论文部分内容阅读
板带冷连轧轧制规程优化,可以看作是一种非线性约束的多目标优化问题。随着科技发展,生产生活中需求的产品质量越来越高,因此对规程的制定也越来越精细。本文以某厂1250mm五机架连轧机为研究对象,通过改进传统的多目标粒子群算法,提出一种融合多策略的多目标粒子群算法对现有的轧制规程进行优化。主要研究内容如下: 在求解多目标优化问题上,针对算法存在选解困难、易陷入局部最优、解集分布性较差等缺陷,因此提出三个改进策略来提高算法性能。首先,传统的粒子群优化算法,主要依靠种群中粒子自我信息和群体间的共享信息进行种群更新来选取最优解,但是获得的解集分布性差,且收敛速度过慢。为了提高传统算法的优化性能以及最终解集的收敛性和多样性,在原有算法的基础上进一步分析分解选解策略和非支配排序选解策略;其次,粒子群算法极易陷入局部最优,导致种群不再向更好的方向进化,而适当的变异扰动,有利于种群中粒子及时跳出局部最优,因此在粒子群算法中引入多准则变异,加快算法的收敛速度;最后,在算法迭代过程中,对父代、子代以及外部存档3个种群进行非支配排序,选择等级高的解作为精英解存入外部存档中,并且通过传统的外部存档维护策略,对外部存档中的解集进行维护,保证输出的最终解分布均匀,具有良好的多样性。为了验证融合多策略的多目标粒子群优化算法(Multi-Objectiive Particle Swarm Optimzation Algorithm Based On Integrating Multiply Strategies,MSIMOPSO)的有效性,采用ZDT,DTLZ以及部分UF测试函数集进行仿真实验,结果表明,通过分解和非支配排序结合,以及在进化过程中有效的动态变异,算法整体性能有很大的提升。 以1250mm五机架冷连轧机为研究对象,通过对轧制工艺以及设备参数性能分析,制定有效的约束限制;在此基础上,确立以预防打滑,等相对负荷以及末机架板形良好为目标的三目标优化模型;通过改进算法MSIMOPSO对多目标轧制规程模型优化。仿真结果表明,有效的优化可以降低打滑因子,平衡各机架负荷,并且提高末机架板形的质量。