基于遗传算法的不锈钢冷连轧机轧制规程优化_张欣.pdf

第5 8卷 第7期 2 0 2 3年7月钢 铁I r o na n dS t e e lV o l.5 8,N o.7,p 9 9-1 0 5 J u l y2 0 2 3 D O I:1 0.1 3 2 2 8/j.b o y u a n.i s s n 0 4 4 9-7 4 9 x.2 0 2 3 0 0 4 5基于遗传算法的不锈钢冷连轧机轧制规程优化张 欣1,陈树宗2,李 旭3,孙 杰3,梅瑞斌1,王晓宇1(1.东北大学秦皇岛分校资源与材料学院,河北 秦皇岛0 6 6 0 0 4;2.燕山大学电气工程学院,河北 秦皇岛0 6 6 0 0 4;3.东北大学轧制技术及连轧自动化国家重点实验室,辽宁 沈阳1 1 0 8 1 9)摘 要:冷轧不锈钢属于高端精品钢材,其生产过程控制系统是最复杂的工业控制系统之一,系统控制精度要求高、动态响应时间短、轧制速度快且工艺参数多。在不锈钢冷轧过程中,合理的轧制规程是保证冷轧不锈钢产品质量和生产效率的基础,其模型精度不仅会影响产品尺寸精度,而且会影响冷轧企业高端产品的研发拓展。为了提高冷轧不锈钢生产过程中的产品质量精度,同时考虑尽可能降低轧制过程总能耗,在深入研究传统负荷分配法和轧制规程计算原理的基础上,针对世界首套7机架不锈钢冷连轧机组,根据冷连轧生产工艺,设计了一种包含目标项和惩罚项的目标函数结构形式,选取电机功率均衡、轧制力均衡、压下分配合理、轧制能耗小、板形良好为目标,构建由5个单目标函数加权和组成的总目标函数,通过采用遗传算法对某8 5 0mm不锈钢冷连轧机典型产品规格进行轧制规程优化计算,并与比例负荷分配法和N e l d e r-M e a d单纯形法求解的轧制规程进行对比,从而确定最优的不锈钢冷连轧轧制规程。结果表明,遗传算法实现了所建立目标函数的高效求解,通过调整目标函数的权重系数,可以有选择地优化轧制规程,采用遗传算法优化轧制规程的计算精度、收敛速度和求解稳定性方面均满足在线控制要求,为高质量不锈钢冷轧生产奠定了基础。关键词:不锈钢;冷连轧;轧制规程;多目标优化;遗传算法文献标志码:A 文章编号:0 4 4 9-7 4 9 X(2 0 2 3)0 7-0 0 9 9-0 7O p t i m i z a t i o no f t a n d e mc o l dr o l l i n gs c h e d u l e f o r s t a i n l e s ss t e e l s t r i pb a s e do ng e n e t i ca l g o r i t h mZ HANGX i n1,CHE NS h u z o n g2,L IX u3,S UNJ i e3,ME IR u i b i n1,WANGX i a o y u1(1.S c h o o l o fR e s o u r c e s a n dM a t e r i a l s,N o r t h e a s t e r nU n i v e r s i t ya tQ i n h u a n g d a o,Q i n h u a n g d a o0 6 6 0 0 4,H e b e i,C h i n a;2.S c h o o l o fE l e c t r i c a lE n g i n e e r i n g,Y a n s h a nU n i v e r s i t y,Q i n h u a n g d a o0 6 6 0 0 4,H e b e i,C h i n a;3.S t a g eK e yL a b o r a t o r yo fR o l l i n ga n dA u t o m a t i o n,N o r t h e a s t e r nU n i v e r s i t y,S h e n y a n g1 1 0 8 1 9,L i a o n i n g,C h i n a)基金项目:国家 重 点 研 发 计 划 资 助 项 目(2 0 2 2 Y F B 3 3 0 4 8 0 0);国 家 自 然 科 学 基 金 资 助 项 目(U 2 0 A 2 0 1 8 7);“兴 辽 英 才 计 划”资 助 项 目(X L Y C 2 0 0 7 0 8 7)作者简介:张 欣(1 9 8 6),男,博士,讲师;E-m a i l:z h a n g x i n n e u q.e d u.c n;收稿日期:2 0 2 3-0 2-0 2A b s t r a c t:C o l dr o l l e ds t a i n l e s ss t e e l i sp a r to f t h eh i g h-e n df i n es t e e l,a n di t sp r o d u c t i o np r o c e s sc o n t r o l s y s t e mi so n eo f t h em o s tc o m p l e xi