基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置制造方法及图纸

本发明专利技术公开了一种基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置，方法包括：根据炼钢连铸调度中的参数和目标函数及约束条件建立分布式鲁棒机会约束模型；通过对偶逼近法或线性规划逼近法对分布式鲁棒机会模型进行求解，得到各浇次在各连铸机上的开始加工时间及各炉次在除连铸机外各机器上的开始加工时间；将分布式鲁棒机会模型的求解结果作为评价标准，通过禁忌搜索算法确定炼钢连铸调度中的炉次顺序和分配方案。该方法将炼钢连铸过程中的加工时间视为随机变量，通过多面体支撑集和精确矩信息进行描述，比以往研究模型更加符合实际生产情况，得到的调度方案能更好地应用于实际生产中。

【技术实现步骤摘要】
基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置
本专利技术涉及生产调度和生产内外资源优化
，特别涉及一种基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置。
技术介绍
钢铁制造业在许多重要的制造业中发挥着关键作用，如汽车和造船行业。一般来说，钢铁工业的整个生产过程包括三个主要阶段即炼铁、炼钢连铸和热轧，其中炼钢连铸工艺是连接上下游工艺的关键和瓶颈工艺，涉及到最复杂的工艺流程。因此，一种有效的炼钢连铸调度方法对于提高生产效率、降低生产成本至关重要。炼钢连铸生产过程如图1所示，通常包括三个主要阶段即炼钢、精炼和连铸。在炼钢阶段，铁水被运送到设有电弧炉、平炉和转炉等初炼炉的车间，在炉内与氧气一起燃烧，减少碳、硅等杂质至理想的水平。在同一初炼炉中处理的铁水称为一个炉次，是炼钢连铸过程的基本单元。当炉次在初炼炉中完成处理后，将被运往精炼炉。在这一阶段，炉次需要进行特殊处理以进一步精炼化学物质、消除杂质或添加所需的合金元素，钢包炉、精炼炉等几种设备将用于不同的精炼方式。精炼后的钢水会被送到连铸机铸成板坯，在这一阶段，炉次被运送到铸造位置，钢水被倒入中间包中，通过结晶器，然后冷却并凝固成板坯。具有相似化学成分并在同一个连铸机连续浇铸的炉次称为一个浇次。对于炼钢连铸调度问题，由于共用一个中间包，同一浇次的炉次需要连续浇铸，没有任何停机时间。如果发生断浇，中间包就会不能再使用，从而需要替换中间包，并导致巨大的固定成本和额外的启动时间。此外，剩余的炉次需要重新加热，也将造成很多额外的时间和能源成本。减少断浇的发生可以有效降低生产成本，因此断浇惩罚一直被认为是炼钢连铸调度问题中最重要的目标之一。其他生产目标同样会被考虑，如等待时间、机器效率、总流程时间和总延迟时间等。在过去的几十年里，许多钢铁企业和研究人员对炼钢连铸调度问题进行了广泛的研究，其中运筹学和智能搜索是解决炼钢连铸调度问题主要采用的两种方法。运筹学方法通常建立一个数学模型，通过精确或启发式算法来获得最优或近似最优解。智能搜索方法的目标则是在相对较短的计算时间内找到近似最优解。最常用的调度智能搜索方法包括禁忌搜索、蚁群优化、粒子群优化、人工蜂群、差分进化、布谷鸟搜索和散点搜索。此外，还有基于专家系统和模糊算法。在炼钢连铸过程中的意外事件可根据对目前计划的影响程度分为两类，一类是关键事件，如长期的机器故障、炉次返工和炉次取消，另一类则是非关键事件，如处理时间的小波动、短期机器故障等。当关键事件发生时，改变初始计划是不可避免的，但对于非关键事件，则没有必要重新制定整个调度计划。在实际生产过程中，发生非关键事件通常比发生关键事件的频率高很多，因此重调度并不是处理每天小干扰的最佳解决方案。目前最常见的解决方法是将原计划推迟到延迟炉次或延迟运输到达。在实际生产过程中，这项工作通常是人工完成的，得到的计划性能取决于调度员经验。此外，这种方法往往不能得到最优解决方案而导致目标函数的增加。