基于改进多目标粒子群算法的冷连轧规程优化设计

发布时间：2018-06-15 18:03

  本文选题：多目标粒子群 + 冷轧规程优化　； 参考：《中国机械工程》2015年09期

【摘要】：合理的轧制规程能够提高轧机的产量和产品的质量,带来显著的经济效益。采用多目标粒子群算法,选择等相对负荷和预防打滑为目标进行冷连轧规程优化。针对算法存在的收敛性和分布性难以均衡的问题,引入一种基于平行坐标系的密度和收敛潜能计算方法;同时,为克服算法易于陷入局部最优的缺陷,提出一种带个体扰动的全局最优领导粒子选择策略。仿真结果表明,该方法能快速跳出局部极值,获得具有更好收敛性和分布性的近似Pareto前沿。最后应用该方法对某五机架冷连轧机进行了轧制规程优化。
[Abstract]:Reasonable rolling schedule can improve the production and quality of rolling mill and bring remarkable economic benefits. The multi-objective particle swarm optimization algorithm is used to optimize the cold continuous rolling process with equal relative load and skid prevention. In order to solve the problem that the convergence and distribution of the algorithm are difficult to balance, a density and convergence potential calculation method based on parallel coordinate system is introduced, and in order to overcome the defect that the algorithm is easy to fall into local optimum, A global optimal leadership particle selection strategy with individual disturbance is proposed. The simulation results show that the proposed method can jump out of the local extremum quickly and obtain the approximate Pareto frontier with better convergence and distribution. Finally, the rolling schedule of a five-stand cold tandem mill is optimized by this method.
【作者单位】： 燕山大学工业计算机控制工程河北省重点实验室;
【基金】：国家自然科学基金委员会与宝钢集团有限公司联合资助项目(U1260203) 国家自然科学基金资助项目(61074099) 河北省高等学校创新团队领军人才培育计划资助项目(LJRC013)
【分类号】：TG335