n d u s t r i a lc o n t r o ls y s t e m s,w i t hh i g hs y s t e mc o n t r o la c c u r a c y,s h o r td y n a m i cr e s p o n s et i m e,f a s t r o l l i n gs p e e da n dm a n yp r o c e s sp a r a m e t e r s.I n t h e s t a i n l e s s s t e e l c o l dr o l l i n gp r o c e s s,t h e r e a s o n a b l e r o l l-i n gs c h e d u l e i s t h eb a s i so f g u a r a n t e e i n g t h eq u a l i t ya n dp r o d u c t i o ne f f i c i e n c y.T h eo p t i m i z a t i o no f r o l l i n gs c h e d u l e i sa ne f f e c t i v ew a yt os a v e e n e r g ya n dr e d u c e c a r b o n i nC h i n a s i r o na n ds t e e l e n t e r p r i s e s,w h i c hh a sb e c o m e a r e s e a r c hh o t s p o t i nt h e i r o na n ds t e e l i n d u s t r y.A n dt h em o d e l a c c u r a c yo f t h ep r o c e s s c o n t r o l s y s t e mw i l l n o t o n l ya f f e c t t h ed i m e n s i o n a l c o n t r o l a c c u r a c yo f t h ep r o d u c t,b u t a l s oa f f e c t t h eR&Da n de x p a n s i o no f h i g h-e n dp r o d u c t s a n d i n t e l l i-g e n t t r a n s f o r m a t i o no f c o l dr o l l i n ge n t e r p r i s e s.I no r d e r t o i m p r o v e t h ep r o d u c t q u a l i t ya c c u r a c ya n dr e d u c e t h e t o t a le n e r g yc o n s u m p t i o n i nt h e s t a i n l e s s s t e e l c o l dr o l l i n gp r o c e s s,t h e t r a d i t i o n a l l o a dd i s t r i b u t i o nm e t h o da n d t h e c a l c u-l a t i o np r i n c i p l eo f r o l l i n gs c h e d u l ew e r ed e e p l ys t u d i e d.T h e f i r s t s e t o f s e v e n-s t a n ds t a i n l e s ss t e e l t a n d e mc o l dr o l l-i n gm i l l i nt h ew o r l dw a s t a k e na s t h e r e s e a r c ho b j e c t,a n da no b j e c t i v e f u n c t i o ns t r u c t u r e f o r mc o n t a i n i n gt h e t a r g e tt e r ma n dt h ep e n a l t y t e r mw a sd e s i g n e d.T h e r o l l i n gp o w e rb a l a n c e,r o l l i n g f o r c eb a l a n c e,r e a s o n a b l e r e d u c t i o nd i s-t r i b u t i o n,l o wr o l l i n ge n e r g yc o n s u m p t i o na n dg o o ds t r i ps h a p ew e r e s e l e c t e da s t h eg o a l s t oc o