改進布谷鳥搜索算法在軋制規程優化中的應用

陶 雯,劉 洋,李榮雨

(1.江蘇第二師范學院數學與信息技術學院，江蘇 南京 210013；2.南京工業大學計算機科學與技術學院，江蘇 南京 211816)

改進布谷鳥搜索算法在軋制規程優化中的應用

陶 雯1,劉 洋2,李榮雨2

(1.江蘇第二師范學院數學與信息技術學院，江蘇 南京 210013；2.南京工業大學計算機科學與技術學院，江蘇 南京 211816)

針對軋鋼精軋過程負荷分配的優化問題，使用基于梯度的自適應布谷鳥搜索(GBAQCS)算法對軋鋼精軋機組負荷分配進行了仿真優化試驗。首先優化目標函數，確定約束條件，對GBAQCS算法進行了收斂性和穩定性分析；接著對軋鋼精軋機組軋制規程進行了優化計算，并對該算法與經驗負荷分配法在軋鋼精軋機組的負荷分配問題上的計算結果進行了對比。對比結果表明，GBAQCS算法不僅具有良好的收斂性與穩定性，且能夠使鋼材經過各機架后擁有更加合理的出口厚度，軋制過程中對軋制力的設定也更加符合生產要求。GBAQCS算法既能充分發揮前幾個機架的設備能力，提供較大的軋制力，又能使后幾個機架針對板形、板厚依次減小軋制力，大大提升了對板形、板厚的優化效果，在負荷分配優化過程中更為合理地分配了軋制力，滿足了出口厚度與板形要求。

智能控制； 自動化； 負荷分配； 布谷鳥搜索算法； 自適應； 軋制規程； 約束條件

0 引言

近年來，國內外學者對軋鋼精軋機組模型的設定問題進行了大量的研究。文獻[1]～文獻[3]詳細描述了國外主流的設定方法，文獻[4]則描述了國內各主要鋼鐵廠使用的負荷分配方法。但這些方法在本質上仍然基于經驗負荷分配思想[5]，并沒有從優化的角度來考慮負荷分配的方法。

隨著智能技術的不斷發展，人工智能優化算法被應用到很多工業領域[6-9]，這其中也包括軋制規程的設定。

本文在仿真試驗中以設定計算的數學模型為基礎，以優化板形板厚為目標，利用基于梯度的自適應布谷鳥搜索(gradient-based adaptive quick cuckoo search,GBAQCS)算法[10]對軋鋼精軋機組負荷分配問題進行了優化。仿真試驗結果表明，改進的算法優于以上對比算法，切實可行，對改進軋鋼精軋機組的負荷分配計算有重要的意義。

1 基于梯度的自適應布谷鳥搜索算法

基于梯度的布谷鳥搜索(gradient-based cuckoo search,GBCS)算法[11-12]通過引入目標函數的梯度信息，以加快布谷鳥搜索(cuckoo search,CS)[13]算法的收斂速度。該算法存在全局搜索和局部搜索能力不平衡的問題，導致算法在全局搜索上具有較大優勢，但在局部搜索上有較大的缺陷。GBAQCS[12]可以提高算法的局部搜索能力，充分地利用當前鳥巢信息，具有平衡全局搜索和局部搜索的能力。

(1)

(2)

(3)

2 改進布谷鳥搜索算法優化軋制規程

2.1 目標函數和約束條件

2.1.1 目標函數

本試驗對精軋機組的負荷分配模型進行仿真。對于精軋機組軋制規程設定的過程，負荷分配是核心問題，而如何分配各個機架的出口厚度又是負荷分配的核心。當出口厚度唯一確定后，各個機架的軋制力、相對凸度等也可以確定。因此，軋制規程的負荷分配優化問題即對各個機架的出口厚度進行最優的負荷分配，需確定優化的目標函數，本文考慮7個機架的連軋機組模型。

將軋制過程分為三個階段，前兩個階段都是以負荷均衡作為優化的目標，并且在軋制的過程中盡量提高壓下量，以保證生產的高效率；第三個階段，因為該階段鋼材已接近成品，所以為了實現板形最優的目標，應盡量減小壓下量。

總的目標函數如下:

J=J1+J2+J3

(4)

J1=min[(P1-K1P2)2]

(5)

目標函數(5)保證了第一階段充分利用設備條件下的負荷均衡。

J2=min[(P2-K2P3)2]

(6)

目標函數(6)保證了第二階段軋制力的分配均衡。

(7)

