【摘要】：冷連軋機組的負荷分配是一個比較常見的基于非線性約束的多目標(biāo)優(yōu)化問題。軋制規(guī)程的設(shè)定關(guān)系到軋制產(chǎn)品的質(zhì)量及生產(chǎn)能耗,制定合理的軋制規(guī)程可以在保證產(chǎn)品質(zhì)量的同時,延長軋機使用壽命,減少故障發(fā)生概率,有效提高生產(chǎn)經(jīng)濟性。本文根據(jù)生產(chǎn)的實際需求,對傳統(tǒng)的差分進化算法進行研究,提出一種全新的結(jié)合外部種群的自適應(yīng)差分進化算法(Self-adaptive Differential Evolution Algorithm,SE-DE)對軋制規(guī)程這一多目標(biāo)優(yōu)化問題進行求解。首先,對傳統(tǒng)的差分進化算法進行了分析,在原有的種群初始化部分引入一個外部種群進行反向?qū)W習(xí),從而擴大了搜索空間,增加種群的多樣性;其次,分析了各種自適應(yīng)選擇機制,針對傳統(tǒng)算法中固定控制參數(shù)的局限性,設(shè)計了利用輪盤賭機制自適應(yīng)的選擇變異因子F的策略,提高算法對不同問題的適應(yīng)性;最后,為了平衡算法的探索能力和開發(fā)能力,提出優(yōu)化因子?的概念,通過對?值的判斷來確定子代的交叉策略,兩種交叉策略的分階段應(yīng)用,可以在提高SE-DE算法收斂性的同時有效避免搜索陷入局部最優(yōu)的情況。為了驗證所提算法在解決數(shù)學(xué)基準(zhǔn)問題時的能力,選取包括傳統(tǒng)DE算法在內(nèi)的五種改進差分進化算法SADE,ODE,NDE和MDE-pBX,對CEC-2005的前14個測試函數(shù)分別進行30維、50維和100維的試驗,仿真結(jié)果驗證了SE-DE算法的優(yōu)越性能。以某鋼廠四輥五機架冷連軋生產(chǎn)線為例,對冷連軋生產(chǎn)線控制系統(tǒng)的組成、設(shè)備參數(shù)及工藝要求進行分析,并對軋制過程中相應(yīng)的軋制參數(shù)數(shù)學(xué)模型進行詳細的描述和分析。在此基礎(chǔ)上,確立以預(yù)防打滑和等相對負荷為目標(biāo)的多目標(biāo)函數(shù)優(yōu)化模型,將改進的差分進化算法SE-DE應(yīng)用于冷連軋規(guī)程優(yōu)化,并與傳統(tǒng)差分進化算法的優(yōu)化結(jié)果進行對比。通過對各機架壓下量進行優(yōu)化,仿真結(jié)果驗證了所提算法能夠?qū)ο到y(tǒng)進行高效、快速的調(diào)節(jié),對其他領(lǐng)域的多目標(biāo)優(yōu)化問題具有指導(dǎo)意義。
[Abstract]:Load distribution of cold tandem mill is a common multi-objective optimization problem based on nonlinear constraints. The setting of rolling schedule is related to the quality of rolling products and the energy consumption of production. Making a reasonable rolling schedule can extend the service life of rolling mill, reduce the probability of failure and improve the economy of production effectively while ensuring the quality of the rolling mill. In this paper, according to the actual demand of production, the traditional differential evolution algorithm is studied, and a new adaptive differential evolution algorithm (Self-adaptive Differential Evolution algorithm SE-DE) combined with external population is proposed to solve the multi-objective optimization problem of rolling schedule. Firstly, the traditional differential evolution algorithm is analyzed, and an external population is introduced to carry out reverse learning in the original population initialization part, which expands the search space and increases the diversity of the population. This paper analyzes various adaptive selection mechanisms, aiming at the limitation of fixed control parameters in the traditional algorithm, designs a strategy of adaptive selection of variation factor F using roulette mechanism to improve the adaptability of the algorithm to different problems. In order to balance the ability of exploration and development of the algorithm, an optimization factor is proposed. Through the concept of? Two kinds of crossover strategies can improve the convergence of SE-DE algorithm and avoid the situation of searching falling into local optimum. In order to verify the ability of the proposed algorithm in solving the mathematical benchmark problem, five improved differential evolution algorithms, SADEODENDE and MDE-pBX, including the traditional DE algorithm, are selected, and the first 14 test functions of CEC-2005 are tested on 30 D 50 and 100 D respectively. The simulation results verify the superior performance of SE-DE algorithm. Taking the four-roll five-stand cold continuous rolling line in a steel plant as an example, the composition of the control system, the equipment parameters and the technological requirements of the cold continuous rolling line are analyzed, and the corresponding mathematical model of the rolling parameters is described and analyzed in detail. On this basis, a multi-objective function optimization model with the aim of preventing skid and equal relative load is established. The improved differential evolutionary algorithm (SE-DE) is applied to the optimization of cold tandem rolling process, and the results are compared with those of the traditional differential evolutionary algorithm. The simulation results show that the proposed algorithm can adjust the system efficiently and quickly, and it is of great significance to the multi-objective optimization problem in other fields.
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG335.13;TP18

【相似文獻】

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化算法[J];輕工機械;2010年05期

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

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

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

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

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

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

8 梅振益;楊慧中;;基于混沌差分進化模糊聚類的多模型建模[J];計算機與應(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)同差分進化算法及其應(yīng)用[J];化工進展;2009年05期

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

相關(guān)會議論文 前10條

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

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

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

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

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進化算法在三峽電站廠內(nèi)經(jīng)濟運行中的應(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;;一種改進的多目標(biāo)差分進化算法研究[A];中國自動化學(xué)會中南六省（區(qū)）2010年第28屆年會·論文集[C];2010年

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

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

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

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

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進化多目標(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)計方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

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

4 丁青鋒;基于元胞自動機的差分進化算法及其在通信系統(tǒng)中的應(yīng)用研究[D];上海大學(xué);2015年

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

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

7 郭鵬;差分進化算法改進研究[D];天津大學(xué);2012年

8 王旭;改進差分進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

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

10 王天意;大地電磁迭代有限元與改進差分進化正反演算法研究[D];中國地質(zhì)大學(xué)(北京);2015年

相關(guān)碩士學(xué)位論文 前10條

1 高靜;量子差分進化算法在油田開發(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;差分進化算法的改進及其在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;基于差分進化算法的信用風(fēng)險度量模型研究[D];華中師范大學(xué);2015年

6 任甜甜;差分進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)差分進化算法研究[D];西安電子科技大學(xué);2014年

9 劉家華;基于進化計算的軋制生產(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;圓形對稱振子陣列天線基于差分進化算法的綜合[D];西安電子科技大學(xué);2014年

，

本文編號：2159623