一种炼钢-连铸生产调度优化方法技术

本发明专利技术涉及工业过程计划与调度优化技术领域，提供一种炼钢‑连铸生产调度优化方法，首先获取炼钢‑连铸生产数据，然后建立炼钢‑连铸生产调度优化模型，并建立拉格朗日乘子松弛模型、每个炉次的带有拉格朗日乘子的计划调度优化子问题模型及对偶问题模型，接着设置拉格朗日乘子初始值，采用后向动态规划法，求解子问题模型，判断最优决策变量值是否满足代理最优条件，然后设置拉格朗日乘子更新的梯度方向，并判断相邻两次迭代的梯度方向所成的角度是否为锐角，再计算更新步长，更新拉格朗日乘子并在其满足停止准则时构造可行的炼钢‑连铸生产调度优化方案。本发明专利技术能够缩小调度规模、降低求解难度、提高求解质量及求解速度。

An Optimal Scheduling Method for Steelmaking-Continuous Casting Production

The invention relates to the technical field of industrial process planning and scheduling optimization, and provides an optimization method for production scheduling of steelmaking and continuous casting. Firstly, the production data of steelmaking and continuous casting are obtained, then the optimization model for production scheduling of steelmaking and continuous casting is established, and the Lagrange multiplier relaxation model, the sub-problem model of planning and scheduling optimization with Lagrange multiplier for each furnace and the dual problem model are established. Then, the initial value of Lagrange multiplier is set, and the sub-problem model is solved by backward dynamic programming to determine whether the optimal decision variable value satisfies the proxy optimal condition. Then, the gradient direction of Lagrange multiplier updating is set, and whether the angle of gradient direction of two adjacent iterations is acute angle is judged. Then, the updating step is calculated, and the Lagrange multiplier is updated in it. When the stopping criterion is satisfied, a feasible production scheduling optimization scheme for steelmaking and continuous casting is constructed. The invention can reduce dispatching scale, reduce solving difficulty, improve solving quality and speed.