目標函數(7)是為了在第三階段塑造良好的鋼材板形。

(8)

式中:λ為權重系數。

2.1.2 約束條件

對于軋制規程的負荷分配，優化的目標是提高生產效率以及鋼材成品的產品質量。同時，對于每個優化問題而言，約束條件和約束目標同等重要。而在本文的軋制規程的負荷分配優化中，還需要考慮工藝的限制。根據軋鋼精軋機組的生產特點，一般約束條件有以下2項。

①軋輥強度條件:各機架上的軋制力和軋制力矩應當小于最大的允許值。受電機能力的限制，軋制過程中的軋制力及其力矩和速度都不得大于電機的總負荷，各架電機的電流必須在額定范圍內，并且對最大電流也有規定的限制，在除以一個過載系數后仍然要在額定范圍內。

②工藝條件:受咬入角的約束，為了使鋼材產品的質量更優，需要使每個機架出口厚度不大于入口厚度；同時，由于末機架還應使其壓下量不大于某設定值，為了使板形得到更好的控制，還應當合理安排后幾個機架的壓下量，使機架間的軋制力遵循一定的比例。

綜合以上條件，本文采用如下約束條件:

(9)

2.2 決策變量的確定

分析經驗負荷分配模型：對于研究對象為n個機架的軋鋼精軋機組，其優化變量是各機架的出口厚度hi(i=1,2,…,n-1)。

(10)

(11)

式中:an為n個機架的總能耗；ai為i個機架的累計能耗；φi為累計能耗分配系數；K1、K2為能耗系數。

因此，只需要知道鋼材原料的初始厚度以及鋼材產品所需要的最終的成品厚度，即可知鋼材通過每個機架的出口厚度。

2.3 實現步驟

基于以上模型，使用GBAQCS 算法優化軋制規程負荷分配問題的步驟如下。

①采集相關軋機的參數、來料鋼材的初始參數及鋼材產品的參數。

②確定使用的目標優化函數:

(12)

式中:K1=1；K2=1.1。

③使用經驗負荷分配公式，計算每個機架出口的初始值。

④確定調整參數δhi的范圍，δhi∈[-dhi,dhi]。

⑥使用以上模型來計算各機架的負荷參數，主要包括軋制力、出口厚度、相對凸度等。

⑦使用GBAQCS 算法進行隨機搜索，使目標函數達到最小的各機架軋制力。

⑧判斷是否達到停止條件，若達到則繼續，否則轉步驟⑦。

⑨檢驗給定的約束條件，若符合則輸出Pi，否則轉步驟⑤。

算法流程圖如圖1所示。

圖1 算法流程圖

3 仿真試驗

對于從現場采集到的數據，使用GBAQCS 算法對精軋機組的負荷分配進行優化計算。同時，為了對比計算效果，在優化軋制規程中的負荷分配問題上將GBAQCS 算法與經驗負荷分配法的結果進行對比。

兩種算法的相關負荷分配計算結果對比如表1所示。

表1 兩種算法的相關計算結果對比

本文試驗采用的鋼材種類是Q235，鋼材來料的寬度B0= 1 535 mm，厚度H0=36.7 mm。設定的鋼材產品的厚度為5.7 mm，軋機所擁有的機架數n=7。試驗中，算法的發現概率pa=0.25，最大迭代次數Tmax=100。

由表1對比結果可以看出，經驗負荷分配法有明顯的不足，尤其是第二個機架的軋制力太小，不能充分發揮設備能力。而GBAQCS 算法能夠保證在前期擁有較大的軋制力，使前期出口厚度有較大的變化量，充分發揮前幾個機架的能力；而在后期，可以使軋制力和出口厚度保持一個較平緩的變化趨勢，有利于對板形的控制。在相對凸度方面，GBAQCS算法的變化更加平滑，更符合板形變化規律的要求。這符合了在前幾個機架充分利用軋制力，而在后幾個機架注重板型的變化的原則。因此，GBAQCS 算法在實際軋鋼精軋過程中的計算結果優于經驗負荷分配法。

4 結束語

本文研究了GBAQCS算法在軋制負荷分配優化問題中的應用。建立優化目標函數，確定約束條件，然后對比GBAQCS與經驗負荷分配法在軋鋼精軋機組的負荷分配問題上的仿真試驗結果。對比結果表明，相對于經驗負荷分配法，本文提出的GBAQCS算法能夠使鋼材經過各機架后具有更加合理的出口厚度，軋制過程中對軋制力的設定也更加符合生產要求。該算法既能充分發揮前幾個機架的設備能力，提供較大的軋制力，又能夠使后幾個機架針對板形、板厚依次減小軋制力，大大提升了對板形、板厚的優化效果。

[1] TALMAZAN V A，KRIVTSOVA O N，GELMANOVA Z S，et al.Improving the methods of roll use on rolling mills at the arselormittal temirtau[J].Metallurgist，2015，27(5):1-8.