【参考文献】

相关期刊论文 前6条

1 白振华,连家创,王骏飞;冷连轧机以预防打滑为目标的压下规程优化研究[J];钢铁;2003年10期

2 魏立新;李兴强;李莹;杨景明;;基于改进自适应遗传算法的冷连轧轧制规程优化设计[J];机械工程学报;2010年16期

3 李勇;刘建昌;王昱;;改进权重自适应GA及冷连轧轧制规程多目标优化[J];控制理论与应用;2009年06期

4 杨景明;王春鹏;车海军;赵利娟;;基于改进ABC算法的铝热连轧规程优化设计[J];塑性工程学报;2013年05期

5 陈东宁;姜万录;王益群;;基于粒子群算法的冷连轧机轧制负荷分配优化[J];中国机械工程;2007年11期

6 杨景明;窦富萍;刘舒慧;车海军;周涛;;基于遗传算法的冷连轧轧制规程优化设计[J];中国机械工程;2007年15期

【共引文献】

相关期刊论文 前10条

1 姜万录;陈东宁;;冷连轧机负荷分配优化研究进展[J];燕山大学学报;2007年03期

2 陈少斌;黄宴委;陈冲;;基于支持向量机的轧机压下系统辨识[J];福州大学学报(自然科学版);2012年01期

3 赵新秋;王艳胜;郑剑;杨景明;车海军;;基于改进混洗蛙跳算法的冷连轧轧制规程优化[J];钢铁;2012年05期

4 闫晓强;包淼;李永奎;范连东;王文瑞;;热连轧FTSR轧机振动研究[J];工程力学;2012年02期

5 刘宝升;;八辊五机架冷连轧控制系统[J];电子制作;2013年02期

6 姜万录;张生;;改进的量子遗传算法在冷连轧机负荷分配中的应用研究[J];燕山大学学报;2013年01期

7 白振华;陈浩;高明磊;李和;吴首民;姚寿军;;冷连轧机组划痕缺陷产生机制及治理措施[J];钢铁;2014年06期

8 孙浩;杨景明;车海军;;基于遗传算法的PP及冷连轧轧制规程多目标优化[J];钢铁;2014年09期

9 杨景明;呼子宇;车海军;孙浩;赵新秋;;基于改进差分进化算法的带钢冷连轧负荷分配[J];钢铁;2014年12期

10 杨景明;张青;车海军;张林浩;;基于遗传算法的混合蚁群算法的冷连轧轧制规程优化设计[J];钢铁研究学报;2010年02期

相关博士学位论文 前7条

1 张尚斌;板带连轧机半物理仿真平台系统建模与集成[D];燕山大学;2012年

2 李勇;多目标进化算法及其在轧制规程优化中的应用研究[D];东北大学;2010年

3 李旭;提高冷连轧带钢厚度精度的策略研究与应用[D];东北大学;2009年

4 张俊;矿井提升系统关键设备危险源辨识、评价及监控研究[D];中国矿业大学;2009年

5 王禹桥;地铁杂散电流分布规律及腐蚀智能监测方法研究[D];中国矿业大学;2012年

6 吴东升;钛合金棒材连轧过程的智能优化控制方法研究[D];长春理工大学;2013年

7 张生;量子进化算法的改进研究及其在轧制规程优化中的实践[D];燕山大学;2014年

相关硕士学位论文 前10条

1 雷明杰;神经网络和遗传算法在中厚板轧机中的应用研究[D];郑州大学;2010年

2 董银松;基于监测信号加权特征的批量钻削工步质量增量聚类研究[D];湘潭大学;2011年

3 韩欣艳;基于改进自适应遗传算法的轧制规程优化设计[D];燕山大学;2011年

4 刘立志;蚁群免疫算法在冷连轧机轧制负荷分配优化中的应用[D];燕山大学;2011年

5 王景胜;1250mm八辊五机架冷连轧机轧制规程优化研究[D];燕山大学;2012年

6 林森;五机架冷连轧机控制系统的研究[D];浙江工业大学;2011年

7 杨翔;间歇过程反应釜的软测量与迭代学习控制研究[D];南京理工大学;2012年

8 徐雅洁;1370冷连轧机轧制规程优化设计及模型自学习研究[D];燕山大学;2006年

9 窦富萍;五机架冷连轧机轧制规程优化设计及模型自学习研究[D];燕山大学;2007年

10 崔晨光;冷连轧机轧制温度模型及其影响因素的研究[D];燕山大学;2006年

【二级参考文献】

相关期刊论文 前10条

1 王焱,刘景录,孙一康;冷连轧机组负荷分配智能优化新方法[J];北京科技大学学报;2002年05期

2 罗永军,李忠富,曹军民,王长松,张杰,李江洁;基于遗传算法的热连轧机负荷再分配[J];北京科技大学学报;2004年04期

3 胡浩平;伍清河;费庆;卢春宁;;热轧中板轧制变形规程的优化设计[J];北京理工大学学报;2006年07期

4 李谋渭,张阳,张大志,安振刚,尹显东,姚林,于宁,王衍平,蔡恒君;提高鞍钢冷连轧机效能和产品精度的途径[J];钢铁;2001年11期

5 白振华,连家创,王骏飞;冷连轧机以预防打滑为目标的压下规程优化研究[J];钢铁;2003年10期

6 张延华,刘相华,王国栋;基于数据挖掘的中厚钢板轧制负荷分配方法的研究[J];钢铁;2005年04期

7 李海军;徐建忠;龚殿尧;王国栋;刘相华;;动量项技术在带钢热连轧负荷分配中的应用[J];钢铁;2006年02期

8 张清东;徐兴刚;于孟;瞿标;李实;;基于遗传神经网络的不锈钢带冷轧轧制力模型[J];钢铁;2008年12期

9 杨景明;孙晓娜;车海军;刘畅;;基于蚁群算法的神经网络冷连轧机轧制力预报[J];钢铁;2009年03期

10 朱红求;阳春华;桂卫华;李勇刚;;一种带混沌变异的粒子群优化算法[J];计算机科学;2010年03期

【相似文献】

相关期刊论文 前10条

1 左毅;陈勇;;基于对称扰动的改进粒子群算法[J];重庆科技学院学报(自然科学版);2010年03期

2 杨瑞连;曾光明;李晓东;;混沌粒子群算法在水污染控制系统规划中的应用[J];环境工程学报;2010年12期

3 邓毅;江青茵;曹志凯;师佳;周华;;改进的粒子群算法在化工过程优化中的应用[J];计算机与应用化学;2011年06期

4 李娥;高兴宝;;一种基于阶段进化适应性策略的粒子群算法[J];陕西科技大学学报(自然科学版);2011年05期

5 王燕;贺兴时;王凡;刘达卓;;改进反向粒子群算法及其在噪声中的应用[J];西安工程大学学报;2011年05期

6 刘朝;祁荣宾;钱锋;;融合交叉变异和混沌的新型混合粒子群算法[J];化工学报;2010年11期

7 黄灿艺;;服装智能排料粒子群算法的改进研究[J];郑州轻工业学院学报(自然科学版);2011年04期

8 徐余法;高洁;陈国初;;一种改进粒子群算法及其在风电场中的应用[J];华东理工大学学报(自然科学版);2012年03期

9 郑建茹;张国立;;基于改进粒子群算法在矿山车辆配送路径中的应用[J];煤炭技术;2013年01期

10 杨子江;顾幸生;;基于混沌量子粒子群算法的置换流水车间调度[J];华东理工大学学报(自然科学版);2013年03期

相关会议论文 前10条

1 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

2 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

3 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

4 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

相关博士学位论文 前10条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

5 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

10 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

相关硕士学位论文 前10条

1 张兰;量子粒子群算法及其应用[D];西北大学;2010年

2 随聪慧;粒子群算法的改进方法研究[D];西南交通大学;2010年

3 董银丽;一种新的交叉粒子群算法及其应用[D];西安电子科技大学;2006年

4 马楠楠;基于粒子群算法的化工过程优化及其应用[D];北京化工大学;2008年

5 徐青鹤;改进粒子群算法及其应用研究[D];杭州电子科技大学;2009年

6 郭香军;粒子群算法的改进研究[D];燕山大学;2012年

7 钟帅;基于粒子群算法的微博用户影响力研究[D];华中科技大学;2012年

8 方群;多目标拆卸线平衡问题的改进粒子群算法研究[D];西南交通大学;2014年

9 朱伟丰;改进粒子群算法最优路径的研究[D];重庆师范大学;2014年

10 孟令群;混沌粒子群算法在河流水质模型参数识别中的应用[D];长安大学;2009年

，

本文编号：2022984