專利名稱：一種熱軋生產(chǎn)批量計劃編制方法
技術領域：
本發(fā)明屬于信息技術領域，涉及到自動化技術，特別涉及到一種熱軋生產(chǎn)批量計劃編制方法。
背景技術：
在鋼鐵工業(yè)中熱軋是一道必不可少的工序，熱軋計劃的編制質量及軋制計劃完成情況的好壞，直接決定產(chǎn)品質量、交貨日期和鋼廠效益。
由于鋼鐵生產(chǎn)工藝上的要求，熱軋加工作業(yè)中對于軋制板坯的順序有一定的限制。在一個熱軋批量計劃中，所有板坯將被分成若干個軋制計劃來加工。由于工藝約束的限制，軋制順序以板坯的工藝參數(shù)為基礎，要求依順序軋制，每個軋制計劃中的板坯寬度的變化為“雙梯形”，其中“正梯形”部分加工的是燙輥材、“反梯形”部分加工的是主體材，厚度變化要求為平穩(wěn)的非減方向、硬度的變化也要平穩(wěn)。熱軋計劃編制應當在滿足工藝約束的前提下，保證最小化總軋制計劃數(shù)，并使得同一個軋制計劃中相鄰鋼板間的寬度、厚度和硬度跳躍幅度總和最小。
目前現(xiàn)場中應用的熱軋批量計劃編制方法主要采用的多為基于專家系統(tǒng)或基于規(guī)則的啟發(fā)式方法，對計劃編制人員的依賴較嚴重，不能自動完成計劃編制，需要由熟悉生產(chǎn)工藝的生產(chǎn)調度人員最終完成。由于實際生產(chǎn)中涉及到的板坯數(shù)目巨大，目前這種以人工排產(chǎn)為主的方法難以保證在有限的時間內編制出較優(yōu)的的計劃。
而且在現(xiàn)有的有關熱軋計劃編制技術的文獻和資料中，對于熱軋計劃編排中的燙輥材部分如何處理均未涉及。如文獻《不確定計劃數(shù)的軋制批量計劃的模型和算法》(系統(tǒng)工程學報。Vol.15，No.1，2000)和《熱軋帶鋼軋制批量計劃的實例應用》(東北大學學報(自然科學版)Vol.120，No.3，1999)中都根據(jù)熱軋生產(chǎn)的特點和工藝要求建立了熱軋計劃編制的數(shù)學模型，并分別采用遺傳算法和混合遺傳算法求解，但是這兩篇文獻均沒有給出如何保證熱軋計劃中的燙輥材部分的編制滿足要求。

發(fā)明內容
本發(fā)明的目的是提供一種執(zhí)行于計算機的熱軋生產(chǎn)批量計劃自動編制方法，該方法在批量計劃編排中兼顧了燙輥材計劃和主體材計劃的工藝約束，提高了計劃編制水平，解決了人工排產(chǎn)效率低下以及現(xiàn)有的熱軋生產(chǎn)批量計劃編制方法無法解決燙輥材計劃編制的問題。
本發(fā)明的技術方案如下設計一種可以運行于微機上的熱軋生產(chǎn)計劃調度系統(tǒng)，該系統(tǒng)主要由模型構造和計劃編制兩個模塊和本地數(shù)據(jù)庫組成，組成框圖如附圖1所示。
1.模型構造模塊軋制計劃的編制屬于組合優(yōu)化問題，在此將軋制計劃的編制問題歸結為車輛路徑問題(Vehicle Routing Problem)，是一個NP難題。在本發(fā)明的數(shù)學模型構造模塊中，把每塊板坯看作相當于VRP問題中的一個客戶，軋制計劃看作車輛，引入虛擬板坯作為每個軋制計劃的起點和終點，熱軋計劃編制問題VRP模型就可以建立起來。
模型構造模塊最終形成形如下式的軋制計劃數(shù)學模型min m (1)minΣk=1mΣi=0nΣj=0n(cijzxijkTizk+cijtxijkTijk)---(2)]]> Σi=1nqiyikTizk≤Qkz---k=1,2,3,...,m---(4)]]>Σj=1nzhzijkqjTjzkyjk≤R---k=1,2,3,...,m,i=1,2,...,nzk---(5)]]>Σi=1nqiyikTitk≤Qkt---k=1,2,3,...,m---(6)]]>Σj=1nthzijkqjTjtkyjk≤R---k=1,2,3,...,m,i=1,2,...,ntk---(7)]]>Σi=1nxijk=1---(8)]]>Σj=1nxijk=1---(9)]]>zijk≤yik且zijk≤yjkk＝1，2，3，...，m，i，j＝1，2，...，n(10)Σi=1nΣj=1nxijk≤n-1---(11)]]>其中n要做計劃的板坯總數(shù)，板坯0為虛擬板坯m軋制計劃數(shù)