[2] KISS I，MALSAY S.Bimetallic cast iron rolls-some approaches to assure the exploitation properties[J].Tehnicki Vjesnik，2010，17(2):173-178.

[3] SHEN G，ZHENG Y，LI M.Development of statically determinate plate rolling mills that maintain the rolls parallel[J].Journal of Manufacturing Science and Engineering，2013，135(3):922-926.

[4] LIU X，ZHAO Q，LIU L.Recent development on theory and application of variable gauge rolling，a review[J].Acta Metallurgica Sinica (English Letters)，2014，27(3):483-493.

[5] 王正林，童朝南，孫一康,等.帶鋼熱連軋AG系統實時仿真[J].北京科技大學學報，2005，28(2):171-176.

[6] FERREIRA A M S，DE OLIVEIRA FONTESONTES C H.Pattern recognition as a tool to support decision making in the management of the electric sector[J].International Journal of Electrical Power & Energy Systems，2015，67(9):613-626.

[7] DOOSTPARAST M,KOLAHAN F,DOOSTPARAST M.Optimization of PM scheduling for multi-component systems-a simulated annealing approach[J].International Journal of Systems Science，2015，46(7):1199-1207.

[8] BOUOUDEN S，CHADLI M,KARIMI H R.An ant colony optimization based fuzzy predictive control approach for nonlinear processes[J].Information Sciences，2015，29(9):143-158.

[9] KIRAN M S，HAKLI H，GUNDUZ M，et al.Artificial bee colony algorithm with variable search strategy for continuous optimization[J].Information Sciences，2015，300(12):140-157.[10]李榮雨，劉洋.基于梯度的自適應快速布谷鳥搜索算法[J].運籌學學報，2016，20(3):45-56.

[11]FATEEN S E K, BONILLA-PETRICIOLET A.Gradient-based cuckoo search for global optimization[J].Mathematical Problems in Engineering，2014，30(6):1-12.

[12]FATEEN S E K, BONILLA-PETRICIOLET A.A note on effective phase stability calculations using a gradient-based cuckoo search algorithm[J].Fluid Phase Equilibria，2014，3(1):360-366.

[13]YANG X S.Cuckoo search via Levy flights [C]//USA:IEEE Publications，2009:210-214.

Application of the Improved Cuckoo Search Algorithm in Optimization of Rolling Procedure

TAO Wen1，LIU Yang2,LI Rongyu2

(1.College of Mathematics and Information Technology，Jiangsu Second Normal University，Nanjing 210013，China；2.College of Computer Science and Technology，Nanjing Tech University，Nanjing 211816，China)

Aiming at the optimization problem of load distribution in rolling process,the improved cuckoo search algorithm,the gradient-based adaptive quick cuckoo search (GBAQCS) algorithm is used to accomplish the simulation optimization test for load distribution of rolling mill.Firstly,the objective function is optimized,and the constraints are determined; the convergence and stability analysis is conducted for GBAQCS algorithm,then the rolling procedure of the rolling mill is optimized and calculated,and compared with the calculation result obtained by experiential load distribution.The test results indicate that GBAQCS algorithm features excellent convergence and stability,and to make the output thickness of steel material more reasonable after passing each finishing rolling frame,the set point of the rolling force in the process is more conforming the production requirements.The GBAQCS algorithm fully exerts the equipment capability of front frames,provides larger rolling force,and also make subsequent frame successively reduce the rolling force based on the thickness of the steel plate,thus the optimization effect is greatly improved.In load distribution optimization,this makes the rolling force more reasonable to meet the exit thickness and the shape of the steel plate.

Intelligent control; Automation; Load distribution; Cuckoo search algorithm; Self-adaption; Rolling schedule; Constraint condition

江蘇省教育廳自然科學基金資助項目 (12KJB510007)

陶雯(1979—)，女，碩士，講師，主要從事人工智能與優化方向的研究。E-mail:awen_tao@163.com。

TH-39;TP18

A

10.16086/j.cnki.issn1000-0380.201706005

修改稿收到日期:2017-01-12