一种用于解决连铸机故障的炼钢-连铸重调度方法技术

连铸机故障问题因为涉及浇次的连浇特性使得常规用于处理设备故障的炼钢‑连铸生产的重调度方法难以应用。本发明专利技术提出了一种用于解决连铸机故障情况下炼钢‑连铸重调度方法，具体为：根据连铸机故障后的炉次不同工艺处理的重调度策略对重调度过程影响的差异，建立重调度优化模型；设计了综合遗传算法全局搜索能力与变领域搜索算法局部搜索能力优势的新混合算法进行最优解迭代寻优。算法的主要特性为：利用解码启发式算法在松弛部分复杂约束的前提下快速获得染色体的初始解；在进行种群交叉变异之前，利用变领域搜索算法提升每一个初始解的质量，其中为不可行解与可行解设计了不同的领域结构。本发明专利技术能有效解决连铸机故障下的重调度问题。

A scheduling method for steelmaking continuous casting continuous casting machine troubleshooting

Continuous casting machine fault problem because it involves casting continuous casting has characteristics of conventional used for steelmaking continuous casting production scheduling method of heavy equipment fault handling difficult application. The invention provides a solution for continuous casting machine fault case rescheduling method steelmaking continuous casting, in particular: according to the differences in the effects of continuous casting machine fault after heat treatment of different rescheduling strategy of scheduling process, a re scheduling optimization model; new hybrid algorithm design comprehensive genetic algorithm global search ability and variable neighborhood search algorithm local search ability of dominant optimal iterative optimization. The main characteristics are: using the decoding algorithm of heuristic algorithm in slack complex constraints under the premise of rapid chromosome initial solution; before the population crossover and mutation, using variable neighborhood search algorithm to improve the quality of each initial solution, which is not a feasible solution and feasible solution field of different structure design. The invention can effectively solve the rescheduling problem of continuous casting machine.

