导读:本文包含了板坯匹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:宽厚板,余材板坯,智能组板,优化匹配
板坯匹配论文文献综述
谭玉倩[1]（2019）在《宽厚板余材板坯智能匹配系统的设计与开发》一文中研究指出为了满足莱钢宽厚板生产线在订单组合及组板设计方面的要求,为设计者提供决策每一批订单最优组板方案所需的基本数据和信息,自主开发了宽厚板智能组板系统,其中余材板坯智能匹配系统实现了多功能订单余材板坯信息选择、智能板坯设计、虚拟大板订单优化匹配等功能,采用数学规划算法解决虚拟大板与订单的优化匹配难题,设计了融合经验知识和规则的智能组板模型。系统投用后,余材板坯组板成材率显着提高,至2018年7月共进行余材坯匹配组板52 829t,组板成材率88.69%,较系统投用前提高了1.45%。(本文来源于《山东冶金》期刊2019年01期）
龚新畅[2]（2016）在《钢铁企业板坯匹配与热轧计划集成优化问题研究》一文中研究指出本文以国内某大型钢铁企业的板坯匹配过程与板坯热轧过程为背景,为了实现生产的连续性,提高板坯的利用率,减少热坯的等待时间,降低能耗,实现板坯匹配与热轧计划的协调优化,研究了板坯匹配与热轧计划集成优化问题。针对板坯匹配与热轧计划集成优化问题,采用了复合型变异策略及改进变异公式,与提出的多种启发式产生初始解的相结合的方式来进行求解。本文主要工作如下:(1)从钢铁企业板坯热轧加工过程中提炼出板坯匹配与热轧集成优化问题。该问题的任务是在满足合同需求能力、热轧计划规程等实际工艺约束的前提下,同时确定板坯与合同的匹配关系及已配板坯在热轧机组的加工顺序。针对该问题,以提高板坯的利用率,提高热装热送比,降低生产切换成本,提高匹配质量等为优化目标,建立了 0-1整数规划模型。通过采用标准优化软件CPLEX对所建立的模型进行求解,验证了模型的正确性。(2)针对板坯匹配与板坯热轧集成优计问题设计了改进的差分进化算法,克服了常规标准优化软件无法求解大规模算例的难题。在算法中,设计了一种实数编码方式,保证了板坯合同多对一的匹配模式及板坯与轧制单元的一一对应关系。提出了多种启发式算法,并将启发式与随机策略结合生成高质量的初始种群。同时,提出了一种新型变异方式,通过让多个个体参加变异的策略,有效提升了算法的寻优能力。最后,通过对多组实际数据的测试,并与标准优化软件CPLEX求的解进行比较,验证了所提出算法及改进策略的有效性。(3)针对钢铁企业板坯匹配与板坯热轧过程进行业务流程与需求分析,将提出的数学模型及算法与人机交互的方式相结合,设计并开发了板坯匹配与热轧计划优化决策支持子系统,该系统能够有效提高计划人员的工作效率,有效增加板坯匹配与板坯热轧计划的灵活性与实用性。(本文来源于《东北大学》期刊2016-12-01）
毕俊峰[3]（2013）在《钢铁企业板坯优化匹配系统研究与实现》一文中研究指出随着钢铁市场需求趋于复杂化、多品种、小批量的方向发展,企业大规模集批的生产方式与客户的小批量合同需求之间形成了不可避免的矛盾。为了减少这种矛盾带来的影响,钢铁企业的计划人员必须更加合理地对板坯进行设计和匹配以提高企业利润和客户满意度。首先,为了满足机组的最小加工能力,企业会生产相当数量的余材产品,同时连铸生产过程中因改钢、降级、调宽及小合同等原因产生了一定数量的无法与正常期货合同相匹配的板坯,统称为无委托板坯匹配问题。其次,板坯作为一种重要的半成品,对整个钢铁生产过程中的物流平衡都起到重要作用。由于某些原因,不可避免地产生一些不合理的板坯合同匹配关系。因此,为提高钢铁企业板坯利用率,脱掉不合理的板坯和合同的匹配关系,在满足流向的情况下,建立新的匹配模式,称为全委托板坯匹配问题。本论文立足于解决无委托和全委托匹配两个问题,具体研究内容如下：(1)以最小化匹配费用为目标(包括规格匹配、合同优先级和合同完成率等),建立了反映实际板坯匹配的无委托和全委托数学规划模型；(2)针对模型的特点分别提出了基于蚁群的无委托匹配算法和基于禁忌搜索的全委托匹配算法。两个算法能够在快速的时间内获得问题的满意解。以上述模型和算法为核心,设计并开发了自动生成匹配方案的优化方法及具有良好人机交互界面的《板坯自动优化匹配系统》。作为个性化的决策支持系统,其可以高效、准确且较为实时地实现无委托板坯的自动优化匹配和板坯匹配的重新优化。该系统的无委托部分可以大幅度地提高无委托板坯匹配量及匹配合同的完成数量,同时能有效控制并降低匹配板坯的切损量及合同的余材量。该系统的全委托部分能有效地提高了板坯匹配质量、降低板坯切损量、降低了合同余材量、提高了合同完整性和紧急合同的完成率。(本文来源于《东北大学》期刊2013-01-01）