cijz主體材中板坯i到板坯j的懲罰值cijz=pijzw+pijzg+pijzh]]>pijzw，pijzg，pijzh分別為板坯間寬度、厚度、硬度跳躍的懲罰值，其中ci0z＝0，c0iz＝0，ciiz＝∞cijt燙輥材中板坯i到板坯j的懲罰值cijt=pijtw+pijtg+pijth]]>pijtw，pijtg，pijth分別為板坯間寬度、厚度、硬度跳躍的懲罰值，其中ci0t＝0，c0it＝0，ciit＝∞ nzk軋制計劃k內主體材板坯數(shù)；ntk軋制計劃k內燙輥材板坯數(shù)；qi板坯i的軋制長度；Qkz軋制計劃k主體材長度約束；Qtz軋制計劃k燙輥材長度約束；
R 軋制同寬度板坯的長度約束。
軋制計劃數(shù)的最小值由式(12)確定mmin=int(Σi=1nqiQkz+Qkt)]]>int表示取整 (12)2.熱軋計劃編制模塊計劃編制模塊對模型構造模塊建立的數(shù)學模型進行求解。本發(fā)明構造了一種基于單親遺傳算子的免疫算法用于求解，該算法由以下幾個方面構成(1)抗體編碼本發(fā)明使用了一種應用遺傳算法方法的免疫算法抗體編碼方法對軋制計劃編制編碼，應用這種編碼方式，算法自動滿足模型中的約束條件(3)(8)(9)(10)(11)。用矢量K＝(s1，s2，...，sm×n)表示抗體K，其中si(i＝1，2，…，t)為[1，m×n]之間的一個互不重復的自然數(shù)，表示抗體中第i個基因確定第l=si-[si-1n]×n]]>個倉庫與第k=[si-1n]+1]]>個車輛的關系，即確定第1塊板坯是否歸入第k個軋制計劃以及在第k個軋制計劃中的次序，隨機產(chǎn)生一組抗體Kj(j＝1，2，…，popsize)即可構成一個抗體種群，popsize為種群中的抗體數(shù)。以一個抗體為例，抗體可行化映射過程如下①初始化抗體K＝(s1，s2，...，sm×n)，令各個軋制計劃中的板坯數(shù)numi＝0(i＝1，2，…，m)，當前計劃中板坯的總軋制長度loi＝0(i＝1，2，…，m)，軋制計劃的長度約束為L，此時各板坯的狀態(tài)為fi＝0(i＝1，2，…，n)。
②j＝1
③取sj，計算l=si-[si-1n]×n,]]>k=[si-1n]+1]]>④判斷f1的狀態(tài)，如果f1＝0，則板坯1為自由板坯，此時如果lok＜L，則將板坯l加入軋制計劃k，numk＝numk+1，lok＝lok+板坯的l長度，f1＝1；如果lok＜L不成立，轉到⑤；如果f1＝0不成立，直接轉⑤。
⑤j＝j+1，轉③，直到j＝m×n+1。
最后，檢查所有板坯的狀態(tài)標志fi，如果全為1表明所有板坯都按要求分配到軋制計劃中。
(2)抗體記憶細胞群首先確定抗體記憶群的規(guī)模，每次抗體種群產(chǎn)生后，都將適應度最好的一定數(shù)量的抗體存入記憶抗體群，在記憶庫已滿的情況下還將替換掉適應度值較差的抗體。
每次產(chǎn)生初始抗體群時，一部分抗體從抗體記憶庫中選出，另一部分采用隨機方法產(chǎn)生，這樣既保證有較優(yōu)抗體的存在，又保證抗體的多樣性。
(3)新抗體生成采用單親遺傳算法(PGA)生成新的抗體，具體生成方法以單點基因換位為主，輔以多點基因換位和基因移位等單親遺傳算子，算例見附圖2。
(4)群體更新采用賭輪選擇和錦標賽選擇方法對抗體進行更新，并更新抗體記憶庫。
基于單親遺傳算子的免疫算法的算法流程圖見附圖3，求解步驟為
步驟1 算法初始化，給定適應函數(shù)表達式，給出一個初始種群，并更新抗體記憶庫，確定算法所需的參數(shù)。
步驟2 生成當前種群并進行可行化處理。
步驟3 采用專家系統(tǒng)方法進行修正當前種群中的抗體，直到滿足約束條件(4)(5)(6)(7)，然后計算各抗體的適應值。
步驟4 新抗體的產(chǎn)生對當前種群中的抗體進行單親遺傳算子的操作，生成新的種群抗體。
步驟5 群體更新。
步驟6 判斷是否滿足結束準則，如是，轉到步驟7；否則，轉步驟2。