n s t r u c t a t o t a l o b j e c-t i v e f u n c t i o n.T h e r o l l i n gs c h e d u l eo f t y p i c a l p r o d u c t i na n8 5 0mms t a i n l e s s s t e e l c o l d r o l l i n gm i l l i so p t i m i z e db yg e-n e t i ca l g o r i t h m,a n dc o m p a r e dw i t ht h e r o l l i n gs c h e d u l e s o l v e db yp r o p o r t i o n a l l o a dd i s t r i b u t i o nm e t h o da n dN e l d e r-钢 铁第5 8卷M e a ds i m p l e xa l g o r i t h m.T h u s,t h eo p t i m a l c o l dr o l l i n gs c h e d u l e f o r s t a i n l e s s s t e e l i sd e t e r m i n e d.T h e r e s u l t s s h o wt h a t,t h eg e n e t i ca l g o r i t h mr e a l i z e s t h ee f f i c i e n ts o l u t i o no f t h ee s t a b l i s h e do b j e c t i v ef u n c t i o n.T h er o l l i n gs c h e d u l ec a nb eo p t i m i z e ds e l e c t i v e l yb ya d j u s t i n gt h ew e i g h t c o e f f i c i e n to f t h eo b j e c t i v ef u n c t i o n.T h ec a l c u l a t i o np r e c i s i o n,c o n v e r g e n c es p e e da n ds t a b i l i t yo f g e n e t i c a l g o r i t h mf o r o p t i m i z a t i o no f r o l l i n gs c h e d u l e c a nm e e t t h e r e q u i r e m e n t so fo n-l i n ec o n t r o l,w h i c hl a y sas o l i df o u n d a t i o nf o r t h ep r o d u c t i o no fh i g hq u a l i t yc o l ds t a i n l e s ss t e e lp r o d u c t s.K e yw o r d s:s t a i n l e s ss t e e l;t a n d e mc o l dr o l l i n g;r o l l i n gs c h e d u l e;m u l t i-o b j e c t i v eo p t i m i z a t i o n;g e n e t i ca l g o r i t h m 不锈钢具有十分优良的耐腐蚀性能和加工性能,广泛应用于工业生产和人们的日常生活。近年来,中国对不锈钢的需求快速增长,已成为世界上备受关注的第一大不锈钢消费国。为适应不锈钢快速增长的需求,中国生产不锈钢主要企业的装备、工艺和技术也取得了显著进步,由于不锈钢生产中轧制变形抗力大,产品厚度和板形控制精度要求高,表面质量要求严格,生产不锈钢的冷连轧装备已由传统的5机架冷连轧机发展到7机架冷连轧机1-5。不锈钢生产的快速增长促使原材料价格上涨,也使不锈钢生产的利润空间日趋减小,这就迫使不锈钢生产厂家不断开发新工艺和新技术,以便达到节约能源消耗的目的,其中轧制规程优化一直是研究的重点。冷连轧轧制规程计算是过程自动化系统的核心功能,主要作用是为轧机基础自动化系统提供合理的负荷分配及轧制设定参数,针对轧制规程优化问题,国内外众多学者开展了大量的研究工作。