【技术实现步骤摘要】
一种炼钢-连铸生产调度优化方法
本专利技术涉及工业过程计划与调度优化
，特别是涉及一种炼钢-连铸生产调度优化方法。
技术介绍
在工业生产中，炼钢-连铸生产调度，就是在炉次的工艺路径即每个炉次加工工序总数及每道工序的所选设备种类已知的情况下，在保证连铸机连续浇铸过程中每个浇次内的炉次之间及同一设备上两相邻炉次之间不产生作业冲突的前提下，以浇次在连铸机上的开浇时间与该浇次的理想开浇时间之差及相邻工序之间的炉次等待时间为节能降耗因素，以炉次在任意加工时间内的设备唯一性和炉次在任意加工设备内的时间连续性为约束条件，确定每个炉次在已知工艺路径下的每个工序上对应的加工处理设备及该设备对应的加工开始时间，形成炼钢-连铸生产作业时间表，即钢厂的炼钢-连铸计划调度。炼钢-连铸生产调度对炼钢-连铸生产乃至企业的生产效益具有重要意义。炼钢-连铸生产调度优化问题属于NP(Non-deterministicPolynomial)即非确定性多项式难题，其目标解的搜索涉及解空间的组合爆炸。现有的炼钢-连铸生产调度优化方法主要有运筹学方法、启发式方法和人工智能方法。经典的运筹学方法受限于生产过程的规模而难以在短时间得到高质量的调度方案。启发式方法虽然具有描述简单且适用于实际调度环境的特点，但是对于大规模的复杂多目标调度优化问题的求解效果不理想。人工智能方法很难完全由计算机处理实际调度生产过程结构不良的问题，主要表现在系统中的知识不完备及不一致，从而导致调度优化速度慢。从而，上述现有方法难以保证炼钢-连铸生产调度优化问题的求解质量，而且在短时间内难以获得满足实际生产要求的近似优化可行解。
技术实现思路
针对现有技术存在的问题，本专利技术提供一种炼钢-连铸生产调度优化方法，能够缩小调度规模、降低调度问题求解难度、提高求解质量及求解速度，从而提高企业的生产效益。本专利技术的技术方案为：一种炼钢-连铸生产调度优化方法，其特征在于，包括下述步骤：步骤1：获取钢厂的炼钢-连铸生产数据，所述炼钢-连铸生产数据包括工序总数J、第t时刻第j个工序的可用设备数Mjt、第m台连铸机上已指派的浇次有序集合Bm、第k个浇次中的炉次有序集合Ωk、第i个炉次在第j个工序的加工开始时间ti,j、第i个炉次在第j个工序的作业时间Pi，j、炉次在第j个工序和第j+1个工序之间的标准传输时间Tj，j+1、相邻浇次间更换结晶器所需最小间隔时间Su、炉次在连铸工序的等待时间惩罚系数W1、炉次在精炼工序的等待时间惩罚系数W2、实际开浇时间晚于理想开浇时间时的惩罚系数W3、实际开浇时间早于理想开浇时间时的惩罚系数W4；其中，j＝1，2，3，…,J，第1个工序为炼钢工序，第2至J-1个工序为精炼工序的子工序，第J个工序为连铸工序，Mjt≥1；第J个工序的设备为连铸机，第t时刻第J个工序的设备数即连铸机数为MJt＝MJ，MJ为常数；t∈{0,1，2，…，T}，ti，j∈{0，1，2，…，T}，T为第J个工序的截止时间；Bm＝{b(m-1)+1，b(m-1)+2，…，b(m)}，b(m)为第m台连铸机上的末浇次序号，b(m)＝b(m-1)+|Bm|，|Bm|为第m台连铸机上的浇次个数，b(0)＝0，m＝1，2，3，…,MJ，b(MJ)＝K，K为浇次总数；Ωk＝{s(k-1)+1，s(k-1)+2，…，s(k)}，s(k)为第k个浇次中的末炉次序号，s(k)＝s(k-1)+|Ωk|，|Ωk|为第k个浇次中的炉次个数，s(0)＝0，k＝1,2,3,…,K，s(K)＝|Ω|，|Ω|为炉次总数，Ω为所有炉次的集合，Ω＝Ω1∪Ω2∪…∪Ωk∪…∪ΩK，且k1≠k2；i∈Ω；步骤2：建立炼钢-连铸生产调度优化模型，具体包括下述步骤：步骤2.1：建立加权所有炉次在连铸工序的等待时间惩罚之和模型：步骤2.2：建立加权所有炉次在精炼工序的等待时间惩罚之和模型：步骤2.3：建立加权所有浇次在连铸工序的开浇时间惩罚之和模型：其中，当ti，J>di时，x1i＝ti，J-di，x2i＝0；当ti,J<di时，x1i＝0，x2i＝di-ti,J；当ti,J＝di时，x1i＝0，x2i＝0；ti,J为第i个炉次在连铸工序的加工开始时间也即实际开浇时间，di为第i个炉次在连铸工序的理想开浇时间；步骤2.4：建立目标函数模型：minZ＝Z1+Z2+Z3步骤2.5：建立相邻工序-炉次加工顺序约束模型，即同一炉次在前一工序加工完毕并运达到下一工序后，才能开始加工：ti,j+1-Tj,j+1-Pi,j-ti,j≥0i∈Ω,j＝1,2…,J-1步骤2.6：建立浇次加工顺序约束模型，即相邻浇次间需要时间来更换结晶器：ti+1,J-Pi,J-ti,J≥Su其中，i＝s(k)，k∈{b(m-1)+1,b(m-1)+2,…,b(m)-1}，m＝1,2,3,…,MJ；步骤2.7：建立连铸工序-炉次加工顺序约束模型，即同一浇次的相邻炉次有加工前后顺序：ti+1,J-Pi,J-ti,J≥0其中，i∈{s(k-1)+1,s(k-1)+2，…，s(k)-1}，k∈{b(m-1)+1,b(m-1)+2,…，b(m)}，m＝1，2，3，…，MJ；步骤2.8：建立设备能力约束模型，即在同一设备上不能同时加工多个炉次：∑i∈Ωδijt≤Mjtj＝1，2…，J-1，t＝1，2，…，T其中，当第t时刻第i个炉次在第j个工序被加工时，δijt＝1；当第t时刻第i个炉次在第j个工序没有被加工时，δijt＝0；步骤2.9：上述步骤2.4-步骤2.8建立的所有模型共同构成炼钢-连铸生产调度优化模型；步骤3：建立拉格朗日乘子松弛“不断浇、不冲突”约束即“加工顺序约束、设备能力约束”模型；其中，ui为第i个炉次的拉格朗日乘子，vjt为第t时刻第j个工序的拉格朗日乘子；步骤4：建立第i个炉次的带有拉格朗日乘子的计划调度优化子问题模型：其中，步骤5：建立对偶问题模型；步骤6：用n表示迭代次数，n的初始值设为0，第n次迭代中拉格朗日乘子ui、vjt的值分别为设置拉格朗日乘子ui、vjt的初始值分别为其中，i∈Ω，j＝1,2…,J，t＝0,1,…,T；步骤7：令i的初始值为1，采用后向动态规划法，求解步骤4中第i个炉次的带有拉格朗日乘子的计划调度优化子问题模型，得到第n次迭代中第i个炉次的带有拉格朗日乘子的计划调度优化子问题模型的最优决策变量值步骤8：判断步骤7中获得的第n次迭代中第i个炉次的最优决策变量值是否满足代理最优条件若满足，则进入步骤9；若不满足，则令i＝i+1，返回步骤7，继续求解剩余炉次的带有拉格朗日乘子的计划调度优化子问题模型，直到满足代理最优条件；步骤9：设置第n次迭代中拉格朗日乘子在第j个工序中更新所需的梯度方向分别为步骤10：判断相邻两次迭代的梯度方向所成的角度，如果为锐角，则进入步骤11；如果为钝角，则引入拉格朗日乘子的偏移次梯度分别为使相邻两次迭代的梯度方向为锐角；其中，步骤11：计算第n次迭代中拉格朗日乘子的更新步长为其中，步骤12：基于梯度方向和更新步长，来更新拉格朗日乘子：步骤13：检验拉格朗日乘子是否满足停止准则||Hn+1-Hn||<ε1，如果满足停止准则，则停止拉格朗日乘子更新，得到最优决策即单炉次调度优化方案，进本文档来自技高网...

