[发明专利]热冷轧负荷分配方法

说明书

技术领域

本发明涉及一种热冷轧负荷分配方法。

背景技术

轧钢生产过程分为热连轧和冷轧，分别由热轧厂和冷轧厂负责生产，各自核算生产成本。考虑到热轧厂生产的带钢产品大部分将作为冷轧厂的原料，如果热轧厂生产的精轧带钢厚度较小，则将增加热轧厂的生产成本；反之，带钢厚度较大，则会增加冷轧厂的生产成本。从节能的角度看，冷轧和热轧生产过程的分离造成了整个轧钢负荷分配不均衡，增加了生产能耗，影响了产品的质量。所以有必要综合考虑热轧和冷轧的生产过程，进行全过程轧钢负荷分配。

发明内容

本发明的目的就是为解决上述问题，提供一种热冷轧负荷分配方法，它在满足轧钢工艺约束和设备约束的前提下，综合考虑热轧和冷轧的负荷分配问题，达到既提高产品质量和生产效率，又节约生产能耗的目的。

为实现上述目的，本发明采用如下技术方案：

一种热冷轧负荷分配方法，它采用先进行至少一次热轧粗轧，然后进行多次热轧精轧，最后进行多次冷轧的方式，在满足轧钢工艺因素约束和设备因素约束的前提下，在对热轧粗轧、精轧和冷轧的负荷进行分配的多种方案中，采用粒子群算法得到最佳的负荷分配方案，其具体步骤为：

步骤1：读入原始数据，包括原料的钢号和规格，成品的规格，热轧和冷轧总的轧制道次，各机架的轧制温度，工作辊半径，末机架的轧制速度，力臂系数，初始变形阻力，各参数变量规定的上下限；

步骤2：初始化一群规模为n的m维粒子群，包括随机位置和速度；该粒子群中的每个粒子i代表一种负荷分配方案，即各机架的压下率，共n个初始方案，n的取值为30-100，m是所有的轧制道次数目；

步骤3：计算每个粒子的适应值，即求解每一种负荷分配方案的目标函数

minW=Σi=1nWi---(1)]]>

式中，W_i为冷热轧过程中第i机架的轧制功率，将满足工艺因素约束条件按和设备因素约束条件要求的解作为每个粒子当前的适应值pbest_d，该粒子记为当前个体经历的最优负荷分配方案；约束条件中各变量规定的上下限为已知，各机架的参数量根据参数模型求得；

步骤4：对每个粒子i，将其适应值与个体所经历过最好位置pbestx时的适应值pbest_d做比较，如果该粒子适应值较小，则将其作为当前轧制方案的最好位值，即个体极值pbestx；

步骤5：对每个粒子i，将其适应值pbest_d与全局经历最好位置时的适应值gbest作比较，得出当前全局最好值gbest，全局经历的最好位置即为能耗最小的最优负荷分配方案gbestx；

步骤6：更新每一个粒子的速度和位置；在迭代计算时，需要设定搜索速度的上下限，如果搜索速度超出范围，则按照上限或下限的速度进行求解；

步骤7：判断是否满足结束条件，如果未满足结束条件，则返回Step3，继续计算，否则输出最优负荷分配方案，计算结束。

所述步骤2中，第i个粒子的位置和速度表示为X_i＝(x_i1，x_i2，…，x_in)和V_i＝(v_i1，v_i2，…，v_iN)，其中i＝1，2，3，…，m，m为群体规模；相应地，第i个粒子迄今为止搜索到的最优位置为pbest_i＝(x_i1best，x_i2best，…，x_inbest)，整个粒子群迄今为止搜索到的最优位置为gbest＝(x_1best，x_2best，…，x_nbest)。

所述步骤3中，所述设备因素的约束条件有：