分布式鲁棒联合机会约束模型的炼钢连铸调度方法和装置制造方法及图纸

本发明专利技术中提供了一种分布式鲁棒联合机会约束模型的炼钢连铸调度方法和装置，属于生产调度和生产内外资源优化技术领域，所述方法包括：以总流经时间最短为优化目标，炉次加工时间为随机变量，构建炼钢连铸调度问题的分布式鲁棒联合机会约束模型；考虑约束条件之间的相关性，根据CVaR近似和对偶理论将分布式鲁棒联合机会约束模型转化为基于CVaR近似的分布式鲁棒联合机会约束模型；基于迭代提升求解算法，对基于CVaR近似的分布式鲁棒联合机会约束模型进行求解，得到炼钢连铸调度方案。在本发明专利技术中由于考虑炉次加工时间的不确定性，得到的炼钢连铸调度方案更符合实际情况，能够大幅减少炼钢连铸过程的断浇现象，提升生产过程的稳定性。定性。定性。

【技术实现步骤摘要】
分布式鲁棒联合机会约束模型的炼钢连铸调度方法和装置


[0001]本专利技术属于生产调度和生产内外资源优化
，特别涉及一种分布式鲁棒联合机会约束模型的炼钢连铸调度方法和装置。

技术介绍

[0002]炼钢连铸是钢铁生产过程中最重要的环节之一，由于实际加工流程涉及较多的人工环节，加上机器故障、钢水质量未达标、计划临时变动等不确定因素，生产往往不能按照计划执行。作为衔接上下游关键工序，其生产计划的变动会使得上下游的生产计划都随之变动，进而影响钢铁企业的整体生产效率。因此，一种有效的炼钢连铸调度方法对于提高生产效率、降低生产成本至关重要。
[0003]早期对炼钢连铸生产调度问题的研究主要集中在确定性模型上，利用基于运筹学的方法、智能优化算法、专家系统和模糊方法等解决炼钢连铸的生产调度问题。然而炼钢连铸过程的不确定因素众多，确定性模型得到的调度方案并不能实现很好的性能，甚至在很多情况下不可行。因此针对炼钢连铸过程的不确定因素，很多学者研究了动态调度方法，从而在突发事件发生时，根据当前生产状况对炼钢连铸过程进行重调度。动态调度在应对重大影响事件时，如机器长期故障、订单新增或取消等具有很好的效果。然而炼钢连铸过程中，非重大影响事件发生的频率远大于重大影响事件，如机器短期故障，加工时间、运输时间的波动等。针对这些波动频繁进行生产过程的重调度，不仅浪费大量资源，也会使得生产计划变得不稳定。而且动态调度模型认为加工环境是确定的，因此得到的重调度方案依然无法解决未来的参数波动问题。
[0004]针对炼钢连铸调度过程中的不确定因素，当前研究也只局限于基于不确定性集的鲁棒优化方法和随机规划方法。基于不确定性集的鲁棒优化只考虑了支撑集信息，因此具有较大的保守性，而随机规划方法通常假定不确定参数服从某一个具体的分布，在实际的生产环境下，不确定参数的确切分布通常是很难获得的，尤其对于新的生产线或者新的机器或工件。相比于上述两种方法，基于分布函数集的鲁棒优化方法在近几年来更加受到学者的关注，在一些全新的领域或者问题上进行了更多的应用。
[0005]然而，基于分布函数集的鲁棒优化方法主要研究工作都是基于单机和并行机的经典调度模型，且仅以线性形式的总流经时间等为优化目标。如何在基于分布函数集的鲁棒优化框架下处理生产调度问题中约束的不确定性，现有的技术没有给出合适的模型以及模型转化求解方案，因此并不适用于炼钢连铸调度问题这类包含不确定约束的生产调度问题。