涂雪平,施灿涛,李铁克[4]（2011）在《基于模糊匹配的板坯入库优化决策问题模型及求解》一文中研究指出针对板坯入库优化决策问题,采用隶属度函数表示待入库板坯长度、宽度、厚度与各库位已存板坯对应属性的匹配程度,建立了板坯入库模型.针对问题特征,借鉴遗传算法的交叉和变异操作,设计了一种混合离散粒子群算法(DPSO--CM)进行求解.基于企业实际生产数据的仿真实验验证了模型和算法的可行性和有效性.(本文来源于《北京科技大学学报》期刊2011年03期）
田辉,杜斌,朱俊[5]（2010）在《板坯转用充当中二次匹配问题的研究与应用》一文中研究指出为了进一步减少板坯库存,提高板坯的利用率和缩短合同完成周期,需要对合同与板坯进行二次匹配。在某钢企的人工转用充当系统的基础上,面向实际转用充当的动态特性,针对其生产工艺的行业特征,建立了合同与板坯二次匹配模型,提出一个针对性强的自适应遗传算法求其解,并开发出有实际应用价值的板坯自动转用充当系统。二次匹配模型通过绝对目标减少优化的复杂度,所提出的遗传算法采用混合编码方式,初始种群为最初匹配关系。通过大量的数据测试和实际应用表明该模型进一步提高了合同的完成量和板坯的使用准确率,使得合同与板坯的匹配更加合理有效。(本文来源于《控制工程》期刊2010年S3期）
吕超[6]（2009）在《钢铁企业板坯设计与匹配优化问题研究》一文中研究指出近年来,随着钢铁工业全球化进程的不断加快,客户需求越来越多样化,呈现出多品种、小批量、复杂化的特点。另一方面,钢铁企业由于生产工艺和设备的限制,使其必须采用大规模的批量生产方式,这就造成了与客户的小批量合同需求之间的不可避免的矛盾。为了削弱这种矛盾带来了影响,钢铁企业的计划人员必须更加合理地对板坯进行设计和匹配,本文就围绕这两个问题分别进行了研究,具体研究内容如下：(1)板坯设计问题是将特征相同或相近的合同(包括物理和化学特征)映射到一块大板坯上。以完成合同数最大化、生产板坯数最小化为目标,并尽量减少余材。基于聚类思想和背包思想设计两种启发式算法进行求解,使用该钢铁企业的实际生产数据对算法进行了测试,计算结果表明基于背包思想的启发式能够产生较好的解。(2)板坯匹配问题是使用库存板坯匹配给合同订单以减少生产成本。以往文献中的板坯匹配问题都是研究单产线的板坯匹配,问题的对象是没有合同的无委托板坯。而本文研究的板坯匹配问题与以往不同,是多产线板坯与重点合同匹配问题。其主要特点是多条产线的板坯和合同数据规模非常大,并且产线之间存在耦合现象,问题的对象是重点合同(计划人员提出的需要优先重点匹配的合同),面对的板坯包括无委托板坯和已经建立了合同关系的全委托板坯。本文针对多产线板坯与重点合同匹配问题建立了多目标0-1整数规划模型,模型以提高板坯与合同的匹配质量、提高板坯利用率为目标,同时考虑了板坯优先级、合同优先级、合同完整性等方面。(3)针对问题规模大、条件复杂等特点,本文采用新兴的分散搜索算法与嵌入迭代局部搜索算法的分散搜索算法对问题进行求解。首先通过设计不同的启发式算法构造初始种群(包括根据板坯匹配工艺Know-how构造的初始解),选择质量较好的和分散性较好的解作为参考集,从参考集中选择二元子集组合新解,设计了迭代局部搜索算法对新解进行改进,搜索邻域采用基于交换邻域和插入邻域的混合邻域,采用静态更新策略更新参考集。为验证改进后的算法的有效性,采用该钢铁企业的实际生产数据对算法进行了测试,并对Know-how启发式算法、分散搜索算法、及嵌入迭代局部搜索算法的分散搜索算法的结果进行了比较,计算结果表明混合算法要好于其他两种算法。(4)以嵌入的模型与混合算法为核心,本文设计开发了板坯匹配决策支持系统,该系统目前已在国内某钢铁企业试运行。系统能够有效地提高板坯与合同的匹配质量,提高板坯利用率,减少板坯的余材及切割量,并为企业带来较好的经济效益和社会效益。(本文来源于《东北大学》期刊2009-07-03）
