一种用于轧辊热处理过程的能耗制方法.docVIP

说 明 书 摘 要 本发明涉及一种用于轧辊热处理过程的能耗控制方法，该方法包括以下步骤：1）根据轧辊热处理实际生产数据获得生产约束和求解目标，并引入能耗约束，建立整数规划线性模型；2）采用混合遗传优化算法对所述整数规划线性模型进行求解；3）根据求解结果对轧辊热处理过程进行协同优化控制，进而控制轧辊热处理过程的能耗。与现有技术相比，本发明在传统轧辊热处理过程中引入了能耗约束，满足生产性能要求的同时优化了能耗性能，具有等优点。 摘 要 附 图 权 利 要 求 书 1．一种用于轧辊热处理过程的能耗控制方法，其特征在于，该方法包括以下步骤： 1）根据轧辊热处理实际生产数据获得生产约束和求解目标，并引入能耗约束，建立整数规划线性模型； 2）采用混合遗传优化算法对所述整数规划线性模型进行求解； 3）根据求解结果对轧辊热处理过程进行协同优化控制，进而控制轧辊热处理过程的能耗。 2．根据权利要求1所述的一种用于轧辊热处理过程的能耗控制方法，其特征在于，所述求解目标包括所有工件的最大完工时间最小。 3．根据权利要求1所述的一种用于轧辊热处理过程的能耗控制方法，其特征在于，所述混合遗传优化算法是指通过粒子与个体极值和群体极值的交叉以及粒子自身变异的方式来搜索最优解，并引入局部搜索，获得最终的最优解。 4．根据权利要求3所述的一种用于轧辊热处理过程的能耗控制方法，其特征在于，所述步骤2）具体为： 201）将所有工件按照FFLPT规则进行组批，采用实数编码方式对每个工件进行编码，获得工件编码数组，该数组的索引值从1开始，该数组的大小为工件个数，所述索引值代表工件号，相应位置的元素表示对应工件被分配到的批次号； 202）设置能耗上限值，根据生产约束和和能耗约束初始化种群信息，并设置最大迭代次数，初始化较优解集为空； 203）计算适应度值并更新个体最优个体和全体最优个体，其中，所有工件的最大完工时间； 204）将中的个体与进行交叉操作； 205）比较和步骤204）中交叉得到的个体的适应度值，选择较优个体更新，将与进行交叉操作； 206）比较和步骤205）中交叉得到的个体的适应度值，选择较优个体更新，再对进行变异操作； 207）比较和步骤206）中变异得到的个体的适应度值，选择较优个体更新，再进行局部搜索操作，然后选择局部搜索后的较优个体更新； 208）判断中的所有个体是否全部进行步骤204）~207），若是，则执行步骤209），若否，则跳转到步骤204）； 209）判断是否存在，为当前迭代次数，若是，则跳转步骤210），若否，则跳转到步骤203）； 210）从所有解中选出最优解集：将按照能耗从小到大进行排序，然后根据能耗的排序从小到大进行遍历，如果某个解的小于上一个解，则将添加到，然后将设为。 5．根据权利要求4所述的一种用于轧辊热处理过程的能耗控制方法，其特征在于，所述FFLPT规则具体步骤为： a）全部工件按照工件加工时间非增排序； b）选择未分配工件序列中的第一个工件，将该工件分配到第一个可以容纳该工件的批中如果没有找到可以容纳该工件的批，则将该工件放入新建批中； c）重复步骤b）中的操作，直到所有工件都被分配。 说 明 书 一种用于轧辊热处理过程的能耗控制方法 技术领域 本发明，，根据生产约束和和能耗约束初始化种群信息，并设置最大迭代次数，并初始化较优解集为空。 203）计算适应度值并更新个体最优个体和全体最优个体，其中，所有工件的最大完工时间； 204）将中的个体与进行交叉操作； 205）比较和步骤204）中交叉得到的个体的适应度值，选择较优个体更新，然后将与进行交叉操作； 206）比较和步骤205）中交叉得到的个体的适应度值，选择较优个体更新，然后再对进行变异操作； 207）比较和步骤206）中变异得到的个体的适应度值，选择较优个体更新，然后再进行局部搜索操作，然后选择局部搜索后的较优个体更新； 208）判断中的所有个体是否全部进行步骤204）~207），若是，则执行步骤209），若否，则跳转到步骤204）； 209）判断是否存在，为当前迭代次数，若是，则跳转步骤210），若否，则跳转到步骤203）； 210）从所有解中选出最优解集：将按照能耗从小到大进行排序，然后根据能耗的排序从小到大进行遍历，如果某个解的小于上一个解，则将添加到，然后将设为。 所述FFLPT规则具体步骤为： a）全部工件按照工件加工时间非增排序； b）选择未分配工件序列中的第一个工件，将该工件分配到第一个可以容纳该工件的批中如果没有找到可以容纳该工件的批，则将该工件放入新建批中； c）重复步骤b）中的操作，直到所有工件都被分配。 与现有技术相比，本发明在只考虑生产性能的传统轧辊热处理过程