技术实现思路

[0006]鉴于上述问题，本专利技术实施例提供了一种分布式鲁棒联合机会约束模型的炼钢连铸调度方法和装置，以便克服上述问题或者至少部分地解决上述问题。
[0007]本专利技术实施例的第一方面，公开了一种分布式鲁棒联合机会约束模型的炼钢连铸
调度方法，所述方法包括：以总流经时间最短为优化目标，炉次加工时间为随机变量，构建炼钢连铸调度问题的分布式鲁棒联合机会约束模型；考虑约束条件之间的相关性，根据CVaR近似和对偶理论将所述分布式鲁棒联合机会约束模型转化为基于CVaR近似的分布式鲁棒联合机会约束模型；基于迭代提升求解算法，对所述基于CVaR近似的分布式鲁棒联合机会约束模型进行求解，得到炼钢连铸调度方案，其中，所述炼钢连铸调度方案包括：所有炉次和浇次的开始加工时间。
[0008]可选地，所述方法还包括：针对所述约束条件相互独立的情况，将所述分布式鲁棒联合机会约束模型转化为基于独立性假设的分布式鲁棒联合机会约束模型；基于所述迭代提升求解算法，对所述基于独立性假设的分布式鲁棒联合机会约束模型进行求解，得到约束独立条件下的炼钢连铸调度方案。
[0009]可选地，所述以总流经时间最短为优化目标，炉次加工时间为随机变量，构建炼钢连铸调度问题的分布式鲁棒联合机会约束模型，包括：确定所述分布式鲁棒联合机会约束模型的参数和决策变量；以不确定炉次加工时间为所述分布式鲁棒联合机会约束模型的不确定参数，所述不确定参数具体分别未知，但所述不确定参数属于一个支撑集和矩信息已知的分布函数集；确定所述分布式鲁棒联合机会约束模型的目标函数，所述目标函数以最小总流经时间为优化目标；确定所述分布式鲁棒联合机会约束模型的约束条件，所述分布式鲁棒联合机会约束模型的约束条件用于约束不确定加工时间所服从的分布集和调度方案的可行性。
[0010]可选地，所述分布式鲁棒联合机会约束模型的目标函数表示为：其中，表示上限函数，表示求最小值函数，表示期望，表示所有浇次的集合，表示第个浇次中所有的炉次集合，表示分布，表示不确定加工时间所属的分布函数集，表示加工浇次的连铸机，表示在加工浇次的连铸机上的炉次的顺序，表示浇次的第一个炉次的开始加工时间，表示炉次在加工浇次的连铸机上的加工时间，表示第个浇次中第个炉次之前的所有炉次的总加工时间，表示浇次中第个炉次的完成加工时间，表示浇次中所有炉次的完成加工时间之和，表示所有浇次中所有炉次的完成加工时间之和。
[0011]可选地，所述分布式鲁棒联合机会约束模型的约束条件，包括：
不确定炉次加工时间约束，包括：所述不确定炉次加工时间的具体分布未知，但所述不确定炉次加工时间属于一个由支撑集、均值向量和协方差矩阵确定的分布函数集；炉次连续性约束，包括：在同一连铸机上，当某一炉次完成浇铸时，后继炉次已经到达连铸机且可以开始进行加工；单个浇次开始加工时间约束，包括：每一个浇次的开始加工时间需要大于等于准备时间，每一个浇次的开始加工时间需要大于等于该浇次的第一个炉次在上一道工序的完成时间加上运输时间；相邻浇次开始加工时间约束，包括：在同一连铸机上的两个相邻浇次，后一浇次的开始加工时间需要大于等于上一浇次的完成时间加上准备时间；炉次开始加工时间约束，包括：除连铸机外，在同一机器上的两个相邻炉次，后一炉次的开始加工时间需要大于等于上一炉次的完成时间；同一炉次相邻工序开始加工时间约束，包括：在同一炉次的两个相邻工序，后一道工序的开始加工时间需要大于等于上一道工序的完成时间加上运输时间。
[0012]可选地，所述根据CVaR近似和对偶理论将所述分布式鲁棒联合机会约束模型转化为基于CVaR近似的分布式鲁棒联合机会约束模型，包括：将所述分布式鲁棒联合机会约束模型中的目标函数转化为一般表示形式；通过CVaR近似和对偶理论将所述分布式鲁棒联合机会约束模型中的分布式鲁棒联合机会约束近似转化为半正定约束。
