序等技术相结合使结果更可靠 在实际验证中应求出原消耗功率和优化后的总功率，消耗用下列公式 来判断优化后的效果。 细化连轧机架主要设备参数：如辊速、弯辊力... 多建几个轧制数学模型便于冷连轧规程优化。 轧制力模型： 式中Bm—轧件平均宽度 La—压扁后的接触压弧长 Qp—压扁后外摩擦应力状态系数 KT—张力影响系数 K—变形阻力 变形阻力模型： 式中—电动机所输出的力矩 h0—末料厚度 摩擦系数模型：在实际生产中 式中a—润滑剂种类与质量影响系数 还有轧制功率和张力数学模型 （7）加入能耗目标函数 参考文献 【1】.魏立新，王利平，马明明，车海军，杨景明。基于改进多粒子群算法的冷连轧规程优化设计【J】.中国机械工程。2015年3月 【2】.陈绍新。多目标优化的粒子群算法及其应用研究【D】.大连理工大学硕士学位论文。2007年12月 【3】.白振华，连家创，王骏飞.冷连轧机以预防打滑为目标的压下规程优化研究【J】.钢铁.2003年10月 【4】.魏立新，李新强，李莹，杨景明.基于改