本文選題：軋制規(guī)程 + 多目標(biāo)優(yōu)化　； 參考：《沈陽工業(yè)大學(xué)》2017年碩士論文

【摘要】：軋制規(guī)程的制定是鋼材生產(chǎn)過程中最重要的一環(huán)。在制定軋制規(guī)程時(shí),需對(duì)軋制能耗、軋制功率平衡、板形板厚等諸多因素加以考慮。單目標(biāo)優(yōu)化雖然能很好的解決由傳統(tǒng)軋制規(guī)程制定帶來的諸多弊端,但是由于其考慮目標(biāo)單一,具有較強(qiáng)的局限性,無法兼顧多個(gè)目標(biāo)。多目標(biāo)進(jìn)化算法可以從多個(gè)角度出發(fā),使得軋制規(guī)程多目標(biāo)優(yōu)化有著其它方法不可比擬的優(yōu)勢。本文對(duì)差分進(jìn)化算法以及其在軋制規(guī)程優(yōu)化中的應(yīng)用展開研究,主要內(nèi)容如下:(1)簡述了軋制規(guī)程優(yōu)化及其優(yōu)化模型的建立方法;闡述了差分進(jìn)化算法的基本原理和其常用的變異、交叉策略。(2)針對(duì)自適應(yīng)跨代差分進(jìn)化算法在初始階段兩個(gè)種群相同,無法有效利用父代與子代間進(jìn)化信息的問題,提出了基于對(duì)位學(xué)習(xí)的自適應(yīng)跨代差分進(jìn)化算法。通過在算法初始階段加入對(duì)位學(xué)習(xí)機(jī)制,使得初始化種群可以迅速找到更逼近于Pareto前沿的子代種群,使算法自始至終都可以高效的利用代與代之間的進(jìn)化信息,提高了算法的收斂速度。針對(duì)冷連軋中薄窄料的特點(diǎn),建立了軋制規(guī)程多目標(biāo)優(yōu)化模型,并用基于對(duì)位學(xué)習(xí)的自適應(yīng)跨代差分進(jìn)化算法對(duì)其優(yōu)化。相比于實(shí)際軋制規(guī)程,優(yōu)化后的軋制規(guī)程方案使得三個(gè)目標(biāo)函數(shù)都得到了下降。(3)針對(duì)差分進(jìn)化算法中變異操作具有很強(qiáng)的隨機(jī)性,提出了基于進(jìn)化方向的差分進(jìn)化算法。該算法通過計(jì)算差分矢量在目標(biāo)函數(shù)中與橫軸的夾角,來選取符合收斂方向的差分矢量參與變異操作。該方法改變了差分進(jìn)化算法中變異操作由隨機(jī)方法生成,并通過兩個(gè)多目標(biāo)測試函數(shù)對(duì)算法的效率進(jìn)行了驗(yàn)證。(4)針對(duì)軋機(jī)軋制過程中工作輥表面磨損帶來的模型中參數(shù)具有不確定性的因素,直接影響軋制規(guī)程優(yōu)化后解的魯棒性,建立了考慮工作輥輥徑不確定性的軋制規(guī)程魯棒多目標(biāo)優(yōu)化模型。應(yīng)用基于進(jìn)化方向的差分進(jìn)化算法對(duì)軋制規(guī)程魯棒模型進(jìn)行多目標(biāo)優(yōu)化,其解的魯棒性要好于相同目標(biāo)下不考慮工作輥輥徑不確定性因素的軋制規(guī)程多目標(biāo)優(yōu)化解的魯棒性。
[Abstract]:The formulation of rolling schedule is the most important part in steel production. Many factors, such as rolling energy consumption, rolling power balance, plate thickness and so on, should be considered in making rolling schedule. Although the single objective optimization can solve many disadvantages brought by the traditional rolling schedule, but because of its single objective, it has strong limitations, so it can not give consideration to multiple goals. The multi-objective evolutionary algorithm can be used from many angles, which makes the multi-objective optimization of rolling schedule have an incomparable advantage over other methods. In this paper, the differential evolution algorithm and its application in rolling schedule optimization are studied. In this paper, the basic principle of differential evolution algorithm and its common variation are expounded. The crossover strategy. 2) aiming at the problem that the two populations are the same in the initial stage of adaptive cross-generation differential evolution algorithm, it is unable to utilize the evolution information between father and offspring effectively. An adaptive intergenerational differential evolution algorithm based on pair learning is proposed. By adding a pair learning mechanism in the initial phase of the algorithm, the initialized population can quickly find the offspring population that is closer to the Pareto frontier, and the algorithm can efficiently utilize the evolutionary information between generations from beginning to end. The convergence rate of the algorithm is improved. According to the characteristics of thin and narrow materials in cold continuous rolling, a multi-objective optimization model of rolling schedule is established and optimized by adaptive cross-generation differential evolution algorithm based on adjoint learning. Compared with the actual rolling schedule, the optimized rolling schedule scheme makes the three objective functions drop. 3) in view of the strong randomness of mutation operation in the differential evolution algorithm, a differential evolutionary algorithm based on evolutionary direction is proposed. By calculating the angle between the difference vector and the transverse axis in the objective function, the differential vector in the direction of convergence is selected to participate in the mutation operation. This method changes the mutation operation in differential evolution algorithm, which is generated by random method. The efficiency of the algorithm is verified by two multi-objective test functions. (4) aiming at the uncertainty of the parameters in the model caused by the wear on the surface of the work roll in the rolling process of rolling mill, the robustness of the optimization solution of the rolling schedule is directly affected. A robust multi-objective optimization model for rolling schedule considering the uncertainty of work roll diameter is established. The multi-objective optimization of rolling schedule robust model based on evolutionary direction differential evolution algorithm is better than that of rolling schedule multi-objective optimization solution without considering the uncertain factors of work roll diameter under the same objective.
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TG335.13;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周蕭;王萬良;徐新黎;;解決作業(yè)車間調(diào)度問題的混合差分進(jìn)化算法[J];輕工機(jī)械;2010年05期

