专利名称：热冷轧负荷分配方法
技术领域：
本发明涉及一种热冷轧负荷分配方法。
背景技术：
轧钢生产过程分为热连轧和冷轧，分别由热轧厂和冷轧厂负责生产，各自核算生产成本。考虑到热轧厂生产的带钢产品大部分将作为冷轧厂的原料，如果热轧厂生产的精轧带钢厚度较小，则将增加热轧厂的生产成本；反之，带钢厚度较大，则会增加冷轧厂的生产成本。从节能的角度看，冷轧和热轧生产过程的分离造成了整个轧钢负荷分配不均衡，增加了生产能耗，影响了产品的质量。所以有必要综合考虑热轧和冷轧的生产过程，进行全过程轧钢负荷分配。
发明内容
本发明的目的就是为解决上述问题，提供一种热冷轧负荷分配方法，它在满足轧钢工艺约束和设备约束的前提下，综合考虑热轧和冷轧的负荷分配问题，达到既提高产品质量和生产效率，又节约生产能耗的目的。为实现上述目的，本发明采用如下技术方案一种热冷轧负荷分配方法，它采用先进行至少一次热轧粗轧，然后进行多次热轧精轧，最后进行多次冷轧的方式，在满足轧钢工艺因素约束和设备因素约束的前提下，在对热轧粗轧、精轧和冷轧的负荷进行分配的多种方案中，采用粒子群算法得到最佳的负荷分配方案，其具体步骤为步骤1 读入原始数据，包括原料的钢号和规格，成品的规格，热轧和冷轧总的轧制道次，各机架的轧制温度，工作辊半径，末机架的轧制速度，力臂系数，初始变形阻力，各参数变量规定的上下限；步骤2 初始化一群规模为η的m维粒子群，包括随机位置和速度；该粒子群中的每个粒子i代表一种负荷分配方案，即各机架的压下率，共η个初始方案，η的取值为 30-100, m是所有的轧制道次数目；步骤3 计算每个粒子的适应值，即求解每一种负荷分配方案的目标函数
ηUiinW = J^Wi (1)
i=l式中，Wi为冷热轧过程中第i机架的轧制功率，将满足工艺因素约束条件按和设备因素约束条件要求的解作为每个粒子当前的适应值Pbestd,该粒子记为当前个体经历的最优负荷分配方案；约束条件中各变量规定的上下限为已知，各机架的参数量根据参数模型求得；步骤4 对每个粒子i，将其适应值与个体所经历过最好位置PbestX时的适应值 Pbestd做比较，如果该粒子适应值较小，则将其作为当前轧制方案的最好位值，即个体极值 pbestx ；
步骤5 对每个粒子i，将其适应值Pbestd与全局经历最好位置时的适应值gbest 作比较，得出当前全局最好值gbest，全局经历的最好位置即为能耗最小的最优负荷分配方案 gbestx ；步骤6 更新每一个粒子的速度和位置；在迭代计算时，需要设定搜索速度的上下限，如果搜索速度超出范围，则按照上限或下限的速度进行求解；步骤7 判断是否满足结束条件，如果未满足结束条件，则返回Mep3，继续计算， 否则输出最优负荷分配方案，计算结束。所述步骤2中，第i个粒子的位置和速度表示为\ = (xn, xi2,…，Xin)和Vi = (Vil, Vi2，…，ViN)，其中i = 1，2，3，…，m，m为群体规模；相应地，第i个粒子迄今为止搜索到的最优位置为Pbesti = (xilbest, Xi2best,…，Xintest),整个粒子群迄今为止搜索到的最优位置为 gbest = (xlbest, X2best,..