罗锐[7]（2009）在《钢铁企业板坯QM合同匹配与负荷分配问题的研究》一文中研究指出随着经济一体化进程的不断加快,钢铁企业作为国家经济命脉上的重要环节,在国家经济体系中扮演着重要的角色。目前国际原料供应日趋紧张,致使许多钢铁企业产品成本居高不下,利润空间越来越小。然而,钢铁企业难以再通过传统的手段来降低产品的成本。因此,如何利用科学的管理思想来降低钢铁企业的生产成本,成为近年来钢铁企业提高其产品市场竞争力关注的焦点。本文以降低生产成本为目的,对钢铁企业热轧板坯QM合同问题和热连轧精轧负荷分配问题进行了研究,具体内容概括如下。(1)热轧板坯QM合同匹配问题。热轧QM合同与普通的期货合同不同,它代表一种make-to-stock的生产方式。与常见的无委托板坯匹配问题相比,热轧板坯QM合同匹配需要预测在库无委托板坯的期货配成率、考虑控制库存水平和设计虚拟合同。本文对钢铁企业热轧板坯QM合同匹配问题进行了细致的分析,提出了无委托板坯期货配成率计算方法及无委托板坯库存计算方法,并根据热轧板坯QM合同匹配问题的特点,分别建立了无委托板坯确定产线模型和热轧QM合同聚类优化模型。本文所建立的模型均未在公开发表的文献中见到过。并且,对于热轧QM合同聚类优化问题,本文首次提出了一个基于启发式的多项式时间最优化算法。最后,本文基于所提出的模型与算法,开发了热轧板坯QM合同匹配自动优化决策支持系统,为钢铁企业的热轧板坯QM合同匹配过程提供了科学、便捷、可靠的决策支持。(2)热连轧精轧负荷分配问题。钢铁企业热连轧精轧负荷分配问题是钢铁企业为了适应现代市场向低成本市场转变,积极响应国家“建设资源节约型社会”的号召而做的生产过程中精轧机组能耗(负荷)分配方法的研究。本文基于钢铁企业热连轧精轧机组负荷分配问题的目标、生产实际约束和实际生产中出现的问题,在经典轧制理论的基础上,提出了热连轧精轧机组负荷分配问题的优化模型。针对钢铁企业热连轧精轧机组负荷分配问题的特点,本文采用差分进化算法进行求解,并提出了一个线性变换的解码规则和一个基于启发式的修复策略。本文在标准差分进化算法的框架上,通过引入自适应交义概率递增策略和带扰动的局部搜索策略,提出了自适应差分下降算法用来改善标准差分进化算法的求解效果。最后,本文将所采用的智能优化算法与基于Know-how知识的人工负荷分配算法进行了比较,验证了算法的有效性。(本文来源于《东北大学》期刊2009-07-01）
罗家祥,唐立新,李小林,刘建荣,邬成新[8]（2009）在《分散搜索算法在板坯匹配优化问题中的应用研究》一文中研究指出板坯匹配问题是钢铁企业在日常生产管理中经常遇到的问题,其任务是对板坯与合同的匹配关系进行优化,从而提高板坯利用率和客户满意度。作者针对该问题,将板坯与合同的可匹配条件转化为规格费用,建立了整数规划模型,通过最小化匹配费用来追求高的板坯利用率和客户满意度。采用了分散搜索算法(SS)进行求解,该算法特点是通过参考集,尽量产生分散于整个解空间的多个解作为局部搜索算法的初始解,从而保证整个搜索算法的广泛性。为验证算法有效性,用实际的板坯匹配数据对算法进行了测试。在评价匹配方案优劣的多个指标上,算法结果明显优于原有匹配关系。(本文来源于《全国冶金自动化信息网2009年会论文集》期刊2009-05-01）
田志波,唐立新,任一鸣,赵永明,邬成新[9]（2009）在《基于合成邻域的蚁群算法求解无委托板坯匹配问题》一文中研究指出无委托板坯是指炼钢工序剩余的暂时没有合同对象的板坯.无委托板坯匹配问题是研究如何将这些板坯合理分配给热轧计划中的合同.针对实际问题,建立了多目标优化的0-1整数规划模型.鉴于其NP-hard特性,采用蚁群算法(Ant colony optimization,ACO)获得近似解.根据问题特点,提出钢级分解策略,并加入随机扰动策略,构造了合成邻域以改进算法性能.目前,以该算法为核心的决策支持系统已在企业通过应用验证,与人工匹配相比,日匹配板坯量平均提高了52.42%,百吨板坯匹配切损量平均降低了11.36%.(本文来源于《自动化学报》期刊2009年02期）