2 張照生;羅健旭;;基于差分進(jìn)化算法的模糊神經(jīng)網(wǎng)絡(luò)控制器[J];計(jì)算機(jī)與應(yīng)用化學(xué);2011年12期

3 謝春明;;基于差分進(jìn)化的計(jì)算機(jī)安全算法研究[J];煤炭技術(shù);2013年01期

4 方強(qiáng),陳德釗,俞歡軍,吳曉華;基于優(yōu)進(jìn)策略的差分進(jìn)化算法及其化工應(yīng)用[J];化工學(xué)報(bào);2004年04期

5 黃敏;顏學(xué)峰;錢鋒;;差分進(jìn)化算法的性能分析及其動(dòng)力學(xué)模型參數(shù)估計(jì)[J];計(jì)算機(jī)與應(yīng)用化學(xué);2007年04期

6 徐丹;李紹軍;錢鋒;;改進(jìn)差分進(jìn)化法在裂解深度建模中的應(yīng)用[J];計(jì)算機(jī)與應(yīng)用化學(xué);2008年03期

7 戈劍武;祁榮賓;錢鋒;陳晶;;一種改進(jìn)的自適應(yīng)差分進(jìn)化算法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

8 梅振益;楊慧中;;基于混沌差分進(jìn)化模糊聚類的多模型建模[J];計(jì)算機(jī)與應(yīng)用化學(xué);2011年03期

9 李昕;顏學(xué)峰;;基于群體信息挖掘的協(xié)同差分進(jìn)化算法及其應(yīng)用[J];化工進(jìn)展;2009年05期

10 范勤勤;顏學(xué)峰;;控制參數(shù)協(xié)進(jìn)化的差分進(jìn)化算法及其應(yīng)用[J];石油化工高等學(xué)校學(xué)報(bào);2010年01期

相關(guān)會(huì)議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會(huì)議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個(gè)體排序的差分進(jìn)化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

3 張倩;李海港;;多目標(biāo)問題的差分進(jìn)化算法研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進(jìn)化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學(xué)術(shù)討論會(huì)論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽春華;;一種改進(jìn)的多目標(biāo)差分進(jìn)化算法研究[A];中國自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進(jìn)差分進(jìn)化算法的脈沖控制方法[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

8 袁沈堅(jiān);顧幸生;;基于差分進(jìn)化的膜計(jì)算優(yōu)化算法[A];上海市化學(xué)化工學(xué)會(huì)2010年度學(xué)術(shù)年會(huì)論文集（自動(dòng)化專題）[C];2010年

9 姜立強(qiáng);郭錚;劉光斌;;差分進(jìn)化算法縮放因子取值策略研究[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進(jìn)差分進(jìn)化算法的PID參數(shù)優(yōu)[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進(jìn)化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 陳盈果;面向任務(wù)的快速響應(yīng)空間衛(wèi)星部署優(yōu)化設(shè)計(jì)方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 謝宇;差分進(jìn)化的若干問題及其應(yīng)用研究[D];南京理工大學(xué);2015年

4 董峗;差分進(jìn)化算法研究及在港口物流調(diào)度中的應(yīng)用[D];東北大學(xué);2015年

5 葛延峰;有關(guān)智能優(yōu)化算法及應(yīng)用的若干問題研究[D];東北大學(xué);2013年

6 賈東立;改進(jìn)的差分進(jìn)化算法及其在通信信號(hào)處理中的應(yīng)用研究[D];上海大學(xué);2011年

7 劉榮輝;多階段自適應(yīng)差分進(jìn)化算法及應(yīng)用研究[D];東華大學(xué);2012年

8 郭鵬;差分進(jìn)化算法改進(jìn)研究[D];天津大學(xué);2012年

9 王旭;改進(jìn)差分進(jìn)化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

10 董明剛;基于差分進(jìn)化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 高靜;量子差分進(jìn)化算法在油田開發(fā)中的應(yīng)用研究[D];浙江大學(xué);2015年

2 萬婧;基于離散微粒群算法和混合差分進(jìn)化算法的復(fù)雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學(xué);2015年

3 張轉(zhuǎn);基于差分進(jìn)化算法的混凝土德拜模型的研究[D];長安大學(xué);2015年

4 江華;差分進(jìn)化算法的改進(jìn)及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

5 周志剛;基于差分進(jìn)化算法的信用風(fēng)險(xiǎn)度量模型研究[D];華中師范大學(xué);2015年

6 任甜甜;差分進(jìn)化算法在反演問題中的研究與應(yīng)用[D];新疆大學(xué);2015年

7 楊洋;基于差分進(jìn)化的模糊C-均值聚類算法研究[D];電子科技大學(xué);2015年

8 王丹;基于輔助函數(shù)的自適應(yīng)差分進(jìn)化算法研究[D];西安電子科技大學(xué);2014年

9 劉家華;基于進(jìn)化計(jì)算的軋制生產(chǎn)過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學(xué);2013年

10 王旦平;圓形對(duì)稱振子陣列天線基于差分進(jìn)化算法的綜合[D];西安電子科技大學(xué);2014年

本文編號(hào)：1830845