张殿华等6针对异常轧制过程数据集合的小样本问题,开发了面向不确定小样本环境的学习算法,建立打滑、热划伤等生产运行状态的实时评判模型,以最优运行指标评价函数实时监控轧制非稳态过程运行状态;张清东等7基于遗传算法B P神经网络建立了结合数学模型的变形阻力和轧制压力修正模型;WANGDD等8提出了一种基于遗传算法的5机架冷连轧机轧制规程优化方法,构建了考虑功率分配、机架间张力、带钢板形和工艺设备约束等条件的目标函数;王晓晨等9针对U CM轧机建立了板厚-板形-张力设定系统综合优化模型,开发了具有全局寻优能力的群粒子群差分进化算法;李勇等1 0针对聚合多目标优化方法的权重确定问题,提出了一种改进权重自适应方法,并采用遗传算法对冷连轧规程进行多目标优化;陈树宗等1 1-1 2以冷轧数学模型中自适应系数作为寻优参数,采用N e l d e r-M e a d单纯形算 法 对 目 标 函 数 进 行 寻 优 求 解;WANG Y等1 3和B A B A J AMA L IZ等1 4研究了基于N S GA-I I的冷轧轧制规程多目标优化策略;白振华等1 5针对冷连轧过程常见的打滑现象,给出了打滑判定不等式,建立了以预防打滑为目标的压下规程优化方法;YANGJM等1 6将遗算法应用于13 7 0mm冷连轧机组轧制规程的优化过程,并与现有轧制规程进行了对比分析;张升琳等1 7以负荷均衡、综合功率和预防打滑因子为目标建立多目标优化函数,将遗传算法与种群规模自组织机制相结合提高了算法寻优精度;HUZY等1 8选取相对功率裕度、防止打滑、板形良好等为目标构建多目标函数,采用深度置信网络进行轧制规程优化计算;赵新秋等1 9采用改进的免疫克隆多目标算法对某钢厂冷连轧机进行轧制规程优化计算;GAOZY等2 0研究了以抑制振动和速度提升为目标的轧制规程优化策略,并采用模式搜索法求解了优化模型;L IY等2 1提出了采用差分进化算法优化冷连轧机轧制规程,解决工艺参数的不确定性问题;WANG YL等2 2结合深度神经网络计算轧制力,并设计多目标粒子群优化器优化轧制规程;B U HN等2 3-2 4采用案例推理结合禁忌搜索提高冷连轧轧制规程的计算效率和精度。以上学者从多个角度对冷连轧过程轧制规程计算及优化问题进行了大量研究,但均是针对传统的5机架冷连轧机组,伴随着7机架不锈钢冷连轧机组的出现,有必要结合新的轧制装备对轧制规程优化问题进行深入研究。本文基于某钢厂8 5 0mm7机架不锈钢冷连轧生产线展开研究,选取电机功率均衡、轧制力均衡、压下分配合理、轧制能耗小、板形良好为目标构建多目标函数,采用遗传算法对典型产品规格进行轧制规程优化计算,并与比例负荷分配法和N e l d e r-M e a d单纯形法求解的轧制规程进行对比,为7机架不锈钢生产过程的轧制规程设定提供了理论支撑。1 问题描述与数学模型1.1 冷连轧规程优化问题不锈钢冷轧工艺分为传统2 0辊可逆轧制和全连续轧制,不同的生产工艺路线各有其不同的优势和市场定位。本文研究的7机架冷连轧机组的设备布置形式如图1所示。轧制规程优化的任务就是制定轧件在连轧机组轧制过程中的减薄途径,合理的规程分配可以使得轧机在各机架负荷均衡前提下取001第7期张 欣,等:基于遗传算法的不锈钢冷连轧机轧制规程优化得更高的轧制速度,降低设备损耗及维修成本,减少钢材和能源的消耗,获得良好的产品性能。图1 连轧机组设备布置形式F i g.1 E q u i p m e n t l a y o u t o f t a n d e mc o l dr o l l i n gm i l l1.2 冷连轧过程数学模型带钢冷连轧数学模型表征了一卷带钢在冷连轧过程的输入和输出关系,主要包括轧制力模型、变形抗力模型、摩擦因数模型、前滑模型等,其中轧制力模型是冷连轧数学模型的核心2 5-2 8。轧制力模型计算公式为F=B QP kTR(H-h)(1)QP=1.0 8+1.7 9uH-hHR H-1.0 2H-hH(2)R=R1+1 6(1-2)FE B(H-h)(3)式中:F为轧制力,N;B为带钢宽度,mm;QP为轧制力外摩擦影响系数;为平均变形抗力,MP a;kT为张力影响系数;R 为轧辊压扁半径,mm;R为轧辊半径,mm;H为入口带钢厚度,mm;h为出口带钢厚度,mm;u为摩擦因数;为泊松比;E为弹性模量。轧制力矩模型计算公式为M=12FR(H-h)+(tf-tb)R(4)式中:M为轧制力矩,Nmm;tf、tb分别为轧制前、后张应力,MP a。电机功率模型是为了便于比较和应用建立的,通常采用单位小时产量的轧制功耗即所谓的单位能耗,相当于每小时轧制1t钢材所消耗的能量。P=M V/R(5)式中:P为电机功率,kW;V为轧制速度,m/s;假设单位时间t内轧制的轧件质量为G,则G=h B v t,其中,v为轧制速度,轧制单位质量能耗为a=M/(Rh B)。2 目标函数构建针对7机架不锈钢冷连轧生产过程,考虑电机功率均衡、轧制力均衡、压下分配合理、轧制能耗小、板形良好等方面设计目标函数。为了简化求解过程,在设计目标函数时考虑增加惩罚项,当迭代点不满足某个约束条件时,目标函数值会因惩罚项的增加而呈指数倍增长,这样便可淘汰该迭代点2 9-3 1。目标函数的结构形式如下。1)轧制力均衡目标函数J1为m i nJ1=Ni=1KF,iFi-Fa v g,iFa v g,i2+Ni=1Fi-Fn o m,iFd e l t a,i8 0(6)Fa v g,i=1NNi=1Fi(7)Fn o m,i=(Fm a x,i+Fm i n,i)/2(8)Fd e l t a,i=(Fm a x,i-Fm i n,i)/2(9)式中:KF,i为加权系数;Fi为第i机架轧制力,N;Fa v g,i为平均轧制力,N;Fn o m,i为轧制力目标值,N;Fd e l t a,i为轧制力偏差基准值,N;Fm a x,i为第i机架最大允许轧制力,N;Fm i n,i为第i机架最小允许轧制力,N;N为机架数。