[0207] 1)单目标优化方法（如加权法）需要确定目标权重，要求决策者有足够的先验知 识，否则很难得到理想的解，特别是当目标数量级不同时，目标权重就更难确定；而多目标 优化方法不需要先验知识，决策者可从获得的Pareto最优解集中通过人机交互方式挑选 自己满意的解，因而具有较大的决策自由度。
[020引 2)多目标优化方法得到的Pareto最优前沿可W反映出不同目标间的矛盾关系， 由此可检验目标选择的合理性，同时使决策者在"信息安全"情况下做决策。
[0209] 3)多目标优化方法一次运行便产生多个Pareto最优解，而单目标优化方法运行 一次仅能产生一个最优解，若想获得多个解，需要运行多次，优化效率不高。
[0210] 此外，在本技术方案中，其"在线控制"采用社制力模式负荷分配系数法，满足了在 线计算和实时控制的要求：稳定，具有良好的收敛性，且计算速度较快。
[0211] 由于本发明将"离线优化+在线控制"相结合，采用智能优化方法离线确定精社负 荷分配系数，采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，综合了 两种方法的优点，在采用智能优化方法离线确定精社负荷分配系数时，兼顾精社带钢的社 制能耗与良好板形，既满足了实时在线计算/控制的时间要求，又兼顾了社制能耗与板形 控制要求，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。
[0212] 本发明可广泛用于热连社机带钢的生产过程控制和精社带钢产品质量控制领域。
【主权项】
1. 一种兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，包括确定精轧负荷分配 系数，据此进行精轧带钢各机架轧制厚度的分配以及对精轧带钢各机架轧制厚度的在线控 制，其特征是所述的热轧带钢负荷分配方法包括下列步骤： 步骤一、精轧负荷分配系数的离线优化： 首先建立精轧带钢负荷分配的多目标优化模型，包括确定精轧负荷分配优化问题的 目标函数与优化算法；然后通过离线优化计算，获得典型带钢层别的精轧负荷分配方案的 Pareto最优解集； 步骤二、精轧负荷分配系数的离线决策： 采用基于加权聚合的决策方法，从步骤一所得到的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； 步骤三、精轧各机架带钢轧制厚度的分配计算与在线控制： 利用上述步骤得到的典型带钢层别的负荷分配系数，进行轧制力模式负荷分配的在线 计算，获得最终在线使用的热轧带钢负荷分配方案，从而得到精轧各机架的压下量及其出 口厚度，按照上述精轧各机架的压下量及其出口厚度，对精轧机各机架的带钢轧制厚度进 行在线实时控制。2. 按照权利要求1所述的兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，其特征 是所述的热轧带钢负荷分配方法，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，利用轧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，在采用智能优化方法离线确定精轧负荷分配系数时，兼顾精轧带钢 的轧制能耗与良好板形，在克服人工经验方法不足的同时，达到提高精轧带钢板形控制精 度和轧制稳定性的目的。3. 按照权利要求1所述的兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，其特 征是在所述的步骤一中，按照下列步骤来确定精轧负荷分配的多目标优化模型及其优化算 法： S11，建立精轧负荷分配的多目标优化模型： 选取轧制能耗最小目标和带钢板形良好目标作为精轧负荷分配优化问题的目标函 数： (1) 轧制能耗最小目标 所述的轧制能耗最小目标采用下列表达式进行表述：其中：队为第i机架的轧制功率（kW)九为第i机架的出口厚度（mm) ;n为精轧机架 数。 (2) 带钢板形良好目标 所沭的带钢板形自好目标采用下列表汰式讲行表沭： 其中，h为第i机架的出口厚度（mm) 为第i机架的出口凸度（ym) 优化调 节量；其中，W为带钢宽度（mm) ;a和b为模型参数； 选择精轧各机架的出口厚度作为负荷分配优化的决策变量：h= (1^，h2,…，hn2,hnD公式（4) 其中，h为决策变量矢量；n为精轧机架数； 所述精轧带钢负荷分配的多目标优化模型采用下列表达式描述：其中，Pn为最大轧制力（kN)山为电流，In为最大电流⑷；h。为中间坯厚度，hn为产 品目标厚度（_)。 S12,确定求解负荷分配优化模型的多目标优化算法： 选取带精英策略的非支配排序遗传算法NSGA-II作为求解精轧负荷分配问题的多目 标优化算法； 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，即可获得该层别精轧负荷分配的Pareto最优解集，即一序列可供选择的负荷分配 优化解。4. 