步驟7 如果當前最優(yōu)解的適應值較優(yōu)，將其作為算法的解輸出；否則轉步驟2進行下一代種群的計算。
3.本地數(shù)據(jù)庫本地數(shù)據(jù)庫為模型構造模塊與計劃模塊提供數(shù)據(jù)支持。在進行模型構造與計劃編制中要用到以下幾種數(shù)據(jù)一種是從工廠的信息管理系統(tǒng)里取得的實時數(shù)據(jù)，例如所有板坯的各種信息和現(xiàn)場的生產(chǎn)狀態(tài)等，第二種就是很多的中間結果，例如軋制計劃的組批排序結果、對計劃結果的評判等，這兩部分數(shù)據(jù)量都很大；第三種就是一些相對靜態(tài)的數(shù)據(jù)，例如工藝約束的參數(shù)、生產(chǎn)設備的一些數(shù)據(jù)等。
本發(fā)明的效果和益處是所采用的模型構造方法充分考慮了熱軋批量計劃的工藝約束，算法設計中考慮到了熱軋計劃的燙輥材部分和主體材部分的規(guī)劃設計，能編制出完整的熱軋批量計劃，可以直接用于指導生產(chǎn)；應用基于單親遺傳算子的免疫算法的熱軋計劃編制方法的運算時間滿足生產(chǎn)現(xiàn)場的要求，計劃編制時間指標及編制計劃的質量均好于人工排產(chǎn)為主的熱軋計劃編制方法；應用本發(fā)明顯著能夠提高計劃編制效率和計劃編制水平。


附圖1是熱軋計劃編制系統(tǒng)框圖。
其中1處理器，2本地數(shù)據(jù)庫，3模型構造模塊，4工藝約束檢驗，5優(yōu)化，6計算機，7存儲器，8計劃編制模塊。
附圖2是單點基因換位示意圖。
圖中第一行是基因序號；第二行是換位前的基因排列；第三行是換位后的基因排列，帶下劃線的數(shù)字為交換位置的基因位。
附圖3是基于單親遺傳算子的免疫算法流程圖。
其中9初始化，10確定當前種群，11當前種群可行化處理，12是否滿足工藝約束，13生成新的種群，14種群可行化處理，15是否滿足終止條件，16給出最優(yōu)解，17專家系統(tǒng)修正。
具體實施例方式
下面結合技術方案和附圖詳細說明本發(fā)明的具體實施例。
實施例以熱軋帶鋼廠實際生產(chǎn)數(shù)據(jù)為例，隨機抽取270塊板坯，設定軋制計劃燙輥材的長度約束Qtz＝10km，主體材的長度約束Qkz＝140km，長度約束波動范圍為1km，軋制計劃的軋制能力為150km，軋制同寬度板坯的長度約束R＝5km。在算法求解中選取參數(shù)如下一代種群的抗體數(shù)為10，抗體記憶規(guī)模為30，抗體記憶庫每次更新抗體數(shù)為5，單親遺傳算子的單點基因換位概率為pe＝0.95，多點基因換位概率為pm＝0.15，單點基因移位概率為ps＝0.15，算法結束準則為連續(xù)迭代300代。
步驟1 算法參數(shù)的設定，將上述參數(shù)記錄寫入初始化模塊。
步驟2 由數(shù)據(jù)庫調入需編制計劃的板坯數(shù)據(jù)(270塊板坯的數(shù)據(jù)信息)。
步驟3 選定式(2)作為算法的適應函數(shù)，并根據(jù)式(12)計算最小軋制計劃數(shù)。
步驟4 算法初始種群的確定，算法的初始化模塊采用上面所述的抗體編碼方式產(chǎn)生初始種群，初始種群的每個個體代表一個軋制計劃的編制結果，同時對初始種群的各抗體進行可行化處理，并計算其函數(shù)適應值，記錄最優(yōu)個體，對抗體記憶庫進行更新。
步驟5 判斷是否達到規(guī)定的最大代數(shù)若達到規(guī)定的最大代數(shù)，則從所有種群中選出最優(yōu)的抗體，進行可行化處理，結果即為軋制計劃編制結果，結束程序運行。否則，進入下一步。
步驟6 新抗體的產(chǎn)生由抗體記憶庫中提取部分抗體，其數(shù)目為種群規(guī)模80％，剩下的抗體利用隨機的初始化模塊產(chǎn)生，共同構成新的抗體。
步驟7 單點換位運算將新抗體進行單點換位運算，針對選定的單個抗體，隨機選擇一對位置，將這兩個位置的抗體的基因值互換，單點換位的概率不小于pe＝0.95。