白小振,吉守龙[10]（2008）在《遗传算法在无委托板坯与合同匹配中的应用》一文中研究指出无委托板坯与合同匹配是一个非线性的、带有约束的、多目标优化问题,用传统的算法难以实时性地求出满意解;为此,将基于修复策略的改进式多目标遗传算法作为求解策略,既保证了约束条件的满足,又保证了收敛速度。将该算法应用于某企业热送装工艺流程的无委托板坯与合同匹配模型中,获得了比较理想的仿真效果,实现了在线优化匹配,从而验证了该算法的实用性和灵活性,为更科学更合理地进行板坯与合同优化匹配提供了一个途径。(本文来源于《控制工程》期刊2008年01期）
板坯匹配论文开题报告
（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：
本文以国内某大型钢铁企业的板坯匹配过程与板坯热轧过程为背景,为了实现生产的连续性,提高板坯的利用率,减少热坯的等待时间,降低能耗,实现板坯匹配与热轧计划的协调优化,研究了板坯匹配与热轧计划集成优化问题。针对板坯匹配与热轧计划集成优化问题,采用了复合型变异策略及改进变异公式,与提出的多种启发式产生初始解的相结合的方式来进行求解。本文主要工作如下:(1)从钢铁企业板坯热轧加工过程中提炼出板坯匹配与热轧集成优化问题。该问题的任务是在满足合同需求能力、热轧计划规程等实际工艺约束的前提下,同时确定板坯与合同的匹配关系及已配板坯在热轧机组的加工顺序。针对该问题,以提高板坯的利用率,提高热装热送比,降低生产切换成本,提高匹配质量等为优化目标,建立了 0-1整数规划模型。通过采用标准优化软件CPLEX对所建立的模型进行求解,验证了模型的正确性。(2)针对板坯匹配与板坯热轧集成优计问题设计了改进的差分进化算法,克服了常规标准优化软件无法求解大规模算例的难题。在算法中,设计了一种实数编码方式,保证了板坯合同多对一的匹配模式及板坯与轧制单元的一一对应关系。提出了多种启发式算法,并将启发式与随机策略结合生成高质量的初始种群。同时,提出了一种新型变异方式,通过让多个个体参加变异的策略,有效提升了算法的寻优能力。最后,通过对多组实际数据的测试,并与标准优化软件CPLEX求的解进行比较,验证了所提出算法及改进策略的有效性。(3)针对钢铁企业板坯匹配与板坯热轧过程进行业务流程与需求分析,将提出的数学模型及算法与人机交互的方式相结合,设计并开发了板坯匹配与热轧计划优化决策支持子系统,该系统能够有效提高计划人员的工作效率,有效增加板坯匹配与板坯热轧计划的灵活性与实用性。
（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。
板坯匹配论文参考文献
[1].谭玉倩.宽厚板余材板坯智能匹配系统的设计与开发[J].山东冶金.2019
[2].龚新畅.钢铁企业板坯匹配与热轧计划集成优化问题研究[D].东北大学.2016
[3].毕俊峰.钢铁企业板坯优化匹配系统研究与实现[D].东北大学.2013
[4].涂雪平,施灿涛,李铁克.基于模糊匹配的板坯入库优化决策问题模型及求解[J].北京科技大学学报.2011
[5].田辉,杜斌,朱俊.板坯转用充当中二次匹配问题的研究与应用[J].控制工程.2010
[6].吕超.钢铁企业板坯设计与匹配优化问题研究[D].东北大学.2009
[7].罗锐.钢铁企业板坯QM合同匹配与负荷分配问题的研究[D].东北大学.2009
[8].罗家祥,唐立新,李小林,刘建荣,邬成新.分散搜索算法在板坯匹配优化问题中的应用研究[C].全国冶金自动化信息网2009年会论文集.2009
[9].田志波,唐立新,任一鸣,赵永明,邬成新.基于合成邻域的蚁群算法求解无委托板坯匹配问题[J].自动化学报.2009
[10].白小振,吉守龙.遗传算法在无委托板坯与合同匹配中的应用[J].控制工程.2008