2)功率均衡目标函数J2为m i nJ2=Ni=1KP,iPi-Pm a x,iPm a x.i2+Ni=12Pi-Pm a x,iPm a x,i8 0(1 0)式中:KP,i为第i机架电机功率加权系数;Pi为第i机架电机功率,kW;Pm a x,i为第i机架电机额定功率,kW。3)压下率目标函数J3为m i nJ3=Ni=1Kr,iri-rn o m,ird e l t a,i2+Ni=1ri-rn o m,ird e l t a,i2 0(1 1)rn o m,i=(rm a x,i+rm i n,i)/2(1 2)101钢 铁第5 8卷rd e l t a,i=(rm a x,i-rm i n,i)/2(1 3)式中:Kr,i为第i机架压下率加权系数;ri为第i机架压下率;rn o m,i为第i机架压下率目标值;rd e l t a,i为第i机架压下率偏差基准值;rm a x,i为第i机架最大允许压下率;rm i n,i为第i机架最小允许压下率。4)能耗最小目标函数J4为m i nJ4=Ni=1Pi(1 4)5)考虑板形良好的目标函数J5为m i nJ5=Ni=1Kf,iFi-Ff l a t,iFd e l t a,i2+Ni=1Fi-Fn o m,iFd e l t a,i8 0(1 5)式中:Kf,i为第i机架板形加权系数;Ff l a t,i为维持板形良好的轧制力,N。以轧制力均衡、功率均衡、压下率、能耗最小和板形良好为优化目标建立的多目标优化模型为m i nf=K1f1+K2f2+K3f3+K4f4+K5f5(1 6)式中:f为轧制规程的多目标函数;f1=J1(x),f2=J2(x),f3=J3(x),f4=J4(x),f5=J5(x),x为轧制规程的染色体编码;K1、K2、K3、K4、K5分别为各单目标函数在多目标函数中的加权系数,并且满足K1+K2+K3+K4+K5=1。3 遗传算法求解流程遗传算法是以适应度为依据的逐代搜索过程,通过不断地选择、交叉和变异等遗传操作,使得解的质量越来越好,主要由编码机制、控制参数选择、适应度计算函数和遗传算子4部分组成3 2,具体工作流程如图2所示。1)编码机制。对于7机架不锈钢冷连轧生产过程,机架之间张力根据经验进行设定,由于末机架出口厚度是固定值,因此前6个机架出口厚度采用实数编码方式进行编码。2)生成初始种群。将相邻2个机架作为边界,根据每个机架压下率约束条件确定各机架出口厚度范围,通过随机方法生成初始种群,利用贪婪算法局部寻优的优势对初始个体进行优化,由此得到初步优化的个体。3)构建适应度函数。适应度函数是用来计算个体的适应度大小,从而决定其遗传机会的大小。构建的适应度函数形式见式(1 7),其中fm a x为目标函数最大值,为一个较小的数,目的是避免适应度函图2 遗传算法流程图F i g.2 F l o wc h a r t o f g e n e t i ca l g o r i t h m数值为0。适应度函数的值越大,其进入下一代种群的概率越大。F(x)=-f(x)+fm a x+(1 7)4)设置遗传算子。遗传算法中的选择操作采用赌轮选择算子,计算每个个体在整个种群适应度中的被选择概率和累计概率,通过生成的随机数确定被选个体;交叉操作运用随机双点交叉进行运算,当随机数值小于交叉概率,则对选定的个体基因进行替换;变异操作采用随机单点变异,当随机数值小于变异概率时,则对基因进行变异操作,通过适当的变异可以增加找到最优解的概率。4 分析与讨论为验证所建立模型的准确性,以某8 5 0mm7机架不锈钢冷连轧机组为研究对象,选取典型产品规格进行分析。该生产线主要用于生产A I S I 3 0 4不锈钢,设计年生产能力为3 0万t,机组最大轧制速度为4 5 0m/m i n,最小可轧厚度为0.3mm,其F 1F 5机架为工作辊传动的4辊轧机,F 6和F 7机架为中间辊传动的6辊轧机,由于轧机出口配置有张力辊组,末机架出口可以提供较大的前张力。该生产线基本设备参数见表1。验证 试 验 所 选 钢 种 为A I S I 3 0 4,原 料 尺 寸 为2.8mm 7 3 0mm,成品尺寸为0.4 5mm7 3 0mm。该试验在p y t h o n3.9.1 2中实现,运行在I n t e l(R)i 7-1 0 5 1 0 UC P U 1.8 GH z(3 2 G R AM)。