导读:本文包含了轧制负荷分配论文开题报告文献综述及选题提纲参考文献，主要关键词:负荷分配,粒子群优化,记忆群体,自适应调整
轧制负荷分配论文文献综述
李荣雨,张卫杰,周志勇[1]（2018）在《改进的粒子群算法在轧制负荷分配中的优化》一文中研究指出针对带钢热连轧精轧机组中负荷分配的优化问题,提出一种基于经验的自适应双层粒子群优化算法(ADLPSO-EM)。每次种群迭代后,对记忆群体通过改进的更新公式进行更新。利用改进的自适应调整惯性权重的策略充分增强种群的多样性,提高全局搜索能力。最后,在将其应用于热连轧负荷分配问题时,通过以经验法得到的值产生一个搜索邻域,并通过变邻域求出最后的负荷分配。仿真结果表明,改进的算法对负荷分配优化具有明显的效果。(本文来源于《计算机科学》期刊2018年07期）
呼子宇[2]（2017）在《多目标进化算法的改进及其在轧制负荷分配中的应用研究》一文中研究指出部分工程问题需要同时优化多个相互冲突的目标,该类问题被称为多目标优化问题。这类问题往往具有非线性、不可微等特性,无法采用传统的优化方法进行求解。进化算法在解决非线性、高维度、复杂关联的多目标优化问题时表现出优于传统算法的性能,但是在处理具有复杂Pareto解集、超多目标等问题时仍然存在缺陷。针对上述缺陷,提出适用不同类型优化问题的多目标进化算法,并设计了适用于河南某铝厂“1+4”铝热连轧精轧机组的轧制负荷分配系统。主要研究内容如下:(1)传统多目标粒子群算法侧重于对解的搜索或选择,但孤立的设计进化算子或改进选解机制对算法性能的提升有一定限制。为了提升粒子群算法对不同类型多目标优化问题的适应能力,提出了混合非支配排序和权重向量分解的粒子群算法。算法采用不同的选解机制选取全局最优粒子和个体最优粒子,将解集中个体之间的关系融入到解的搜索和选择过程中。为了验证算法的有效性,采用ZDT和DTLZ系列测试函数进行仿真研究,结果表明所提算法在具有不同Pareto前沿的优化问题中表现出很强的适应性。(2)针对具有复杂关联变量的多目标优化问题,提出了基于环境历史信息的多目标进化算法(MOEA-EHI)。算法采用进化过程中优秀个体的历史信息作为参数调整的依据,以提高精英个体的生成概率;采用模拟参考前沿提供的环境信息作为个体选择的依据,以提高精英个体的存活概率。通过综合利用环境和历史信息,提高算法在决策空间的搜索能力和在目标空间的多样性保持能力。为了验证算法的有效性,采用具有复杂关联变量的UF系列测试函数进行仿真研究,结果表明算法在决策空间和目标空间具有良好的收敛性。(3)针对超多目标优化问题中传统Pareto支配关系失效的问题,提出了基于自适应参考向量的超多目标进化算法。算法采用最近个体之间的夹角余弦值作为多样性惩罚值,采用个体与参考向量之间的夹角余弦以及个体距离原点的位置作为选解依据。双重参考选解机制采用不同的选解依据分别选取进化种群和精英种群,并在进化过程中交换信息以保持种群的多样性。为了验证算法的有效性,采用目标个数为5、10和15的DTLZ系列测试函数进行数值仿真,结果表明所提算法在超多目标优化问题中能够有效收敛。(4)连轧机组负荷分配优化是一个典型的多目标优化问题。其中,轧制力是负荷分配的主要参数。为提高轧制力预测精度,采用基于数据分类的神经网络进行轧制力预报;为提高生产效率和产品质量,设计叁个符合工艺要求的目标函数,并采用多目标进化算法对负荷分配问题进行求解。仿真实验结果表明,优化后的负荷分配方案降低了打滑出现的概率,平衡了各机架负荷,并降低了轧制总能耗,对实际生产有着重要的指导作用。(本文来源于《燕山大学》期刊2017-12-01）
赵敏,刘义滔,陈剑飞,杨光,艾强[3]（2017）在《武钢CSP硅钢轧制负荷再分配相关性研究》一文中研究指出本文针对目前武钢CSP硅钢产量释放后,其产量占据CSP总产量的比例将近1/3,因其同宽轧制的特点,硅钢板阔主要存在如下断面问题:1、凸度、楔形无法满足后工序需求;2、局部高点超标;3、硅钢断面平坦或者凹陷,这些类缺陷造成冷轧后同板差精度下滑,热轧产线换辊频繁生产组织压力大。通过原有西马克二级负荷分配进行优化后,并通过相关数据分析,从等比例凸度控制能力、窜辊行为及轧辊磨损上进行整理,工艺调整后不但满足板型良好条件并且轧辊磨损、硅钢凸度、楔形的精度,断面改善上有了较大的提升。(本文来源于《全国薄板坯连铸连轧生产技术研讨会论文集》期刊2017-10-17）