【技术实现步骤摘要】

本专利技术涉及冶金控制
，具体涉及一种用于解决连铸机故障的炼钢-连铸重调度方法。
技术介绍
炼钢-连铸是现代钢铁企业生产流程的关键环节，炼钢-连铸生产过程一般包括三个阶段:炼钢、精炼和连铸。生产调度在炼钢-连铸生产过程中扮演着重要的角色，一般说来，在生产开始之前生成静态调度，在静态调度假定所有信息都是可预知的并且在执行过程中保持不变。然而，在实际的生产过程中，各种扰动事件(例如机器故障)会导致正在执行的调度方案失效。连铸机的作用是将钢液凝固成铸坯，在炼钢连铸过程中它是唯一连续工作的机器。在实际生产中,由于结晶器水口堵塞、钢板质量问题、上游钢水供给延迟等，连铸生产过程可能会中断(统称连铸机故障)。连铸机故障将导致原来的炼钢-连铸调度计划无法继续执行。因此,必须依据实时调度信息在原调度计划的基础上重新编制计划，即重调度，炼钢-连铸重调度关系到生产稳定、连续的进行，因此，该研究对实际生产有着重要的意义。连铸机故障时的重调度问题属于炼钢-连铸动态调度问题，目前，炼钢-连铸调度问题研究主要集中在静态调度方面，很少涉及动态调度问题。Roy等在《Developmentofaknowledgemodelformanagingscheduledisturbanceinsteel-making》中提出了一个由任务、推理和领域3模块组成的知识模型去管理炼钢过程中的各种扰动问题，给出了一个重调度的框架结构，但并未给出具体的模型和求解算法。Yu等在《APredictionMethodforAbnormalConditionofSchedulingPlanwithOperationTimeDelayinSteelmakingandContinuousCastingProductionProcess》中提出了一种在炼钢-连铸生产过程中预测操作时间延迟扰动的方法，显然,他们的模型不适合解决机器故障扰动。Mao等在《AneffectiveLagrangianrelaxationapproachforreschedulingasteelmaking-continuouscastingprocess》研究了炼钢-连铸动态调度过程中的机器故障扰动和时间偏差扰动，他们解决机器故障的主要方法是添加一个新的约束，即故障设备在其故障期间不能加工炉次。因此在重调度过程中，故障机器上预安排的炉次将被分配给同工序其他机器执行。尽管这种策略能够有效解决转炉和精炼炉故障下的重调度问题,但并不能完全解决连铸机故障下的重调度问题。当连铸机发生故障时,其未加工的炉次并不能简单地分配给其他在重调度过程中继续运行的连铸机，这是因为每个连铸机具有以浇次为单元进行批量加工的特殊工艺特征。浇次内的炉次必须连续浇注，而每个炉次都关联一个预定的目标钢种，如齿轮钢、重轨钢等。为满足不同的冶炼要求，不同的钢种在炼钢生产流程中有不同的加工工序路径。不同钢种的炉次进行连浇会产生连浇成本。因此,若在重调度过程中将故障连铸机上未加工的炉次安排至其他铸机的浇次内进行浇注，可能需要更改其目标钢种信息，进而其加工工序路径和加工时间均有可能发生改变，而没有考虑该特征的重调度模型则无法处理连铸机故障扰动。实际生产过程中用于处理故障连铸机上的未加工炉次j的重调度策略主要包含四种。第一种策略是指在不改变炉次j的钢种的前提下，直接将其插入其他非故障铸机上的浇次内进行浇注(如图2(b)中的炉次8)。