本文關(guān)鍵詞：基于改進(jìn)量子遺傳算法的多目標(biāo)軋制規(guī)程優(yōu)化

  更多相關(guān)文章： 量子遺傳 多目標(biāo)優(yōu)化 自適應(yīng)網(wǎng)格 軋制規(guī)程 混沌映射

【摘要】：隨著鋁加工行業(yè)的快速發(fā)展,鋁合金逐漸應(yīng)用到各個(gè)領(lǐng)域。鋁熱連軋的軋制過程比較復(fù)雜,鋁熱連軋機(jī)能夠優(yōu)質(zhì)、高效、低耗生產(chǎn)的一個(gè)重要條件就是合理制定軋制規(guī)程,這也是目前一項(xiàng)重要的綜合尋優(yōu)技術(shù)課題。近些年來,隨著工業(yè)生產(chǎn)的不斷發(fā)展,鋁板帶的質(zhì)量要求越來越高,產(chǎn)量要求也越來越高,因此,提高軋制規(guī)程的優(yōu)化能力是目前亟待解決的問題。首先,研究了混沌映射tent的混沌特性,并將其應(yīng)用于算法的初始化和變異操作中。與此同時(shí),應(yīng)用高斯變異改進(jìn)了量子遺傳單目標(biāo)優(yōu)化算法。通過傳統(tǒng)測試函數(shù)測試,對算法的收斂性和全局搜索能力進(jìn)行了驗(yàn)證。其次,將量子遺傳單目標(biāo)優(yōu)化算法與多目標(biāo)優(yōu)化理論相結(jié)合,提出一種改進(jìn)量子遺傳多目標(biāo)優(yōu)化算法,其改進(jìn)策略包括自適應(yīng)網(wǎng)格更新機(jī)制,最優(yōu)個(gè)體選擇機(jī)制,高斯變異,tent混沌映射。通過測試函數(shù)的求解,對改進(jìn)算法的收斂性和分布性進(jìn)行了驗(yàn)證。最后,以鋁熱連軋等相對負(fù)荷、預(yù)防打滑和末機(jī)架板型良好,建立了鋁熱連軋負(fù)荷分配多目標(biāo)函數(shù)。以某鋁熱連軋軋制現(xiàn)場為背景,在現(xiàn)場實(shí)際的數(shù)據(jù)基礎(chǔ)上建立了一套軋制規(guī)程,在滿足約束條件的基礎(chǔ)上,采用改進(jìn)量子遺傳算法優(yōu)化該軋制規(guī)程。結(jié)果表明,采用該方法得出的pareto前沿為決策者提供了條件允許下的所有壓下設(shè)定,并且可以根據(jù)要求選擇合適的壓下率作為當(dāng)前設(shè)定值,為現(xiàn)場二級(jí)設(shè)定提供了理論依據(jù)。
【關(guān)鍵詞】：量子遺傳 多目標(biāo)優(yōu)化 自適應(yīng)網(wǎng)格 軋制規(guī)程 混沌映射
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TG335;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-16
• 1.1 課題研究目的與意義11
• 1.2 軋制規(guī)程的發(fā)展11-13
• 1.3 量子遺傳算法研究進(jìn)展13-14
• 1.3.1 國外發(fā)展現(xiàn)狀13
• 1.3.2 國內(nèi)發(fā)展現(xiàn)狀13-14
• 1.4 本文主要研究內(nèi)容14-16
• 第2章 改進(jìn)量子遺傳單目標(biāo)優(yōu)化算法16-25
• 2.1 引言16
• 2.2 改進(jìn)量子遺傳單目標(biāo)算法16-22
• 2.2.1 實(shí)數(shù)編碼染色體16-17
• 2.2.2 初始群體的產(chǎn)生17
• 2.2.3 混沌映射模型17-19
• 2.2.4 交叉19-20
• 2.2.5 變異20-21
• 2.2.6 算法流程21-22
• 2.3 算法性能測試22-23
• 2.3.1 測試函數(shù)22
• 2.3.2 參數(shù)選擇22-23
• 2.3.3 測試結(jié)果及分析23
• 2.4 本章小結(jié)23-25
• 第3章 多目標(biāo)優(yōu)化基礎(chǔ)理論25-37
• 3.1 引言25-26
• 3.2 多目標(biāo)優(yōu)化問題相關(guān)概念26-28
• 3.2.1 多目標(biāo)優(yōu)化問題定義26-27
• 3.2.2 傳統(tǒng)多目標(biāo)優(yōu)化方法27-28
• 3.3 多目標(biāo)遺傳算法28-33
• 3.3.1 引言28
• 3.3.2 多目標(biāo)遺傳算法流程28-30
• 3.3.3 非支配多目標(biāo)遺傳算法30-33
• 3.4 標(biāo)準(zhǔn)測試函數(shù)33-35
• 3.5 性能指標(biāo)35-36
• 3.5.1 收斂性指標(biāo)35
• 3.5.2 分布性指標(biāo)35-36
• 3.6 本章小結(jié)36-37
• 第4章 改進(jìn)量子遺傳多目標(biāo)優(yōu)化算法37-48
• 4.1 引言37
• 4.2 改進(jìn)量子遺傳算法37-42
• 4.2.1 算法基本思想37-38
• 4.2.2 外部存檔38
• 4.2.3 自適應(yīng)網(wǎng)格機(jī)制38-40
• 4.2.4 最優(yōu)個(gè)體選擇策略40-41
• 4.2.5 外部存檔更新策略41-42
• 4.3 改進(jìn)算法進(jìn)化過程42-44
• 4.3.1 種群初始化42-43
• 4.3.2 交叉43
• 4.3.3 變異操作43-44
• 4.4 算法流程44
• 4.5 算法性能測試44-47
• 4.6 本章小結(jié)47-48
• 第5章 基于改進(jìn)量子遺傳算法的軋制規(guī)程優(yōu)化48-67
• 5.1 鋁熱連軋工藝48-49
• 5.1.1 鋁熱連軋?jiān)O(shè)備組成48-49
• 5.1.2 鋁熱連軋計(jì)算機(jī)系統(tǒng)組成49
• 5.2 鋁熱連軋主要參數(shù)數(shù)學(xué)模型49-56
• 5.2.1 變形區(qū)工藝參數(shù)50-51
• 5.2.2 軋制相關(guān)數(shù)學(xué)模型51-56
• 5.3 軋制規(guī)程優(yōu)化概述56-57
• 5.4 打滑理論57-58
• 5.5 末機(jī)架板形良好條件58-60
• 5.6 約束條件60
• 5.7 仿真實(shí)驗(yàn)及分析60-66
• 5.8 本章小結(jié)66-67
• 結(jié)論67-69
• 參考文獻(xiàn)69-73
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果73-74
• 致謝74-75
• 作者簡介75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦紅磊,李曉白;一種基于帳篷映射的混沌搜索全局最優(yōu)方法[J];電機(jī)與控制學(xué)報(bào);2004年01期