汤红生[4]（2016）在《压下率负荷分配比在冷连轧薄规格轧制中的应用》一文中研究指出介绍了压下率负荷分配比在梅钢1420酸轧机组极薄板轧制的应用情况,重点描述了压下率负荷分配比的计算过程及其应用效果。(本文来源于《梅山科技》期刊2016年06期）
蒋澄灿,芮延年,廖黎莉,管淼,沈铭[5]（2016）在《基于智能算法的铅带轧制过程负荷分配系数优化》一文中研究指出针对铅带连轧过程负荷分配优化问题,以均衡分配为目标,通过对遗传算法和变尺度(BFGS)混合优化算法的研究,提出了基于变尺度混合遗传算法(MSHGA)的铅带轧制过程负荷分配系数优化计算方法。通过仿真实验对算法的可行性进行了验证。结果表明,在保证铅带轧制板形、厚度、精度和性能指标参数不变的情况下,优化后的总轧制力较经验负荷算法的相应结果减小了10.7%。该技术方法的研究为铅带轧制节约电能提供了参考。(本文来源于《中国机械工程》期刊2016年12期）
王强,张小平[6]（2014）在《基于Φ函数负荷分配法的轧制规程的优化设定》一文中研究指出基于Φ函数负荷分配法,把压下量作为Φ的函数,大大简化了现有的轧制负荷分配模型。利用该模型,制作了各道次出口厚度与Φ函数值的计算软件。通过对某钢厂生产数据分析计算得到该钢种最佳Φ函数值,经过统一Φ函数,对生产中不合理的压下规程进行优化,结果证实Φ函数负荷分配法制定的压下规程比原规程更具合理性。(本文来源于《机械工程与自动化》期刊2014年06期）
万馨[7]（2014）在《基于智能算法的带钢轧制过程负荷分配技术的研究》一文中研究指出在轧钢板带生产中,中间坯经过数个机架的轧制,轧制出符合质量标准的带钢。整个轧制过程需要按照设定的轧制规程来进行。轧制规程是轧钢生产工艺的核心内容,是轧制生产能力发挥、产品厚度精度及板形质量的基本保证。制定轧制规程的中心问题是合理分配各机架的压下量、确定各机架实际出口厚度,即确定各机架的压下负荷分配。只有制定了合理的负荷分配策略,才能使轧机在各机架负荷均衡的前提下发挥设备能力,获得良好的产品质量和性能。因此对轧机负荷分配的研究具有十分重要的意义。本文以七机架热连轧精轧机组负荷分配为例,结合设备限制和板形因素,在传统数学模型的基础上,设计一种新的混合遗传算法来对热连轧精轧阶段负荷分配优化计算进行研究。主要研究内容如下：详细介绍了带钢轧制负荷分配的发展概况,并列举了热连轧精轧阶段设定计算涉及到的主要数学模型。对最优化技术在工程上尤其是冶金方面的应用进行了介绍,对遗传算法和序列二次规划法进行了分析、研究,指出了各自的优点以及在工程应用中的缺点,并以此为基础,在保留各自优点的原则上,对二者进行混合设计了一种新的混合遗传算法。算法从加快局部搜索速度,提高全面搜索能力出发,设计了新的遗传算子,提出了可行的混合方案。利用典型测试函数对新的混合算法进行仿真试验,仿真结果表明,与标准遗传算法相比,混合遗传算法的收敛速度跟全局搜索性能均优于标准遗传算法。以传统经验负荷分配为基础,利用混合遗传算法,对负荷分配进行优化,并进行仿真实验,将由混合遗传算法优化过的负荷分配结果与经验负荷分配结果进行比较。仿真结果表明,经由混合遗传算法的优化,各机架的出口厚度值、压下率、轧制力分配更加合理,其结果远好于经验的负荷分配结果。(本文来源于《苏州大学》期刊2014-04-01）
李继新[8]（2013）在《热轧轧制力比率模式负荷分配方法》一文中研究指出精轧机组各机架负荷分配的合理与否直接影响着整个机组负荷的承受能力与带钢轧制过程的稳定性,而且直接影响板形控制等一系列质量指标。本文在研究轧制力比率模式负荷分配方法的基础上,通过轧制力计算得出该种模式下影响压下规程分配的主要因素。(本文来源于《科技与企业》期刊2013年08期）