然而，如前所述，连浇炉次因钢种不同会产生连浇成本。第二种策略是指通过改变炉次j的炼钢/精炼操作从而改变炉次j的钢种，然后再将其插入其他非故障铸机上的浇次内进行浇注。对于某些特殊的炉次，如正在故障连铸机上浇注的炉次或已完成精炼操作且正运输至故障连铸机的炉次，这种策略需要将炉次返送至前端工序进行再加工(如图2(b)中的炉次7)。第三种策略是指在连铸机的故障时间比较短的情况下仍然将炉次j安排在故障铸机上进行加工，即故障恢复后开始加工炉次j(如图2(b)中的炉次9和10)。但是，这种策略对于已经完成所有精炼操作的炉次在其浇注之前可能需要被返送至精炼工序进行再加热，因为进行浇注的炉次的温度不能低于钢水的液相线温度。第四种策略是指撤销炉次j的加工任务(如图2(a)中的炉次11)。通常，其他非故障铸机上可用于加工故障铸机上的炉次的浇注位置(浇次中的顺序位置)是有限的，主要有以下2个方面的原因：(1)钢种不兼容的炉次是不能进行连浇的；(2)若将炉次插入非故障铸机上的某个浇注位置而产生很大的等待时间通常是不可取的。因此，当铸机故障发生时，重新安排故障铸机上的炉次的浇注铸机和浇注位置的有效策略组合较少且容易获取。本专利技术的目的是研究在故障铸机上的炉次的浇注铸机和浇注位置确定之后如何重新编制一个新的调度计划。不同的炉次浇注铸机和浇注位置的重新分配策略会对后续的重调度过程造成不同的影响，主要包含如下4种：(1)如果炉次需要插入另一个浇次中进行浇注，则该浇次中的其他炉次的浇注时间可能会减少，因为一个浇次的总浇注时间不能超过中间包的寿命；(2)如果炉次需要更改钢种，则炉次的加工工序路径可能会改变。对于需要返送至前端工序进行再加工的炉次，在动态调度模型中还会出现逆向的加工工序路径；(3)如果炉次在浇注前需要增加一个精炼升温操作，其加工工序路径也需要改变；(4)如果炉次的加工任务被取消了，其所有已完成的工序操作信息仍然需要保留在新的调度计划中。由于当前研究中用于设备故障的炼钢厂重调度模型中均没有考虑以上由连铸机故障而引起的影响，因此需要设计一个新的重调度模型和算法来求解连铸机故障下的重调度问题。
技术实现思路
为了克服上述现有技术中存在的缺陷，本专利技术的目的是提供一种用于解决连铸机故障的炼钢-连铸重调度方法，解决现有重调度模型中没有考虑连铸机故障的问题。为了实现本专利技术的上述目的，本专利技术提供了一种用于解决连铸机故障的炼钢-连铸重调度方法，其包括如下步骤：S1，重调度系统获取炼钢-连铸系统的生产批量计划和当前调度方案，以及炼钢-连铸系统的实时调度数据；S2，对连铸机故障下的重调度问题进行染色体编码，形成初始化种群，所述种群中的染色体信息包括炉次在工序设备上的加工时间、各浇次开浇时间偏离初始调度计划中相应开浇时间的偏离值以及炉次加工设备的初始分配方案；S3，对种群中的每一个染色体利用启发式算法进行解码进而获得每一个染色体对应的初始解；S4，设计连铸机故障下的重调度问题的目标函数Z，然后计算种群中每个初始解对应的适应度值，所述目标函数为：minZ＝Z1+Z2+Z3(1)其中，其中，目标Z1代表所有炉次的每一个操作在设备前的等待时间惩罚总和，Z2代表所有炉次交货期的提前/拖期惩罚总和，Z3代表所有炉次的每一个操作的加工时间偏差惩罚；所述炼钢-连铸重调度方法中的已知变量为：g：工序索引，g∈{1,2,...,G本文档来自技高网...

