炼钢厂考虑铁水供应条件的多目标调度计划编制方法
【技术领域】
[0001] 本发明设及冶金控制技术领域，具体设及一种炼钢厂考虑铁水供应时间及铁水资 源利用的多目标调度计划编制方法。
【背景技术】
[0002] 钢铁由于资源丰富、成本相对低廉、材料性能优越、易于加工且便于循环利用而成 为最重要的工业原料。钢铁工业是汽车工业、建筑工业、轮船制造工业等众多工业的基础。
[0003] 生产调度是众多生产制造系统中重要的决策过程。炼钢厂作为钢铁制造流程中的 瓶颈工序，其调度是决定炉次什么时间W哪种顺序在生产流程中的哪个设备上进行加工。 炼钢厂优化的调度方案能够带来诸多效益，如节约成本，提高客户满意度，降低能耗等。
[0004] 现有炼钢厂生产流程主要包含4个生产环节:铁水预处理、炼钢、精炼和连铸。炼钢 环节与连铸环节一般各自包含一个并行机组，而铁水预处理环节和精炼环节一般可包含多 个并行机组，W实现不同的工艺要求。一般性的炼钢厂生产过程为:从高炉运来的高溫铁水 经铁水预处理工序后兑入转炉冶炼成钢水，钢水倒入转炉下台车上的钢包内，通过天车和 台车的运输作业，把钢水包运送至精炼环节，根据生产工艺要求依次在不同的精炼设备上 精炼钢水，精炼完成后，再通过天车和台车，把钢水包运送至连铸并实施诱铸，形成铸巧。
[0005] 关于钢厂生产调度优化问题的研究已成为近年来的研究热点。目前已发表的论 文，如陈立等在《融合约束满足和遗传优化的炼钢连铸生产调度》中提出一种约束满足技术 与遗传优化相结合的炼钢调度计划编制算法，首先利用基于逻辑的Benders分解法简化原 问题，然后利用约束满足技术确保求得可行解，最后采用遗传算法的迭代进化完成所求解 的收敛。但其约束优化模型假设铁水供应充足，与实际生产情况仍然存在一定的差异。实际 过程中，铁水的成分和供应时间会受到高炉及运输过程的影响。模型不考虑铁水的供应条 件，会导致调度计划的铁水需求与实际供应不匹配，从而导致调度计划的可执行度降低。钢 厂调度问题是一个多目标优化问题，如Tang等在《Steelmaking process schedul ing using lagrangian relaxation》中W最小化铸机断诱惩罚，炉次等待时间惩罚和炉次工期 提前时间或延迟时间惩罚为目标建立了多目标调度模型；Mao等在《A novel Lagrangian relaxation approach for a hybrid flowshop scheduling problem in the steelmaking-continuous casting process》中W最小化炉次等待时间惩罚和炉次工期提 前时间或延迟时间惩罚为目标建立了多目标调度模型，而将铸机连诱作为模型约束。运些 多目标模型中均采用加权和的方法将多目标模型转为单目标模型进行求解。该方法要求模 型在求解前预先确定各个目标的权重，然而模型目标的权重有时在实际生产过程中很难确 定。另外，求解加权和的单目标模型每次只能获得一个解，通过修改目标权重多次求解模型 的策略可W获得多个解，但必然增加整个决策过程的时间，不符合工厂实时应用需求。目前 已授权的专利，如公开号为CN1556486A的中国专利中披露了一种炼钢连铸生产在线多模式 时间优化调度方法，但其调度模型也没有考虑铁水供应的影响，并且同样采用的是加权和 的方法将多目标模型转为单目标模型进行求解。
【发明内容】
[0006] 为了克服上述现有技术中存在的缺陷，本发明的目的是建立一个考虑铁水供应时 间及铁水资源利用的多目标调度优化模型，并提供一种基于化reto优化的多目标进化算法 进行求解。通过引入与铁水相关的目标函数和约束条件，保证了铁水资源和加工炉次之间 的最有匹配，有利于降低冶炼成本，并提高调度计划在实际生产环境中的可执行度。另外， 采用基于化reto的多目标算法获得多个化reto最优解有助于决策者选择更合适的解应用 于实际生产。该方法解决现有技术中炼钢厂多目标调度计划编制时没有考虑铁水供应时间 及铁水资源利用的问题。
[0007] 为了实现本发明的上述目的，本发明提供了一种炼钢厂考虑铁水供应时间及铁水 资源利用的多目标调度计划编制方法，包括如下步骤：