李维刚[9]（2012）在《自由程序轧制中轧辊横移与负荷分配的建模与优化研究》一文中研究指出进入工业社会以来,钢铁一直是人类最重要的基础原材料。目前,中国钢铁销售额约占全国GDP的8%,年产量约占全球总产量的50%,是我国最重要的支柱产业之一。但是,当前钢铁生产的利润微薄,降低制造成本成为钢铁企业生死存亡的关键所在。与此同时,用户需求越来越多样化,对产品品种、规格、质量的要求也越来越严。于是,能同时满足低成本和多样化要求的柔性化生产模式,成为钢铁企业的必然选择。在这种背景下,自由程序轧制技术(Schedule-Free Rolling, SFR)应运而生。SFR是带钢热轧中实现柔性生产组织的有效途径,它是指在一个换辊周期内,钢种、厚度、宽度几乎可以不受限制地自由过渡的轧制技术,能有效提高生产组织的自由度、降低生产成本。但是,受制于硬件设备条件和优化控制技术等因素,SFR目前在国内并未得到普遍推广。近年,随着热轧设备不断进步,国内部分热轧生产线开始具备实施SFR的设备条件,但优化控制技术的缺失反而成为制约SFR实施的瓶颈。SFR优化控制技术的困难在于：一是过程建模复杂：优化目标的精度要求为微米级,且受到轧制规格、工艺参数、设备状态等众多因素的影响；二是优化算法困难,SFR问题是多目标优化问题,计算过程非常复杂、耗时较长,难以用于实时控制。近年来,随着计算机性能的不断提升,使得对SFR的综合优化成为可能。结合宝钢1880热轧在SFR实施过程中存在的问题,本文进行了轧辊横移与负荷分配的建模与优化研究。通过研发SFR优化控制技术,克服轧制过程中不断增长变化的局部不均匀轧辊磨损与热凸度,保持精轧过程的轧制稳定性。主要研究内容及进展如下：1、在对轧辊磨损影响因素进行详细分析的基础上,采用“切片法”,建立考虑横移影响的轧辊磨损模型。采用逐步累计一迭加方法,对一个换辊周期内的轧辊磨损进行分析计算,发现实施轧辊横移后,轧辊磨损在带钢宽度方向趋于均匀,消除了轧件边端部的局部严重磨损造成的猫耳现象,有利于实施自由程序轧制。2、通过对轧辊温度场的数值模拟,建立高精度的轧辊热变形模型。考虑轧辊横移对轧辊热凸度的影响,提出模拟轧辊温度场PR格式的差分方法,指出轧件对轧辊温度场的影响存在“浅层效应”。对一个换辊周期内的轧辊热变形进行数值模拟,发现实施轧辊横移后,轧辊热膨胀的范围向辊身边部区域扩展,起到分散热凸度作用,使热辊型曲线更为光滑平缓。3、提出轧辊横移策略的多目标优化方法。开发基于分解的多目标差分进化算法(MODE/D),它使用差分进化算法代替遗传算法作为搜索引擎；提出变行程横移策略及其递推算法,通过横移步长、横移行程等决策变量来控制横移策略；通过数值模拟,分析横移策略对轧辊综合辊型的影响,给出两个平滑指标,用来评价横移对轧件接触部位辊缝形状的影响,以轧制计划带钢的平均边部平滑指标、平均中部平滑指标为目标函数,建立横移策略的多目标优化模型。在此基础上,提出交叉轧制横移策略的两阶段优化法。4、提出精轧负荷分配的多目标优化方法。开发高精度轧制力与轧制力矩的一体化模型,为负荷分配计算提供力能参数；提出轧制力模式负荷分配的CLAD算法,用于在线实现负荷分配计算；提出确定负荷分配系数的多目标优化模型,考虑能耗最小、负荷均衡和板形良好等优化目标,分析了不同目标间的矛盾关系。本文的研究内容,为轧辊横移策略与精轧负荷分配的优化设计提供了理论依据,同时面向自由程序轧制的在线控制,具有很强的实用性。相关成果应用到宝钢1880热连轧机组,大幅度拓展产线的自由轧制能力,同宽轧制长度从30km提高到60kmm,集批轧制总长度从70公里提高到100公里,实现复杂、难轧产品在大生产条件下的自由轧制。(本文来源于《东北大学》期刊2012-12-01）
李维刚,张健民[10]（2012）在《带钢热连轧轧制力模式负荷分配的改进算法》一文中研究指出为克服压下量模式负荷分配的不足,宝钢1 580 mm过程机改造项目计划开发新的轧制力模式负荷分配方法。针对传统Newton-Raphson法对初始值依赖较大和算法容易发散等不足,提出了一种轧制力模式负荷分配的改进算法。该方法以精轧各机架的压下量为优化变量,根据轧制力成比例原则建立非线性方程组,通过推导将系数矩阵变为对角阵,避免了矩阵求逆运算;为了满足各次迭代所有机架压下量修正值之和为零的约束,添加一个修正项对各机架压下量修正值进行总体协调。提出了轧制力和压下量的超限处理方案。模拟计算验证了新算法的有效性,计算速度快,收敛性好,满足在线计算要求。(本文来源于《宝钢技术》期刊2012年04期）