【技术保护点】
一种用于解决连铸机故障的炼钢‑连铸重调度方法，其特征在于，包括如下步骤：S1，重调度系统获取炼钢‑连铸系统的生产批量计划和当前调度方案，以及炼钢‑连铸系统的实时调度数据；S2，对连铸机故障下的重调度问题进行染色体编码，形成初始化种群，所述种群中的染色体信息包括炉次在工序设备上的加工时间、各浇次开浇时间偏离初始调度计划中相应开浇时间的偏离值以及炉次加工设备的初始分配方案；S3，对种群中的每一个染色体利用启发式算法进行解码进而获得每一个染色体对应的初始解；S4，设计连铸机故障下的重调度问题的目标函数Z，然后计算种群中每个初始解对应的适应度值，所述目标函数为：min Z＝Z1+Z2+Z3      (1)其中，Z2=Σj=1|Ψ|C2j|eO(j)-dj|---(3)]]>Z3=Σj=1|Ψ|Σoj=1O(j)C3goj,j(eoj-soj-ptgoj,jsta)2---(4)]]>其中，目标Z1代表所有炉次的每一个操作在设备前的等待时间惩罚总和，Z2代表所有炉次交货期的提前/拖期惩罚总和，Z3代表所有炉次的每一个操作的加工时间偏差惩罚；所述炼钢‑连铸重调度方法中的已知变量为：g：工序索引，g∈{1,2,...,G}；k：设备索引，k∈{1,2,...,K}；Mg：工序g内的设备索引集合；j：炉次索引；i：浇次索引，i∈{1,2,...,I}；Ψ：需要被重调度的所有炉次索引集合，|Ψ|表示炉次总数；Ψi：浇次i内的炉次索引集合，|Ψi|表示浇次i内的炉次总数，对于任意的浇次i1≠i2，i1,i2∈{1,2,...,I}，都有Ωk：铸机k上安排的所有浇次的索引集合，|Ωk|表示铸机k的浇次总数，lj(i)：浇次i内最后一个炉次的索引，lj(i)＝lj(i‑1)+|Ψi|，lj(0)＝0，lj(I)＝|Ψ|，进而，Ψi＝{lj(i‑1)+1,...,lj(i)}；li(k)：铸机k上最后一个浇次的索引，li(k)＝li(k‑1)+|Ωk|，li(K)＝I，其中k∈MG，K是集合MG中最大的设备索引，如果则li(k‑1)＝0，进而，Ωk＝{li(k‑1)+1,...,li(k)}；oj：炉次j的操作索引，oj∈{1,2,...,O(j)}，O(j)表示炉次j的操作总数，炉次在工序设备上的工艺操作过程，简称炉次的操作；炉次j的操作oj所在的工序索引，所有的工序索引集合表示炉次j的加工工序路径，gO(j)必须为铸机工序G；dj：炉次j在计划阶段确定的热轧加工交货期；重调度开始时刻操作oj的生产状态标志，如果oj是未加工状态，则如果oj是正在加工状态，则如果oj是已完成加工状态，则初始调度计划中炉次j的操作oj的开始加工时间；初始调度计划中炉次j的操作oj的结束加工时间；0/1参数，当且仅当初始调度计划中炉次j的操作oj在设备k上加工时为1；表示炉次j在工序g上的最小/标准/最大加工时间；ttk,k'：设备k与k'之间的运输时间；etk：设备k的最早可用时间，故障铸机的最早可用时间为故障结束时间；st：同一铸机上相邻浇次之间的准备时间；lt：中间包的寿命；炉次j的等待时间惩罚系数；炉次j的完工时间与其交货期之间的偏差惩罚系数；炉次j在工序g内的加工时间偏离其对应的标准加工时间之间的偏差惩罚系数；U：一个足够大的正数；所述炼钢‑连铸重调度方法中的决策变量为：炉次j的操作oj的开始加工时间；炉次j的操作oj的结束加工时间；0/1变量，当且仅当调度计划中炉次j的操作oj分配在设备k上加工时为1；yk,j,j'：0/1变量，当且仅当炉次j和j'都在设备k上加工且炉次j先于炉次j'加工时为1；所述适应度函数为：F(x)=Z(x)+RΣj=1|Ψ|Vj(x)---(23)]]>其中，Z(x)是调度解x的目标函数值，R是自定义的惩罚系数，Vj(x)是炉次j在调度解x中的约束违反量且Vj(x)≥0，当且仅当炉次j的调度计划可行时，Vj(x)等于0，否则Vj(x)大于0；S5，利用约束条件判断种群中由启发式算法解码获得的初始解哪些为可行解、哪些为不可行解；S6，利用变领域搜索算法提升每一个初始解的质量，为保证算法性能，为不可行解与可行解设计了不同的领域结构，即在不可行解的领域内进行变领域搜索其可行解，在可行解的领域内进行变领域搜索其局部最优解；S7，判断是否满足算法停止条件，如果满足，执行步骤S9，否则执行步骤S8；S8，对染色体进行选择、交叉和变异操作，生成新一代种群并返回步骤S3；S9，将获得的种群中的最优解生成最终重调度方案传输给炼钢‑连铸生产运行控制系统，控制炼钢‑连铸生产运行系统按照所述重调度方案运行。...

【技术特征摘要】
1.一种用于解决连铸机故障的炼钢-连铸重调度方法，其特征在于，包括如下步骤：S1，重调度系统获取炼钢-连铸系统的生产批量计划和当前调度方案，以及炼钢-连铸系统的实时调度数据；S2，对连铸机故障下的重调度问题进行染色体编码，形成初始化种群，所述种群中的染色体信息包括炉次在工序设备上的加工时间、各浇次开浇时间偏离初始调度计划中相应开浇时间的偏离值以及炉次加工设备的初始分配方案；S3，对种群中的每一个染色体利用启发式算法进行解码进而获得每一个染色体对应的初始解；S4，设计连铸机故障下的重调度问题的目标函数Z，然后计算种群中每个初始解对...

【专利技术属性】
技术研发人员：郑忠，龙建宇，高小强，呼万哲，黄世鹏，徐兆俊，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50