[000引S1，炼钢连铸调度控制器分别与炼钢厂的MES数据库及MES客户端系统连接并获取 炼钢厂的MES数据库及MES客户端系统中的炼钢连铸计划数据；
[0009] S2，确定多目标函数，所述多目标函数为：
[0013] 其中，目标函数F1是最小化炉次任意两个操作间的等待时间和炉次第一个操作与 其匹配的铁水罐的供应时间之间的等待时间，
[0014] 目标函数F2是最小化各炉次的工期提前时间或延迟时间，
[0015] 目标函数F3是最小化炉次成分信息与其冶炼加工目标最适合的铁水成分之间的 偏差惩罚；
[0016] 其中，邑为工序编号，邑￡{1，2，...，6};4,4'为工位设备编号，4古/￡{1，2，...，"； j为炉次编号；i为诱次编号，iE{l，2，...，I};Ψ为炉次编号集合，|ψ|是总的炉次个数;OJ 为炉次j的操作编号，〇^￡{1，2，...，0〇'）}，其中0〇'）是炉次^'操作总数，0〇)<6;3。,为炉次 j第W个操作所在的工序的编号，对于所有的炉次有；山为炉次j的工期;ocj为处理 炉次j最适合的铁水的成分索引；P为铁水罐的索引，pE {1，2, . . .，P}，P= I Ψ I ;cp为铁水罐 P中铁水的成分索引；rtp为铁水罐P的供应时间;wtg,j为炉次j在工序g上的作业时间；ttk,k' 为设备k与k'之间的运输时间；Θ为与炉次匹配的铁水成分与最适合冶炼该炉次的铁水成分 之间偏差的惩罚；S。;为炉次j的操作W的开始时间；％、为0/1变量，当且仅当炉次j的操作oj 在设备k上加工时为l;ypj为0/1变量，当且仅当炉次j匹配了铁水罐P;
[0017] S3:在满足所有约束条件下，对种群中的每个染色体进行解码得到关于决策变量 鸣:，，yp,j的可行解，其中，：为0/1变量，当且仅当炉次j和炉次j '都在设备k 上加工且炉次j先于炉次j '加工时为1;
[0018] S4,利用步骤S3获得的可行解集，对每一个可行解，保持其中 变量的数值不变，只改变S '进一步对模型进行优化求解，得到该可行解的非支配解；
[0019] S5,将步骤S4获得的非支配解与步骤S3获得的可行解混合，对所有的解对应的染 色体进行快速非支配等级排序并计算解之间的拥挤距离，选出新一代父代种群；
[0020] S6,对所述新一代父代种群的染色体进行选择、交叉和变异操作得到子代种群，返 回步骤S3，并使迭代次数加1，当迭代次数达到设定迭代次数后，退出。
[0021] 本发明在炼钢厂调度计划编制时考虑铁水的供应条件，通过引入目标函数F3最小 化炉次与其最适合冶炼的铁水成分之间的偏差惩罚，从而保证了铁水和炉次之间的最优匹 配(例如低硫铁水优先匹配目标钢种是低硫的管线钢的炉次），降低了冶炼成本。同时，通过 增加约束保证炉次第一个操作的开始时间不早于其匹配的铁水罐的供应时间，提高了调度 计划在实际生产环境中的可执行度。
[0022] 本发明利用基于化reto优化的多目标进化算法进行求解。基于化reto的多目标优 化实现两个目标：（1)尽量找出靠近化reto最优前沿的解集；（2)尽量使解集中的解分散，使 其均分覆盖整个化reto最优前沿。获得多个化reto最优解有助于决策者选择更合适的解应 用于当前的生产环境。运个策略比预先设定目标权重的加权和方法更合理。
[0023] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0024] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得 明显和容易理解，其中：
[0025] 图1是现有技术中炼钢厂生产过程示意图；
[0026] 图2是本发明一种优选实施方式中，基于化reto优化的多目标进化算法的流程图；
[0027] 图3是本发明染色体交叉变异的示意图，其中，3(a)为染色体交叉示意图；3(b)为 染色体变异示意图；
[0028] 图4是本发明一种优选实施方式中Ξ个目标函数的求解结果分布图；
[0029] 图5是本发明一种优选实施方式中