步驟8 多點基因換位運算和單點基因移位運算對新抗體依次進行多點基因換位和單點基因移位運算，其概率都不小于0.15。多點基因換位就是針對選定的單個抗體，隨機選擇多對基因位置，將這多對基因值兩兩交換。單點基因移位就是針對選定的單個抗體，隨機選擇一個位置，將抗體中這個位置后面的抗體基因值依次向后移動一位，并將最后的基因值賦予選定位置。
步驟9 判斷新的抗體種群的結果是否滿足約束條件(4)(5)(6)(7)，如果不滿足，采用專家系統(tǒng)方法進行修正直到滿足為止。
步驟10 對新種群的抗體進行可行化處理，并計算其函數(shù)適應值。
步驟11 選擇運算從進行算法操作前后的兩代種群中選出一代抗體作為新的抗體種群，采用錦標賽選擇方法，就是從兩代種群中選出適應值最好的一代抗體作為新的種群。
步驟12 抗體記憶庫更新從新的抗體種群中選出適應值最好的5個抗體加入抗體記憶庫，如抗體記憶庫已滿，則替換掉適應值最差的抗體。
步驟13 返回步驟5對實施方案中的270塊板坯進行如上述步驟的計劃編制，最優(yōu)目標函數(shù)值為1687.1，統(tǒng)計結果如表1所示。由表1可以看出采用本發(fā)明的算法將270塊板坯編制成2個軋制計劃，各個軋制計劃的寬度都滿足“雙梯形”形狀，燙輥材和主體材都在約束范圍內，并且厚度和硬度的變化都滿足要求，同時每個軋制計劃軋制長度都最大限度的接近軋制計劃的最大能力。
軋制計劃編制結果

權利要求
1.一種熱軋生產(chǎn)批量計劃編制方法，包括用于從遠程數(shù)據(jù)庫讀取待加工板坯數(shù)量和工藝參數(shù)的步驟；用于存儲熱軋生產(chǎn)批量計劃編制結果的步驟；用于存儲工藝約束的參數(shù)和生產(chǎn)設備數(shù)據(jù)的步驟，其特征在于生成熱軋批量計劃模型編制的數(shù)學模型的步驟或實施求解并優(yōu)化熱軋批量計劃軋制數(shù)學模型的步驟。
2.根據(jù)權利要求1所述的一種熱軋生產(chǎn)批量計劃編制方法，其特征在于計劃編制的數(shù)學模型中包括燙輥材計劃和主體材計劃。
3.根據(jù)權利要求書1所述的一種熱軋生產(chǎn)批量計劃編制方法，其特征在于應用了基于單親遺傳算法的免疫算法求解熱軋生產(chǎn)批量計劃的數(shù)學模型。
4.根據(jù)權利要求1或3所述的一種熱軋生產(chǎn)批量計劃編制方法，其特征在于使用了單親遺傳算法的方法作為免疫算法抗體編碼方法。
5.根據(jù)權利要求1或4所述的一種熱軋生產(chǎn)批量計劃編制方法，其特征在于基于單親遺傳算法的免疫算法的步驟依次為算法參數(shù)設定；確定當前種群；當前種群可行化處理；判斷當前種群是否滿足約束，如不滿足用專家系統(tǒng)修正后生成新的種群，如果滿足直接生成新種群；新種群的可行化處理；判斷新種群是否滿足終止條件，如滿足給出最優(yōu)解，如不滿足開始算法的下一次迭代。
全文摘要
一種熱軋生產(chǎn)批量計劃編制方法，屬于信息技術領域，涉及到數(shù)學模型構造和免疫遺傳算法在計劃編制中的應用。其特征是由模型構造模塊、免疫遺傳算法模塊和本地數(shù)據(jù)庫組成。模型構造模塊建立熱軋生產(chǎn)批量計劃編制所需的多目標復雜優(yōu)化問題數(shù)學模型；免疫遺傳算法模塊用于熱軋批量計劃編制及其優(yōu)化，應用了基于單親遺傳算法的免疫算法。在模型構造及計劃編制中兼顧到熱軋生產(chǎn)計劃中的燙輥材和主體材部分的工藝約束，生成的熱軋批量計劃是包括了主體材和燙輥材的完整軋制計劃。本發(fā)明的效果和益處是能夠實現(xiàn)熱軋批量計劃編制的自動化及優(yōu)化，提高計劃編制的水平，可應用于鋼鐵企業(yè)熱軋生產(chǎn)的計劃調度系統(tǒng)。
文檔編號B21B37/00GK1579658SQ20041002059
公開日2005年2月16日 申請日期2004年5月21日 優(yōu)先權日2004年5月21日
發(fā)明者王偉, 胡國奮, 李耀華, 寧樹實, 鞠文波, 張軍強, 覃一寧, 王建軍, 王寧, 張勇 申請人:上海寶信軟件股份有限公司, 大連理工大學