‘Xnbest乂 °所述步骤3中，所述设备因素的约束条件有Pifflin ^ Pi ^ Pifflax (2)Mifflin ^ Mi ^ Mifflax (3)Wifflin ^ Wi ^ Wifflax (4)式中，PpPimaj^P Pimin分别为冷轧或热轧第i道次的轧制压力及其上下限；MiJimax 和Mimin分别为冷轧或热轧第i道次的轧制力矩及其上下限和轧制功率；W” Wifflax和Wimin为分别为冷轧或热轧第i道次的轧制功率及其上下限，由设备的强度条件确定；
所述工艺因素的约束条件有
式中，、、、,_和hi(l,min分别为热轧精轧的入口厚度及其上下限；~。、~。,_和hjO, min分别为冷轧的入口厚度、。及其上下限；ε ” ε i-和ε imin分别为冷轧或热轧各道次压下率及其上下限；叫、叫_和Iiimin分别为冷轧或热轧各道次压下率及其上下限；Si、Simax和Simin #别为冷轧或热轧各道次压下率及其上下限，这些数据由现场工艺条件确定。所述步骤6中，采用下面的公式对粒子算法中第i个粒子的速度和位置更新
权利要求
1.一种热冷轧负荷分配方法，其特征是，它采用先进行至少一次热轧粗轧，然后进行多次热轧精轧，最后进行多次冷轧的方式，在满足轧钢工艺因素约束和设备因素约束的前提下，在对热轧粗轧、精轧和冷轧的负荷进行分配的多种方案中，采用粒子群算法得到最佳的负荷分配方案，其具体步骤为步骤1 读入原始数据，包括原料的钢号和规格，成品的规格，热轧和冷轧总的轧制道次，各机架的轧制温度，工作辊半径，末机架的轧制速度，力臂系数，初始变形阻力，各参数变量规定的上下限；步骤2 初始化一群规模为η的m维粒子群，包括随机位置和速度；该粒子群中的每个粒子i代表一种负荷分配方案，即各机架的压下率，共η个初始方案，η的取值为30-100，m 是所有的轧制道次数目；步骤3 计算每个粒子的适应值，即求解每一种负荷分配方案的目标函数HiinW = ^W1 (1)1=1式中，Wi为冷热轧过程中第i机架的轧制功率，将满足工艺因素约束条件按和设备因素约束条件要求的解作为每个粒子当前的适应值Pbestd,该粒子记为当前个体经历的最优负荷分配方案；约束条件中各变量规定的上下限为已知，各机架的参数量根据参数模型求得；步骤4 对每个粒子i，将其适应值与个体所经历过最好位置pbestx时的适应值 Pbestd做比较，如果该粒子适应值较小，则将其作为当前轧制方案的最好位值，即个体极值 pbestx ；步骤5 对每个粒子i，将其适应值Pbestd与全局经历最好位置时的适应值gbest作比较，得出当前全局最好值gbest，全局经历的最好位置即为能耗最小的最优负荷分配方案 gbestx ；步骤6 更新每一个粒子的速度和位置；在迭代计算时，需要设定搜索速度的上下限， 如果搜索速度超出范围，则按照上限或下限的速度进行求解；步骤7 判断是否满足结束条件，如果未满足结束条件，则返回Mep3，继续计算，否则输出最优负荷分配方案，计算结束。
2.如权利要求1所述的热冷轧负荷分配方法，其特征是，所述步骤2中，第i个粒子的位置禾口速度表示为= (xn，xi2，...，χ η)禾口 Vi = (vn, vi2, ...，viN)，其中 i = 1,2,3, ...，m,m 为群体规模；相应地，第i个粒子迄今为止搜索到的最优位置为Pbesti = (xilbest, Xi2best,…， Xintest)，整个粒子群迄今为止搜索到的最优位置为gbest = (xlbest, X2best,…，Xnbest)。
3.如权利要求1所述的热冷轧负荷分配方法，其特征是，所述步骤3中，所述设备因素的约束条件有Pimin ^^ ^^ Pimax (2)Mimin ^Mi ^ Mimax (3)Wifflin ^ Wi ^ Wifflax (4)式中，Pi> Pifflax和Pimin分别为冷轧或热轧第i道次的轧制压力及其上下限；Mi、Mifflax和 Mifflin分别为冷轧或热轧第i道次的轧制力矩及其上下限和轧制功率；WpWimax和Wimin为分别为冷轧或热轧第i道次的轧制功率及其上下限，由设备的强度条件确定；所述工艺因素的约束条件有
4.如权利要求1所述的热冷轧负荷分配方法，其特征是，所述步骤6中，采用下面的公式对粒子算法中第i个粒子的速度和位置更新
5.如权利要求1所述的热冷轧负荷分配方法，其特征是，所述步骤7中，结束条件为设定的最大迭代次数，利用粒子算法调整ω的策略，设Comax为最大惯性权重，取0.9，ω min 为最小惯性权重，取0.4，k为当前迭代次数，K为算法的总迭代次数，则惯性权重ω由下式迭代求解； 得到全局最优解。
全文摘要
本发明涉及一种热冷轧负荷分配方法，它在满足轧钢工艺约束和设备约束的前提下，综合考虑热轧和冷轧的负荷分配问题，达到既提高产品质量和生产效率，又节约生产能耗的目的。它采用先进行至少一次热轧粗轧，然后进行多次热轧精轧，最后进行多次冷轧的方式，在满足轧钢工艺因素约束和设备因素约束的前提下，在对热轧粗轧、精轧和冷轧的负荷进行分配的多种方案中，采用粒子群算法得到最佳的负荷分配方案。
文档编号B21B37/00GK102266865SQ201110142718
公开日2011年12月7日 申请日期2011年5月30日 优先权日2011年5月30日
发明者张文, 杨君军, 石嘉川 申请人:山东大学