【技术保护点】
1.一种炼钢‑连铸生产调度优化方法，其特征在于，包括下述步骤：步骤1：获取钢厂的炼钢‑连铸生产数据，所述炼钢‑连铸生产数据包括工序总数J、第t时刻第j个工序的可用设备数Mjt、第m台连铸机上已指派的浇次有序集合Bm、第k个浇次中的炉次有序集合Ωk、第i个炉次在第j个工序的加工开始时间ti,j、第i个炉次在第j个工序的作业时间Pi,j、炉次在第j个工序和第j+1个工序之间的标准传输时间Tj,j+1、相邻浇次间更换结晶器所需最小间隔时间Su、炉次在连铸工序的等待时间惩罚系数W1、炉次在精炼工序的等待时间惩罚系数W2、实际开浇时间晚于理想开浇时间时的惩罚系数W3、实际开浇时间早于理想开浇时间时的惩罚系数W4；其中，j＝1,2,3,…,J，第1个工序为炼钢工序，第2至J‑1个工序为精炼工序的子工序，第J个工序为连铸工序，Mjt≥1；第J个工序的设备为连铸机，第t时刻第J个工序的设备数即连铸机数为MJt＝MJ，MJ为常数；t∈{0,1,2,…,T}，ti,j∈{0,1,2,…,T}，T为第J个工序的截止时间；Bm＝{b(m‑1)+1，b(m‑1)+2，…，b(m)}，b(m)为第m台连铸机上的末浇次序号，b(m)＝b(m‑1)+|Bm|，|Bm|为第m台连铸机上的浇次个数，b(0)＝0，m＝1,2,3,…,MJ，b(MJ)＝K，K为浇次总数；Ωk＝{s(k‑1)+1，s(k‑1)+2,…,s(k)}，s(k)为第k个浇次中的末炉次序号，s(k)＝s(k‑1)+|Ωk|，|Ωk|为第k个浇次中的炉次个数，s(0)＝0，k＝1，2,3，…，K，s(K)＝|Ω|，|Ω|为炉次总数，Ω为所有炉次的集合，Ω＝Ω1∪Ω2∪…∪Ωk∪…∪ΩK，...