按照权利要求1所述的兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，其特征 是在所述的步骤二中，采用基于加权聚合的决策方法，来挑选最终的Pareto优化解，其所 述加权后的目标函数采用下列表达式进行描述：其中，％，分别为2个目标函数的权重，且％+% = 1 ;flinin和flinax(i= 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； 确定权重{>:，《2}的取值后，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； 得到最终的Pareto优化解后，进一步获得其对应的精轧各机架轧制力的比例系数，将 其作为该典型带钢层别的负荷分配系数。5. 按照权利要求1所述的兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，其特 征是在所述的步骤三中，所述轧制力模式负荷分配迭代计算各机架出口厚度的具体过程如 下： 531、 确定精轧各机架出口厚度的初始值： 采用下述经验插值法：式中，n为精轧机架数；h。为中间坯厚度；hn为终轧厚度；为各机架出口厚度的初始 值；为各机架厚度分配的经验表格值；kg为增益系数，取值范围1 <kg <n; 532、 计算在当前负荷分配下精轧各机架的轧制力和轧制力对压下量的导数： 在其它工艺参数固定的情况下，乳制力是各机架入口厚度和出口厚度的函数；在精轧 负荷分配方案变化的情况下，需要重新计算各机架的轧制力#，为第i机架第j次迭代 的轧制力；同时，需要计算轧制力对压下量的导I^中^^』为第i机架第j次迭 代的压下量； 533、 根据上述各机架的轧制力和轧制力对压下量导数的计算结果，计算精轧各机架压 下量的修正值； 其所述轧制分配迭代计算的表达式为：(8) 其中，为第i机架第j次迭代的压下量的修正值； 534、 压下量的修正值>得到后，计算精轧各机架的压下量与出口厚度： 精轧各机架压下量的更新计算公式为：其中为第i机架第j+1次迭代的压下量，damp,为阻尼系数，damp,= 3 + (1_ 3 ) ? (l_ej)，3 取 0? 6 ; 各机架的压下量得到后，可计算各机架的出口厚度； 535、 判断精轧各机架的轧制力比例是否满足收敛条件： 所述轧制力分配迭代计算的收敛条件为：其中，T为正数，可取0.01 ; 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 ; 上述迭代计算结束后，即可得到精轧各机架的压下量及其出口厚度。6. 按照权利要求1所述的兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，其特征 是在所述的步骤三中，所述轧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： A、 根据步骤二得到用于轧制力模式负荷分配在线计算用的负荷分配系数； B、 根据经验插值法确定精轧各机架出口厚度的初始值； C、 计算在当前负荷分配下精轧各机架的轧制力、乳制力对压下量的导数； D、 计算精轧各机架压下量的修正值； E、 计算精轧各机架压下量与出口厚度的更新值； F、 判断各机架的轧制力比例是否满足收敛条件； G、 如各机架的轧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 ; H、 上述迭代计算结束后，即可得到精轧各机架的压下量及其出口厚度。7. 按照权利要求1所述的兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，其特征 是所述的热轧带钢负荷分配方法，采用智能优化方法确定负荷分配系数，以避免传统经验 方法需要反复试错、试验成本较高的缺陷。
【专利摘要】一种兼顾轧制能耗与良好板形的热轧带钢负荷分配方法，属控制领域。所述的热轧带钢负荷分配方法包括下列步骤：步骤一、精轧负荷分配系数的离线优化；步骤二、精轧负荷分配系数的离线决策；步骤三、精轧各机架带钢轧制厚度的分配计算与在线控制。本发明将“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，利用轧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，在采用智能优化方法离线确定精轧负荷分配系数时，兼顾精轧带钢的轧制能耗与良好板形，在克服人工经验方法不足的同时，达到提高精轧带钢板形控制精度和轧制稳定性的目的。可广泛用于热连轧机带钢的生产过程控制和精轧带钢产品质量控制领域。
【IPC分类】B21B37/28, B21B37/58, B21B37/16
【公开号】CN105013832
【申请号】CN201410174732
【发明人】李维刚, 田勇, 陈龙夫, 朱海华
【申请人】宝山钢铁股份有限公司
【公开日】2015年11月4日
【申请日】2014年4月28日