在遗传算法求解过程中,将初始种群数目设为1 0 0;遗传代201第7期张 欣,等:基于遗传算法的不锈钢冷连轧机轧制规程优化表1 8 5 0mm7机架不锈钢冷连轧机组设备参数T a b l e1 M e c h a n i c a l e q u i p m e n tp a r a m e t e r so f8 5 0mms t a i n l e s s s t e e l t a n d e mc o l dr o l l i n gm i l l名称1号轧机2号轧机3号轧机4号轧机5号轧机6号轧机7号轧机工作辊直径/mm2 1 2.0 12 1 1.7 42 0 5.7 02 0 1.3 31 9 1.6 51 7 0.7 81 6 8.7 2中间辊直径/mm3 1 4.3 13 1 6.8 2支撑辊直径/mm8 6 9.1 28 7 0.8 58 6 2.2 58 6 5.3 28 6 6.9 88 6 7.2 88 7 5.2 2最大轧制力/k N1 20 0 01 20 0 01 20 0 01 20 0 01 20 0 01 20 0 01 20 0 0主电机功率/k W12 0 014 0 016 0 016 0 016 0 014 0 014 0 0数对寻优结果的影响如图3所示,当寻优次数在5 0次左右时目标函数值趋于稳定,为了得到最优解并兼顾求解时间,将迭代代数设定为2 0 0;为选择合适的遗传算子,以不同交叉概率和变异概率在种群数为1 0 0、遗传代数为1 0 0的条件下进行计算,结果如图4所示,最终选定交叉概率为0.8 5,变异概率为0.1。为了验证基于遗传算法的轧制规程多目标优化结果,将优化后的轧制规程与传统的比例负荷分配法(L D P,l o a dd i s t r i b u t i o np r o p o r t i o n a l)和冷轧生产线实际使用的单纯形法(N-M,n e l d e r-m e a d)规程 进行了对比,并将不同轧制规程中各机架压下图3 遗传算法收敛迭代曲线F i g.3 C o n v e r g e n c e i t e r a t i v ec u r v eo f g e n e t i ca l g o r i t h m(a)交叉概率的影响;(b)变异概率的影响图4 遗传算子对多目标函数优化结果的影响F i g.4 E f f e c t o fg e n e t i co p e r a t o ro nm u l t i-o b j e c t i v e f u n c t i o no p t i m i z a t i o nr e s u l t s率、轧制力、轧制力矩和功率绘制成折线图,结果如图5所示。其中,GA 1(K1=0.2 5,K2=0.2 5,K3=0.2 5,K4=0.2 5,K5=0,)未考虑板形良好目标函数的影响,虽然各机架轧制力和功率更加均衡,但末机架压下率约为1 5%,无法保证成品带钢板形质量;GA 2(K1=0.2,K2=0.2,K3=0.2,K4=0.2,K5=0.2)综合考虑了5个目标函数的影响,优化结果与在线应用规程基本保持一致,在满足工艺和设备要求的提前下,合理利用了各机架的 电 机 功 率,且 轧 制 力 分 配 比 较 均 衡;GA 3(K1=0.2,K2=0.2,K3=0.1,K4=0.4,K5=0.1)增大了能耗最小目标函数所占权重,从图5(d)中可以看出,比例负荷分配法总能耗最少,但是受限于功率分配不均,不能发挥机组最大轧制速度,G A 3优化规程总能耗略少于其他3种规程。基于上述分析结果可以证明,基于遗传算法的7机架不锈钢冷连轧规程优化方法能够实现目标函数的快速求解,可以满足冷连轧现场轧制规程设定精度要求。301钢 铁第5 8卷(a)压下率;(b)轧制力;(c)轧制力矩;(d)功率图5 不同优化策略轧制规程对应的轧制参数F i g.5 R o l l i n gp a r a m e t e r s f o r r o l l i n g s c h e d u l e sb a s e do nd i f f e r e n t o p t i m i z a t i o ns t r a t e g i e s5 结论1)针对7机架不锈钢冷连轧机组,建立了综合考虑电机功率均衡、轧制力均衡、压下分配合理、轧制能耗小和板形良好的轧制规程多目标优化函数,并采用遗传算法对其进行优化求解,分析了遗传代数对寻优能力的影响,确定了合适的遗传算子。2)对比了比例负荷分配法、N-M单纯形法和选用不同权重系数的遗传算法求解典型产品规格的轧制规程,结果表明,采用遗传算法对7机架不锈钢冷连轧机组轧制规程进行寻优求解是可行的,通过对多目标函数权重系数的调整,可以充分发挥设备能力并达到提高生产效率和改善产品质量的目的,为后续该机组的 稳定生产 和产品 质 量 提 升 提 供 了保障。参考文献:1 刘振宝,梁剑雄,杨哲,等.高强度不锈钢应用及研究进 展J.中 国 冶 金,2 0 2 2,3 2(6):4 2.