2 王瑞琪;李珂;張承慧;裴文卉;;基于RQGA和非支配排序的多目標(biāo)混沌量子遺傳算法[J];電機(jī)與控制學(xué)報(bào);2012年04期

3 楊俊安,莊鎮(zhèn)泉,史亮;多宇宙并行量子遺傳算法[J];電子學(xué)報(bào);2004年06期

4 胡賢磊,矯志杰,邱紅雷,王昭東,劉相華,王國棟;中厚板精軋軋制規(guī)程的負(fù)荷協(xié)調(diào)分配法及其動(dòng)態(tài)調(diào)整[J];鋼鐵;2003年04期

5 白振華,連家創(chuàng),王駿飛;冷連軋機(jī)以預(yù)防打滑為目標(biāo)的壓下規(guī)程優(yōu)化研究[J];鋼鐵;2003年10期

6 楊景明;呼子宇;車海軍;孫浩;趙新秋;;基于改進(jìn)差分進(jìn)化算法的帶鋼冷連軋負(fù)荷分配[J];鋼鐵;2014年12期

7 李士勇;李盼池;;基于實(shí)數(shù)編碼和目標(biāo)函數(shù)梯度的量子遺傳算法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2006年08期

8 陳輝,張家樹,張超;實(shí)數(shù)編碼混沌量子遺傳算法[J];控制與決策;2005年11期

9 覃朝勇;鄭建國;朱佳俊;;一種實(shí)數(shù)編碼量子進(jìn)化算法及其收斂性[J];控制與決策;2009年06期

10 趙鴻金,張迎暉,胡海濤,姚若浩;動(dòng)態(tài)規(guī)劃法優(yōu)化設(shè)計(jì)銅板帶軋制規(guī)程[J];南方冶金學(xué)院學(xué)報(bào);2001年04期

，

本文編號(hào)：1112265