差分进化多目标优化算法及其在铝热连轧轧制规程中应用

发布时间：2017-07-01 08:23

  本文关键词：差分进化多目标优化算法及其在铝热连轧轧制规程中应用，由笔耕文化传播整理发布。

【摘要】：随着我国铝行业的飞速发展,铝合金产品被广泛应用于造纸、汽车、造船、高速列车、电子等各个方面。我国热轧整体装备水平和世界先进水平还有很大差距,特别是在高端产品领域,我国依然依靠进口。本文以某铝加工厂“1+4”铝热连轧机为研究对象,拟通过制定更加科学合理的轧制规程来进一步提高产品质量。制定轧制规程的两大基础是精准的轧制过程模型和高效的多目标优化方法。轧制过程模型是轧制工艺的数学抽象,其准确性直接关系到工艺参数的预报精度。多目标优化算法作为数学工具,在建模过程与规程制定过程中都起到了重要作用。针对实际工程应用中的大规模多目标优化问题,本文构造了一种基于物理规划的多目标差分进化算法。物理规划将目标函数映射为偏好函数,以数学的方法将设计者的偏好定量化,设计过程更加趋近自然。差分进化算法是一种新兴的进化计算技术,适用于求解一些常规数学规划方法所无法求解的复杂优化问题。结合两者的优点,构造了一种便于实际应用的多目标优化算法。仿真结果表明,根据不同的偏好,该算法能得到位于Pareto前沿面不同位置的偏好特解。针对有约束多目标优化问题,本文提出了一种基于环境Pareto支配的选择策略,给出了判断两个解优劣的新标准,特别是明确了可行解与不可行解之间优劣的判断方法。在此基础上,给出了改进的变异策略,缩放因子自适应策略,交叉概率自适应策略等改进的操作算子,共同构成了基于环境Pareto支配选择策略的有约束多目标差分进化算法。针对经典CTP系列测试函数,本文算法和其他三种算法分别独立运行30次。仿真结果表明,本文算法具有更高的稳定性和求解精度。针对轧制过程模型预报精度低的问题,本文通过对大量现场实测过程数据的研究与分析,提出了摩擦系数新模型。该新模型在原有模型的基础上增加轧制温度影响因素,显著提高了模型预报精度。为进一步提高轧制模型预报精度,本文提出了基于数据相似性的动态模型自学习方法。根据前后轧制产品的规格和轧机状态信息,动态更新模型自学习系数。仿真结果表明,该方法提高了模型预报精度。将上述算法分别运用于铝热连轧轧制规程优化计算当中,仿真结果表明,两种算法所得结果较原规程均有很大改善。为进一步验证本文算法的有效性,在仿真实验的基础上,将上述结果在实际轧机系统上进行实验。结果表明,本文所提算法基本符合实际情况,对实际生产具有一定的指导意义。
【关键词】：铝热连轧 轧制规程优化 轧制模型 模型自学习 差分进化算法 有约束多目标优化 物理规划
【学位授予单位】：燕山大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TG339;TP18
【目录】：