因此，需要一个鲁棒的对每日生产中小波动免疫的时间表。目前已有一些关于不确定环境下的炼钢连铸调度问题的研究，其中一种重要的方法是鲁棒优化。该方法假设不确定参数在某个区间内，目标为找到一个调度方案对不确定参数的所有可能取值都可行。另一种常用的方法是随机规划，该方法假设不确定参数服从某一分布，在期望意义上优化目标函数。除上述两种方法外，基于软决策的方法和模糊算法也可用于求解不确定环境下的炼钢连铸调度问题。然而鲁棒优化方法只考虑支撑集而忽略了矩信息，得到的调度方案过于保守，不能应用于实际应用中。对于随机规划方法，不确定参数的精确分布则通常很难获取，特别是对于一条新生产线或一台新机器。即使可以根据历史数据拟合估计预定义分布集中的分布，如果预先选择的分布集是不充分的，则解仍可能是不稳定的。因此，有必要通过分布式鲁棒模型来处理炼钢连铸过程中的断浇问题。Scarf等人最先提出分布式鲁棒优化方法，用于解决库存问题。该方法假设不确定参数属于某一分布集，目标为获取最坏情况下最优性能的决策。可以通过不同的方法定义分布集，最常用的方法是基于矩的分布集，即通过均值、协方差和支撑信息描述。此外，还有其他方法可描述分布集，如单峰分布集、以训练样本的均匀分布为中心基于Wasserstein度量的分布集等。当不确定性在目标函数中时，分布式鲁棒优化方法寻求一个对分布集中所有可能分布都表现良好的解决方案。当不确定性通过约束体现时，通过分布式鲁棒机会约束模型确保约束对所有可能分布都具有预先指定的概率。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于分布式鲁棒机会约束模型的炼钢连铸调度方法，该方法提出了一种高效和低成本的炼钢连铸调度方案。本专利技术的另一个目的在于提出一种基于分布式鲁棒机会约束模型的炼钢连铸调度装置。为达到上述目的，本专利技术一方面实施例提出了一种基于分布式鲁棒机会约束模型的炼钢连铸调度方法，包括：根据炼钢连铸调度中的参数和目标函数及约束条件建立分布式鲁棒机会约束模型；通过对偶逼近法或线性规划逼近法对所述分布式鲁棒机会模型进行求解，得到各浇次在各连铸机上的开始加工时间及各炉次在除连铸机外各机器上的开始加工时间；将对分布式鲁棒机会模型求解得到的目标函数值作为评价指标，通过禁忌搜索算法确定炼钢连铸调度中的炉次顺序和分配方案。为达到上述目的，本专利技术另一方面实施例提出了一种基于分布式鲁棒机会约束模型的炼钢连铸调度装置，包括：建立模块，用于根据炼钢连铸调度中的参数和目标函数及约束条件建立分布式鲁棒机会约束模型；求解模块，用于通过对偶逼近法或线性规划逼近法对所述分布式鲁棒机会模型进行求解，得到各浇次在各连铸机上的开始加工时间及各炉次在除连铸机外各机器上的开始加工时间；调度模块，用于将对分布式鲁棒机会模型求解得到的目标函数值作为评价指标，通过禁忌搜索算法确定炼钢连铸调度中的炉次顺序和分配方案。本专利技术实施例的基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置，具有以下优势：1)将炉次的加工时间视作某一分布集内的随机变量。对常用的炼钢连铸模型进行了修改，使其更加合理，并提出了一个分布式鲁棒机会约束模型来决定炼钢连铸过程中的时间表。2)在分布式鲁棒机会约束模型的分布集中，首次同时考虑多面体形式的支撑集和精确的矩信息，提出了一种对偶近似法和线性规划近似法。3)提出了一种结合禁忌搜索算法的分布式鲁棒机会约束模型来解决炼钢连铸过程中的断浇问题。本专利技术附加的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，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术一个实施例的调度的炼钢连铸生产过程示意图；图2为根据本专利技术一个实施例的基于分布式鲁棒机会约束模型的炼钢连铸调度方法流程图；图3为根据本专利技术一个实施例的禁忌搜本文档来自技高网...

