br>[0056] 其所述社制分配迭代计算的表达式为：
[0057]
公式（8)
[0058] 其中，成这为第i机架第j次迭代的压下量的修正值；
[0059]S34、压下量的修正值得到后，计算精社各机架的压下量与出口厚度：
[0060] 精社各机架压下量的更新计算公式为：
[0061]
[0062] 其中Allf3为第i机架第j+i次迭代的压下量，damp,为阻尼系数，damp,= 目+(1-目）?（1-e0,目取0. 6 ;
[0063] 各机架的压下量得到后，可计算各机架的出口厚度；
[0064] S35、判断精社各机架的社制力比例是否满足收敛条件：
[0065] 所述社制力分配迭代计算的收敛条件为：
[0066]
[0067] 其中，X为正数，可取0.01 ;
[0068] 当公式（10)成立，或者迭代次数j超过设定次数时结束迭代计算，否则继续执行 S32步骤，同时迭代次数j累加1 ;
[0069] 上述迭代计算结束后，即可得到精社各机架的压下量及其出口厚度。
[0070] 进一步的，在所述的步骤H中，所述社制力模式负荷分配迭代计算各机架出口厚 度的具体计算过程如下：
[0071] A、根据步骤二得到用于社制力模式负荷分配在线计算用的负荷分配系数；
[0072] B、根据经验插值法确定精社各机架出口厚度的初始值；
[0073] C、计算在当前负荷分配下精社各机架的社制力、社制力对压下量的导数；
[0074] D、计算精社各机架压下量的修正值；
[0075] E、计算精社各机架压下量与出口厚度的更新值；
[0076] F、判断各机架的社制力比例是否满足收敛条件；
[0077] G、如各机架的社制力比例满足收敛条件，则结束迭代计算过程；否则，返回继续执 行第C步骤，同时迭代次数j累加1 ;
[0078] H、上述迭代计算结束后，即可得到精社各机架的压下量及其出口厚度。
[0079] 其所述的热社带钢负荷分配方法，采用智能优化方法确定负荷分配系数，W避免 传统经验方法需要反复试错、试验成本较高的缺陷。
[0080] 与现有技术比较，本发明的优点是：
[0081] 1.本技术方案将"离线优化+在线控制"相结合，利用智能优化方法离线优化得到 典型带钢层别的负荷分配系数，利用社制力模式负荷分配系数法实现在线计算和进行实时 在线控制，既可满足在线计算/控制的时间要求，又兼顾了社制能耗与板形控制要求；
[0082] 2.用智能优化方法确定负荷分配系数，用社制力模式负荷分配系数法进行在线控 巧1|，在克服人工经验方法不足的同时，达到提高精社带钢社制规程设定精度和社制稳定性 的目的。
【附图说明】
[0083] 图1是本发明的方法步骤方框示意图；
[0084] 图2是本发明热社带钢负荷分配方法示意图；
[0085] 图3是本发明社制力模式负荷分配计算过程流程图；
[0086] 图4是本发明目标函数随迭代次数的变化示意图；
[0087] 图5是本发明典型碳钢负荷分配的Pareto最优前沿示意图；
[0088] 图6是各次迭代计算过程中的社制力分布示意图。
【具体实施方式】
[0089] 下面结合附图和实施例对本发明做进一步说明。
[0090] 图1和图2中，本专利技术方案的主要方法步骤包括；精社负荷分配系数的离线优 化、精社负荷分配系数的离线决策和精社各机架带钢社制厚度的分配计算与在线控制。
[0091] 具体的，本发明的技术方案提供了一种兼顾社制能耗与良好板形的热社带钢负荷 分配方法，包括确定精社负荷分配系数，据此进行精社带钢各机架社制厚度的分配W及对 精社带钢各机架社制厚度的在线控制，其特征是所述的热社带钢负荷分配方法包括W下步 骤：
[0092] 步骤一、精社负荷分配系数的离线优化一首先建立精社带钢负荷分配的多目标 优化模型，包括确定精社负荷分配优化问题的目标函数与优化算法；接着通过离线优化计 算，获得典型带钢层别的精社负荷分配方案的Pareto最优解集。
[0093] 采用智能优化方法确定负荷分配系数，可W避免传统经验方法需要反复试错、试 验成本较高的缺陷。
[0094] 在生产实践中，很多工程设计与决策问题都是多目标问题，而且各个目标之间很 可能是互相冲突的，即无法使各个目标同时达到最优，一个目标的改进往往W牺牲另外一 个目标为代价。