轧制负荷分配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
部分工程问题需要同时优化多个相互冲突的目标,该类问题被称为多目标优化问题。这类问题往往具有非线性、不可微等特性,无法采用传统的优化方法进行求解。进化算法在解决非线性、高维度、复杂关联的多目标优化问题时表现出优于传统算法的性能,但是在处理具有复杂Pareto解集、超多目标等问题时仍然存在缺陷。针对上述缺陷,提出适用不同类型优化问题的多目标进化算法,并设计了适用于河南某铝厂“1+4”铝热连轧精轧机组的轧制负荷分配系统。主要研究内容如下:(1)传统多目标粒子群算法侧重于对解的搜索或选择,但孤立的设计进化算子或改进选解机制对算法性能的提升有一定限制。为了提升粒子群算法对不同类型多目标优化问题的适应能力,提出了混合非支配排序和权重向量分解的粒子群算法。算法采用不同的选解机制选取全局最优粒子和个体最优粒子,将解集中个体之间的关系融入到解的搜索和选择过程中。为了验证算法的有效性,采用ZDT和DTLZ系列测试函数进行仿真研究,结果表明所提算法在具有不同Pareto前沿的优化问题中表现出很强的适应性。(2)针对具有复杂关联变量的多目标优化问题,提出了基于环境历史信息的多目标进化算法(MOEA-EHI)。算法采用进化过程中优秀个体的历史信息作为参数调整的依据,以提高精英个体的生成概率;采用模拟参考前沿提供的环境信息作为个体选择的依据,以提高精英个体的存活概率。通过综合利用环境和历史信息,提高算法在决策空间的搜索能力和在目标空间的多样性保持能力。为了验证算法的有效性,采用具有复杂关联变量的UF系列测试函数进行仿真研究,结果表明算法在决策空间和目标空间具有良好的收敛性。(3)针对超多目标优化问题中传统Pareto支配关系失效的问题,提出了基于自适应参考向量的超多目标进化算法。算法采用最近个体之间的夹角余弦值作为多样性惩罚值,采用个体与参考向量之间的夹角余弦以及个体距离原点的位置作为选解依据。双重参考选解机制采用不同的选解依据分别选取进化种群和精英种群,并在进化过程中交换信息以保持种群的多样性。为了验证算法的有效性,采用目标个数为5、10和15的DTLZ系列测试函数进行数值仿真,结果表明所提算法在超多目标优化问题中能够有效收敛。(4)连轧机组负荷分配优化是一个典型的多目标优化问题。其中,轧制力是负荷分配的主要参数。为提高轧制力预测精度,采用基于数据分类的神经网络进行轧制力预报;为提高生产效率和产品质量,设计叁个符合工艺要求的目标函数,并采用多目标进化算法对负荷分配问题进行求解。仿真实验结果表明,优化后的负荷分配方案降低了打滑出现的概率,平衡了各机架负荷,并降低了轧制总能耗,对实际生产有着重要的指导作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
轧制负荷分配论文参考文献
[1].李荣雨,张卫杰,周志勇.改进的粒子群算法在轧制负荷分配中的优化[J].计算机科学.2018
[2].呼子宇.多目标进化算法的改进及其在轧制负荷分配中的应用研究[D].燕山大学.2017
[3].赵敏,刘义滔,陈剑飞,杨光,艾强.武钢CSP硅钢轧制负荷再分配相关性研究[C].全国薄板坯连铸连轧生产技术研讨会论文集.2017
[4].汤红生.压下率负荷分配比在冷连轧薄规格轧制中的应用[J].梅山科技.2016
[5].蒋澄灿,芮延年,廖黎莉,管淼,沈铭.基于智能算法的铅带轧制过程负荷分配系数优化[J].中国机械工程.2016
[6].王强,张小平.基于Φ函数负荷分配法的轧制规程的优化设定[J].机械工程与自动化.2014
[7].万馨.基于智能算法的带钢轧制过程负荷分配技术的研究[D].苏州大学.2014
[8].李继新.热轧轧制力比率模式负荷分配方法[J].科技与企业.2013
[9].李维刚.自由程序轧制中轧辊横移与负荷分配的建模与优化研究[D].东北大学.2012
[10].李维刚,张健民.带钢热连轧轧制力模式负荷分配的改进算法[J].宝钢技术.2012