(L I U ZB,L I ANGJX,YAN GZ,e t a l.P r o g r e s so fa p p l i c a t i o na n dr e s e a r c ho nh i g hs t r e n g t hs t a i n l e s ss t e e lJ.C h i n a M e t a l l u r g y,2 0 2 2,3 2(6):4 2.)2 GA R D N E RL.S t a b i l i t ya n dd e s i g no fs t a i n l e s ss t e e ls t r u c-t u r e s-R e v i e wa n do u t l o o kJ.T h i n-W a l l e dS t r u c t u r e s,2 0 1 9,1 4 1:2 0 8.3 陆世英.不锈钢概论M.北京:化学工业出版社,2 0 1 3.(L USY.I n t r o d u c t i o n t oS t a i n l e s s S t e e lM.B e i j i n g:C h e m i c a l I n-d u s t r yP r e s s,2 0 1 3.)4 张殿华,彭文,孙杰,等.板带轧制过程中的智能化关键技术J.钢铁研究学报,2 0 1 9,3 1(2):1 7 4.(Z HAN GD H,P E N GW,S UNJ,e ta l.K e yi n t e l l i g e n tt e c h n o l o g i e so fs t e e ls t r i pr o l l i n gp r o c e s sJ.J o u r n a l o f I r o na n dS t e e lR e s e a r c h,2 0 1 9,3 1(2):1 7 4.)5 康永林.“十三五”中国轧钢技术进步及展望J.钢铁,2 0 2 1,5 6(1 0):1.(KAN GYL.C h i n as t e e l r o l l i n gt e c h n o l o g yp r o-g r e s s i nt h e1 3 t hf i v e-y e a rp l a na n dp r o s p e c t i o nJ.I r o na n dS t e e l,2 0 2 1,5 6(1 0):1.)6 张殿华,孙杰,陈树宗,等.高精度薄带材冷连轧过程智能优化控制J.钢铁研究学报,2 0 1 9,3 1(2):1 8 0.(Z HAN GDH,S UNJ,C HE NSZ,e ta l.I n t e l l i g e n to p t i m i z a t i o nc o n t r o lo ft a n d e mc o l dr o l l i n gp r o c e s sf o rh i g hp r e c i s i o nt h i ns t r i pJ.J o u r n a l o f I r o na n dS t e e lR e s e a r c h,2 0 1 9,3 1(2):1 8 0.)7 张清东,徐兴刚,于孟,等.基于遗传神经网络的不锈钢带冷轧轧制力模型J.钢铁,2 0 0 8,4 3(1 2):4 6.(Z HAN G Q D,XUXG,YU M,e t a l.C o l dr o l l i n gf o r c em o d e l b a s e do nGAa n dANNf o r s t a i n l e s s s t e e l s t r i pJ.I r o na n dS t e e l,2 0 0 8,4 3(1 2):4 6.)8 WAN GDD,T I E U AK,B O E RFG,e t a l.T o w a r dah e u r i s-t i co p t i m u md e s i g no f r o l l i n g s c h e d u l e s f o r t a n d e mc o l d r o l l i n gm i l l sJ.E n g i n e e r i n gA p p l i c a t i o n so fA r t i f i c i a l I n t e l l i g e n c e,2 0 0 0,1 3:3 9 7.9 王晓晨,杨荃,孙友昭.冷连轧设定控制系统综合优化研究401第7期张 欣,等:基于遗传算法的不锈钢冷连轧机轧制规程优化J.机械工程学报,2 0 1 4,5 0(6):3 9.(WAN G XC,YAN GQ,S UNYZ,e ta l.R e s e a r c ho nc o m p r e h e n s i v eo p t i m i z a t i o no f t a n d e mc o l dr o l l i n gs e t t i n gc o n t r o ls y s t e mJ.J o u r n a lo fM e c h a n i c a lE n g i n e e r i n g,2 0 1 4,5 0(6):3 9.)1 0 李勇,刘建昌,王昱.改进权重自适应GA及冷连轧轧制规程多目标优化J.控制理论与应用,2 0 0 9,2 6(6):6 8 7.(L IY,L I UJC,WAN