• 摘要5-7
• Abstract7-12
• 第1章 绪论12-24
• 1.1 课题背景12-13
• 1.2 进化多目标优化算法发展现状及问题13-20
• 1.2.1 第一阶段13-16
• 1.2.2 第二阶段16-19
• 1.2.3 第三阶段19-20
• 1.3 我国铝轧制技术发展现状及问题20-22
• 1.4 研究目的和意义22
• 1.5 论文主要研究内容22-24
• 第2章 基于物理规划的多目标差分进化算法的提出24-39
• 2.1 引言24
• 2.2 物理规划24-29
• 2.2.1 物理规划的基本概念24-27
• 2.2.2 偏好函数的设计27-29
• 2.2.3 物理规划综合数学模型29
• 2.3 差分进化算法29-33
• 2.3.1 差分进化算法基本算子29-32
• 2.3.2 控制参数对DE算法的影响32-33
• 2.4 基于物理规划的多目标差分进化算法的提出33-38
• 2.4.1 算法流程33
• 2.4.2 仿真计算33-38
• 2.5 本章小结38-39
• 第3章 基于环境Pareto支配选择策略的有约束多目标差分进化算法的提出39-50
• 3.1 引言39
• 3.2 约束多目标问题39
• 3.3 基于环境Pareto支配选择策略的提出39-46
• 3.3.1 选择策略39-42
• 3.3.2 仿真验证42-46
• 3.4 其他策略的改进46-48
• 3.4.1 改进的变异策略46
• 3.4.2 自适应缩放因子46-47
• 3.4.3 自适应交叉概率47-48
• 3.4.4 外部种群更新策略的改进48
• 3.5 算法流程48-49
• 3.6 本章小结49-50
• 第4章 基于环境Pareto支配选择策略的差分进化算法的仿真研究50-66
• 4.1 引言50
• 4.2 性能测试指标50-52
• 4.2.1 收敛性指标50-51
• 4.2.2 解集分布度51
• 4.2.3 附加二元指标51-52
• 4.3 仿真研究与结果分析52-65
• 4.3.1 测试函数52-56
• 4.3.2 仿真研究56-65
• 4.4 本章小结65-66
• 第5章 铝热连轧轧制模型及模型自学习66-88
• 5.1 引言66
• 5.2 “1+4”铝热连轧设备组成66-67
• 5.3 轧制过程模型67-72
• 5.3.1 基本工艺参数68-69
• 5.3.2 轧制过程主要模型69-72
• 5.4 摩擦系数模型研究72-81
• 5.4.1 油膜厚度机理建模72-73
• 5.4.2 摩擦系数的反向估算73-74
• 5.4.3 摩擦系数模型研究74-81
• 5.5 模型自学习81-87
• 5.5.1 自学习系统构成81
• 5.5.2 模型长期自学习81
• 5.5.3 基于数据相似性的动态模型自学习方法的提出81-87
• 5.6 本章小结87-88
• 第6章 差分进化算法在铝热连轧轧制规程中的应用88-106
• 6.1 引言88
• 6.2 目标函数的确定88-89
• 6.3 约束条件的确定89
• 6.4 基于物理规划的多目标差分进化算法在轧制规程中的应用89-95
• 6.5 EPDSDE在轧制规程中的应用95-101
• 6.5.1 目标函数的精简95
• 6.5.2 增加约束条件95-96
• 6.5.3 算例分析96-101
• 6.6 实验验证101-104
• 6.7 本章小结104-106
• 结论106-107
• 参考文献107-117
• 攻读博士学位期间承担的科研任务与主要成果117-118
• 致谢118-120
• 作者简介120

【参考文献】

中国期刊全文数据库 前10条

1 董书革;饶绮麟;;基于偏好设计的物理规划理论[J];北京科技大学学报;2009年02期

2 张勇;巩敦卫;任永强;张建化;;用于约束优化的简洁多目标微粒群优化算法[J];电子学报;2011年06期

3 白振华;周庆田;窦爱民;徐俊;王骏飞;;冷连轧高速轧制过程中摩擦因数机理模型的研究[J];钢铁;2007年05期

4 蔡自兴;江中央;王勇;罗一丹;;一种新的基于正交实验设计的约束优化进化算法[J];计算机学报;2010年05期

5 桂卫华;阳春华;陈晓方;王雅琳;;有色冶金过程建模与优化的若干问题及挑战[J];自动化学报;2013年03期

6 武燕;刘小雄;池程芝;;动态多目标优化的预测遗传算法[J];控制与决策;2013年05期

7 刘静安;;铝加工技术发展与挑战[J];中国金属通报;2013年02期

8 刘静安;;铝加工业大趋势[J];中国金属通报;2012年40期

9 柴天佑;李少远;王宏;;网络信息模式下复杂工业过程建模与控制[J];自动化学报;2013年05期

10 梁国;;国内铝加工业现状与发展趋势[J];门窗;2013年09期

中国重要会议论文全文数据库 前1条

1 王万宏;;河南明泰铝业股份有限公司1+4热轧生产线专题报告[A];全国第十四届轻合金加工学术交流会论文集[C];2009年

中国博士学位论文全文数据库 前2条

1 徐斌;基于差分进化算法的多目标优化方法研究及其应用[D];华东理工大学;2013年

2 谭艳艳;几种改进的分解类多目标进化算法及其应用[D];西安电子科技大学;2013年

  本文关键词：差分进化多目标优化算法及其在铝热连轧轧制规程中应用，，由笔耕文化传播整理发布。

本文编号：505234