动态多目标进化算法及其在轧制负荷分配中的研究

发布时间：2022-07-02 12:37

　　随着钢铁产品在国民生产生活的各个方面的广泛应用,对产品质量的需求日益提高,因此对轧制精度的要求越来越高。在轧制生产中,负荷分配作为轧制过程自动化系统的主要环节,负责制定最优轧制生产方案。以冷连轧加减速的动态过程为研究对象,通过动态多目标进化算法优化这一过程以减小能耗和提高产品质量。轧制过程是一个多变量、时变性、强耦合的非线性系统。本文根据轧制模型制定符合生产要求的目标函数和约束条件,采用改进的多目标进化算法,分别对高速段和低速段分析不同目标之间的关系。结果表明,不同速度下的最优Pareto前沿存在着很大误差,进一步说明轧制变速过程的非线性特点,也为决策者提供直观轧制规律并对其进行科学指导。变速阶段轧制负荷分配问题可抽象为以速度为环境变化因子的动态多目标问题。当环境变化时,为快速准确的追踪到新的Pareto前沿,提出基于分段预测策略的动态多目标进化算法。将每个Pareto解集分为中心点和轮廓两部分,而中心点的预测精度直接影响种群的预测精度,运用分段预测策略提高中心点的预测精度。仿真结果表明,对于复杂Pareto前沿变化和环境变化强度较大的情况,本文算法具有更快的收敛速度和更高的收敛精度。... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 冷连轧负荷分配研究现状
    1.3 动态多目标优化问题的发展现状
    1.4 本文的主要研究内容及结构安排
第2章 轧制变速阶段动态负荷分配问题的分析
    2.1 轧制过程主要相关模型
    2.2 目标函数的建立
        2.2.1 负荷分配流程
        2.2.2 目标函数建立
        2.2.3 约束条件制定
    2.3 稳速轧制负荷分配分析
    2.4 动态负荷问题的提出
    2.5 本章小结
第3章 基于分段预测策略的动态多目标进化算法
    3.1 动态多目标优化问题数学模型
    3.2 基于分段预测策略的动态多目标进化算法
        3.2.1 种群的分解
        3.2.2 中心点的预测
        3.2.3 轮廓的预测
        3.2.4 环境变化应对策略的实现
    3.3 测试函数
    3.4 基于分段预测策略的动态多目标进化算法仿真及分析
        3.4.1 中心点预测算法仿真及分析
        3.4.2 SPS算法仿真及分析
    3.5 本章小结
第4章 动态多目标进化算法在轧制负荷分配中的应用
    4.1 连轧轧制设备组成
    4.2 动态多目标算法在轧制负荷分配中的应用
    4.3 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于动态多目标进化算法的冷连轧负荷分配研究[J]. 孙浩,崔慧慧,魏立新,呼子宇.  矿冶工程. 2017(06)
[2]一种求解多目标优化问题的进化算法混合框架[J]. 田红军,汪镭,吴启迪.  控制与决策. 2017(10)
[3]基于反向学习的差分进化算法的冷轧负荷分配[J]. 赵志伟.  计量学报. 2017(04)
[4]近年我国轧制技术的发展、现状和前景[J]. 王国栋.  轧钢. 2017(01)
[5]混合多目标粒子群优化算法在热精轧负荷分配优化中的应用[J]. 黄佩秋,刘建昌,谭树彬,王洪海.  控制理论与应用. 2017(01)
[6]基于ε-约束法的多目标双边装配线再平衡问题[J]. 张亚辉,胡小锋,吴传珣.  计算机集成制造系统. 2016(11)
[7]基于环境Pareto支配选择策略的有约束多目标差分进化算法[J]. 孙浩,杨景明,刘醒,唐永超,车海军.  控制与决策. 2016(01)
[8]钢铁行业技术创新和发展方向[J]. 王国栋.  钢铁. 2015(09)
[9]基于预测策略的动态多目标免疫优化算法[J]. 刘若辰,马亚娟,张浪,尚荣华.  计算机学报. 2015(08)
[10]基于改进蜂群算法的冷连轧规程优化设计[J]. 魏立新,吕白,李莹,杨景明.  矿冶工程. 2014(05)

博士论文
[1]多目标进化算法及其在轧制规程优化中的应用研究[D]. 李勇.东北大学 2010

硕士论文
[1]基于差分进化的智能优化算法研究[D]. 童旅杨.桂林理工大学 2018
[2]改进多目标粒子群算法及其在冷轧规程中的应用[D]. 穆晓伟.燕山大学 2017
[3]基于概率的区域预测动态多目标优化算法[D]. 颜艳艳.湖南大学 2015



本文编号：3654375