【技术保护点】
1.一种基于分布式鲁棒机会约束模型的炼钢连铸调度方法，其特征在于，包括以下步骤：/n根据炼钢连铸调度中的参数和目标函数及约束条件建立分布式鲁棒机会约束模型；/n通过对偶逼近法或线性规划逼近法对所述分布式鲁棒机会模型进行求解，得到各浇次在各连铸机上的开始加工时间及各炉次在除连铸机外各机器上的开始加工时间；/n将所述分布式鲁棒机会模型的求解结果作为评价标准，通过禁忌搜索算法确定炼钢连铸调度中的炉次顺序和分配方案。/n

【技术特征摘要】
1.一种基于分布式鲁棒机会约束模型的炼钢连铸调度方法，其特征在于，包括以下步骤：
根据炼钢连铸调度中的参数和目标函数及约束条件建立分布式鲁棒机会约束模型；
通过对偶逼近法或线性规划逼近法对所述分布式鲁棒机会模型进行求解，得到各浇次在各连铸机上的开始加工时间及各炉次在除连铸机外各机器上的开始加工时间；
将所述分布式鲁棒机会模型的求解结果作为评价标准，通过禁忌搜索算法确定炼钢连铸调度中的炉次顺序和分配方案。


2.根据权利要求1所述的方法，其特征在于，所述S1进一步包括：
S11，确定不确定的加工时间为随机向量的支撑集；
S12，确定所述分布式鲁棒机会约束模型的参数以及决策变量：
所述分布式鲁棒机会约束模型的参数包括：N表示所有炉次的集合，K表示所有浇次的集合，Mi表示加工炉次i的机器集合且包括连铸机，C表示连铸机集合，Ck表示加工浇次k的连铸机，Фk表示浇次k对应的炉次集合，表示紧接着炉次i在机器j上加工的后一炉次，tj1,j2表示从机器j1至j2的运输时间，表示紧接着机器j加工炉次i的后一机器，表示机器j紧接着加工炉次i的前一机器，oij表示炉次i在机器j上加工浇次内的次序，pij表示炉次i在机器j上的加工时间，st表示两个浇次之间的启动时间，csk表示紧接着浇次k在同一连铸机上的后一浇次；
决策变量包括：sxk表示浇次k的第一个炉次的开始加工时间，xij表示炉次i在除连铸机外机器j上的开始加工时间；
S13，确定所述分布式鲁棒机会约束模型的目标函数为：



S14，确定所述分布式鲁棒机会约束模型的约束条件



表示在连铸机上，当一个炉次完成加工时，紧接着进行加工的炉次应已达到连铸机准备处理；



表示每个浇次的开始时间至少大于等于浇次的启动时间；



表示在同一连铸机上紧接着的两个浇次，后一浇次的开始加工时间应该大于等于前一浇次的完成加工时间加上启动时间；



表示任一浇次的开始加工时间至少大于等于浇次内的第一个炉次在前一阶段的完成加工时间加上运输时间；



表示除连铸机外，同一机器上紧接着加工的两个炉次，只有前一炉次完成加工后，才能加工后一个炉次；



表示对于任一炉次连续的两个加工过程，只有完成前一加工过程并将炉次运送到下一机器，才能开始下一加工过程。


3.根据权利要求1所述的方法，其特征在于，所述通过对偶逼近法或线性规划逼近法对所述分布式鲁棒机会模型进行求解，包括：
通过对偶逼近法对所述分布式鲁棒机会模型进行转化，将所述分布式鲁棒机会模型转化为半正定规划问题；或
通过所述线性规划逼近法对所述分布式鲁棒机会模型进行加速求解，将分布式鲁棒机会约束问题转化为线性规划问题。


4.根据权利要求1所述的方法，其特征在于，所述禁忌搜索算法包括：
S31，初始化禁忌列表、当前解和最优解；
S32，根据当前解的邻域生成候选列表；
S33，选择所述候选列表中的最优解；
S34，将对分布式鲁棒机会模型求解得到的目标函数值作为评价指标，判断当前解是否优于最优解，若是，则将所述最优解更新为所述候选列表中的最优解，执行S35；若不是，则判断当前解是否在所述禁忌列表内，若不是，则在所述候选列表中删除所述候选列表中的最优解，执行S33，若是，执行S35；
S35，将更新后的最优解作为当前解，更新禁忌列表；
S36，判断是否满足终止准则，若不是，则执行S32，若是，则根据当前解确定炼钢连铸调度中的炉次顺序和分配方案。


5.一种基于分布式鲁...

【专利技术属性】
技术研发人员：宋士吉，牛晟盛，陈雅莉，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11