[0095] -般地，解决多目标问题的方法是通过加权组合将其转化为优化方法比较成熟的 单目标优化问题，但送类方法较难构造评价函数并且一次只能产生一个解，很难客观评价 所得多目标问题的解的优劣性。
[0096] 多目标优化是指优化过程中所考虑的优化目标不是单一的，通常情况下各目标函 数之间是相互矛盾的，因此不存在使所有目标都达到最优的"绝对最优解"，只能求得"满意 解集"，由决策者最终选定某一个满意解作为最终优化解。
[0097] 多目标优化问题与单目标优化问题的本质不同在于；多目标优化问题的最优解是 一个集合，而不是一个全局最优解，我们称送个解集为Pareto最优解集。Pareto解集包含 很多个解，各解之间没有优劣之分。
[009引热社带钢负荷分配是一个多目标优化问题，下面给出精社负荷分配的多目标优化 模型及其优化算法：
[0099]S11，建立精社负荷分配的多目标优化模型
[0100] 选取社制能耗最小目标和带钢板形良好目标作为精社负荷分配优化问题的目标 函数：
[0101] (1)社制能耗最小目标
[0102] 社制能耗最小目标是指在来料和成品规格尺寸、社制机架及成品道次的社制速 度给定的情况下，通过优化调整精社各机架的压下量，使精社各机架的总社制能耗达到最 小；
[0103]
[0104] 其中；Ni为第i机架的社制功率（kW)也为第i机架的出口厚度（mm) ;n为精社机 架数。
[0105] 随着节能降耗成为多数钢铁企业追求的目标，社制能耗最小目标变得更有意义。
[0106] (2)带钢板形良好目标
[0107] 精社下游机架比例凸度的变化要满足带钢平直度死区条件，W确定在机架间获得 良好的带钢板形，该目标函数可表达为：
[010 引
[0109] 其中，为第i机架的出口厚度（mm)码为第i机架的出口凸度（ym) ;Ai为优 化调节量。
[0110] 设揉cr.//?,.;，则有
[0111]
[011引其中，W为带钢宽度（mm) ;a和b为模型参数。
[0113] 在精社负荷分配优化问题中，目标函数和约束条件都与各机架的出口厚度有直接 或间接的关系，因此选择精社各机架的出口厚度作为负荷分配优化的决策变量：
[0114]h=化1，hz，…，hn2,hn1)公式（4)
[0115] 其中，h为决策变量矢量；n为精社机架数。
[0116]基于W上分析，精社带钢负荷分配的多目标优化模型可W描述为：
[0117]
[011引其中，Pm为最大社制力化脚；Ii为电流，Im为最大电流（A) ;h。为中间昆厚度，h。为 广品目标厚度（mm)。
[0119]S12,确定求解负荷分配优化模型的多目标优化算法
[0120] 为了求解负荷分配优化问题，需要确定多目标优化算法。带精英策略的非支配排 序遗传算法（NSGA-II)是2002年Deb等人对其算法NSGA的改进，它是迄今为止最优秀的 多目标进化算法之一，其本质是一种基于Pareto最优概念的多目标遗传算法，本专利的技 术方案选取NSGA-II作为求解精社负荷分配问题的多目标优化算法。
[0121] 对任何一个典型的带钢层别，通过公式（5)所示的多目标优化模型，利用NSGA-II 算法来求解，可获得该层别精社负荷分配的Pareto最优解集，即一序列可供选择的负荷分 配优化解。
[0122] 步骤二、精社负荷分配系数的离线决策一采用基于加权聚合的决策方法，从步 骤一得到的Pareto最优解集中，挑选最终的Pareto优化解，作为典型带钢层别的负荷分配 系数本步骤的任务为从步骤一得到的负荷分配Pareto最优解集中挑选出最终的Pareto优 化解。
[0123] 在多目标优化中，决策者通常根据各目标函数的重要性和特定偏好来挑选最终的 Pareto优化解。本专利给出一种基于加权聚合的决策方法，来挑选最终的Pareto优化解， 加权后的目标函数被定义为：
[0124]
[012引其中，《1，"2分别为2个目标函数的权重，需要满足关系式《1+"2= 1 和 = 1，2)分别表示Pareto最优解集中第i个目标函数的最小值和最大值，可通过 Pareto最优前沿上获得。
[0126] 决策者可根据各目标函数的重要性来决定权重{>1，的取值。
[0127] 确定权重{>1，coj的取值后，可计算Pareto最优解集中所有优化解的加权目标 函数值f，选择加权目标f取最小值时的解作为最终的Pareto优化解。
[0128] 得到最终的Pareto优化解后，可进