【技术特征摘要】
1.一种炼钢-连铸生产调度优化方法，其特征在于，包括下述步骤：步骤1：获取钢厂的炼钢-连铸生产数据，所述炼钢-连铸生产数据包括工序总数J、第t时刻第j个工序的可用设备数Mjt、第m台连铸机上已指派的浇次有序集合Bm、第k个浇次中的炉次有序集合Ωk、第i个炉次在第j个工序的加工开始时间ti,j、第i个炉次在第j个工序的作业时间Pi,j、炉次在第j个工序和第j+1个工序之间的标准传输时间Tj,j+1、相邻浇次间更换结晶器所需最小间隔时间Su、炉次在连铸工序的等待时间惩罚系数W1、炉次在精炼工序的等待时间惩罚系数W2、实际开浇时间晚于理想开浇时间时的惩罚系数W3、实际开浇时间早于理想开浇时间时的惩罚系数W4；其中，j＝1,2,3,…,J，第1个工序为炼钢工序，第2至J-1个工序为精炼工序的子工序，第J个工序为连铸工序，Mjt≥1；第J个工序的设备为连铸机，第t时刻第J个工序的设备数即连铸机数为MJt＝MJ，MJ为常数；t∈{0,1,2,…,T}，ti,j∈{0,1,2,…,T}，T为第J个工序的截止时间；Bm＝{b(m-1)+1，b(m-1)+2，…，b(m)}，b(m)为第m台连铸机上的末浇次序号，b(m)＝b(m-1)+|Bm|，|Bm|为第m台连铸机上的浇次个数，b(0)＝0，m＝1,2,3,…,MJ，b(MJ)＝K，K为浇次总数；Ωk＝{s(k-1)+1，s(k-1)+2,…,s(k)}，s(k)为第k个浇次中的末炉次序号，s(k)＝s(k-1)+|Ωk|，|Ωk|为第k个浇次中的炉次个数，s(0)＝0，k＝1，2,3，…，K，s(K)＝|Ω|，|Ω|为炉次总数，Ω为所有炉次的集合，Ω＝Ω1∪Ω2∪…∪Ωk∪…∪ΩK，且k1≠k2；i∈Ω；步骤2：建立炼钢-连铸生产调度优化模型，具体包括下述步骤：步骤2.1：建立加权所有炉次在连铸工序的等待时间惩罚之和模型：步骤2.2：建立加权所有炉次在精炼工序的等待时间惩罚之和模型：步骤2.3：建立加权所有浇次在连铸工序的开浇时间惩罚之和模型：其中，当ti,J>di时，x1i＝ti，J-di，x2i＝0；当ti，J<di时，x1i＝0，x2i＝di-ti，J；当ti,J＝di时，x1i＝0，x2i＝0；ti,J为第i个炉次在连铸工序的加工开始时间也即实际开浇时间，di为第i个炉次在连铸工序的理想开浇时间；步骤2.4：建立目标函数模型：minZ＝Z1+Z2+Z3步骤2.5：建立相邻工序-炉次加工顺序约束模型，即同一炉次在前一工序加工完毕并运达到下一工序后，才能开始加工：ti,j+1-Tj，j+1-Pi，j-ti，j≥0i∈Ω，j＝1，2…,J-1步骤2.6：建立浇次加工顺序约束模型，即相邻浇次间需要时间来更换结晶器：ti+1,J-Pi,J-ti,J≥Su其中，i＝s(k)，k∈{b(m-1)+1,b(m-1)+2,…,b(m)-1}，m＝1,2,3,…,MJ；步骤2.7：建立连铸工序-炉次加工顺序约束模型，即同一浇次的相邻炉次有加工前后顺序：ti+1,J-Pi,J-ti,J≥0其中，i∈{s(k-1)+1,s(k-1)+2,…,s(k)-1}，k∈{b(m-1)+1,b(m-1)+2,…,b(m)}，m＝1,2,3,…,MJ；步骤2.8：建立设备能力约束模型，即在同一设备上不能同时加工多个炉次：∑i∈Ωδijt≤Mjtj＝1,2…,J-1,t＝1,2,…,T其中，当第t时刻第i个炉次在第j个工序被加工时，δijt＝1；当第t时刻第i个炉次在第j个工序没有被加工时，δijt＝0；步骤2.9：上述步骤2.4-步骤2.8建立的所有模型共同构成炼钢-连铸生产调度优化模型；步骤3：建立拉格朗日乘子松弛“不断浇、不冲突”约束即“加工顺序约束、设备能力约束”模型；其中，ui为第i个炉次的拉格朗日乘子，vjt为第t时刻第j个工序的拉格朗日乘子；步骤4：建立第i个炉次的带有拉格朗日乘子...

【专利技术属性】
技术研发人员：孙亮亮，李野，李智，
申请(专利权)人：沈阳建筑大学，
类型：发明
国别省市：辽宁,21