[0013]可选地，所述基于迭代提升求解算法，对所述基于CVaR近似的分布式鲁棒联合机会约束模型进行求解，包括：预先生成多个约束因子向量；针对每一个约束因子向量，根据约束因子向量的取值，求解出所述基于CVaR近似的分布式鲁棒联合机会约束模型的最优解和最优值；根据所述最优解和所述最优值对所述约束因子向量的取值进行更新，以更新后的约束因子向量的取值继续对所述基于CVaR近似的分布式鲁棒联合机会约束模型进行求解，得到新的最优解和最优值；满足迭代结束条件后，得到约束因子向量对应的最优解和最优值，从多个约束因子向量对应的最优解和最优值中选择出最终的最优解和最优值。
[0014]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式鲁棒联合机会约束模型的炼钢连铸调度方法，其特征在于，所述方法包括：以总流经时间最短为优化目标，炉次加工时间为随机变量，构建炼钢连铸调度问题的分布式鲁棒联合机会约束模型；考虑约束条件之间的相关性，根据CVaR近似和对偶理论将所述分布式鲁棒联合机会约束模型转化为基于CVaR近似的分布式鲁棒联合机会约束模型；基于迭代提升求解算法，对所述基于CVaR近似的分布式鲁棒联合机会约束模型进行求解，得到炼钢连铸调度方案，其中，所述炼钢连铸调度方案包括：所有炉次和浇次的开始加工时间。2.根据权利要求1所述的分布式鲁棒联合机会约束模型的炼钢连铸调度方法，其特征在于，所述方法还包括：针对所述约束条件相互独立的情况，将所述分布式鲁棒联合机会约束模型转化为基于独立性假设的分布式鲁棒联合机会约束模型；基于所述迭代提升求解算法，对所述基于独立性假设的分布式鲁棒联合机会约束模型进行求解，得到约束独立条件下的炼钢连铸调度方案。3.根据权利要求1所述的分布式鲁棒联合机会约束模型的炼钢连铸调度方法，其特征在于，所述以总流经时间最短为优化目标，炉次加工时间为随机变量，构建炼钢连铸调度问题的分布式鲁棒联合机会约束模型，包括：确定所述分布式鲁棒联合机会约束模型的参数和决策变量；以不确定炉次加工时间为所述分布式鲁棒联合机会约束模型的不确定参数，所述不确定参数具体分布未知，但所述不确定参数属于一个支撑集和矩信息已知的分布函数集；确定所述分布式鲁棒联合机会约束模型的目标函数，所述目标函数以最小总流经时间为优化目标；确定所述分布式鲁棒联合机会约束模型的约束条件，所述分布式鲁棒联合机会约束模型的约束条件用于约束不确定炉次加工时间所服从的分布集和调度方案的可行性。4.根据权利要求3所述的分布式鲁棒联合机会约束模型的炼钢连铸调度方法，其特征在于，所述分布式鲁棒联合机会约束模型的目标函数表示为：其中，表示上限函数，表示求最小值函数，表示期望，表示所有浇次的集合，表示第个浇次中所有的炉次集合，表示分布，表示不确定加工时间所属的分布函数集，表示加工浇次的连铸机，表示在加工浇次的连铸机上的炉次的顺序，表示浇次的第一个炉次的开始加工时间，表示炉次在加工浇次的连铸机上的加工时间，表示第个浇次中第个炉次之前的所有炉次的总加工时间，
表示浇次中第个炉次的完成加工时间，表示浇次中所有炉次的完成加工时间之和，表示所有浇次中所有炉次的完成加工时间之和。5.根据权利要求3所述的分布式鲁棒联合机会约束模型的炼钢连铸调度方法，其特征在于，所述分布式鲁棒联合机会约束模型的约束条件，包括：不确定炉次加工时间约束，包括：所述不确定炉次加工时间的具体分布未知，但所述不确定炉次加工时间属于一个由支撑集、均值向量和协方差矩阵确定的分布函数集；炉次连续性约束，包括：在同一连铸机上，当某一炉次完成浇铸时，后继炉次已经到达连铸机且可以开始进行加工；单个浇次开始加工时间约束，包括：每一个浇次的开始加工时间需要大于等于准备时间，每一个浇次的开始加工时间需要大于等于该浇次的第一个炉次在上一道工序的完成时间加上运输时间；相邻浇次开始加工时间约束，包括：在同一连铸机上的两个相邻浇次，后一浇次的开始加工时间需要大于等于上一浇次的完成时间加上准备时间；炉次开始加工时间约束，包括：除连铸机外，在同一...

【专利技术属性】
技术研发人员：宋士吉，牛晟盛，杨琬露，
申请(专利权)人：清华大学，
类型：发明
国别省市：