一、炼钢连铸生产中炉机优化匹配问题的算法（论文文献综述）
刘青,邵鑫,杨建平,张江山[1]（2021）在《炼钢厂多尺度建模与协同制造》文中研究表明在阐述炼钢厂多尺度建模与协同制造技术架构的基础上,分别从单体工序尺度、车间区段尺度与炼钢厂运行尺度开展了炼钢厂协同制造的研究.从工序/装置过程控制系统（PCS）到炼钢厂制造执行系统（MES）进行了较为系统的建模研发,构建了包括转炉工序、精炼工序与连铸工序在内的工序工艺控制模型以及以生产计划与调度模型为核心的物质流运行优化模型,并通过工序工艺控制和生产计划与调度的动态协同,实现了炼钢厂多工序/装置的高效运行.研发了炼钢-连铸过程工序工艺控制模型、生产计划与调度模型同MES之间的数据接口,实现了MES与生产工艺控制、流程运行控制、生产计划与调度系统的有机融合,形成了以机理模型与数据模型协同驱动的工艺精准控制、多工序协同运行、基于"规则+算法"的生产计划与调度为支撑的炼钢-连铸过程集成制造技术,通过多层级的纵向协同与多工序的横向协同,实现了炼钢厂的协同运行与控制.研究成果是炼钢-连铸过程智能制造的有益探索与实践,对流程工业智能制造企业具有很强的参考价值,对冶金工业绿色化、智能化发展具有示范与借鉴作用.应用后,明显提升了炼钢厂的协同制造水平,取得了显着的经济与社会效益.
邵鑫,杨建平,王柏琳,张江山,高山,刘青[2]（2021）在《炼钢-连铸区段多工序运行协同控制》文中研究说明针对炼钢厂车间平面布置不合理、生产订单多样化导致多工序运行协同性不佳的问题,阐述了炼钢厂多工序运行协同控制的技术架构,通过开展物质流运行规律的解析,生产调度规则库、基于炉-机对应原则的生产调度模型、多工序运行仿真模型的构建,以及多工序协同运行水平量化评价方法的研发,形成了一种具有较高普适性的多工序运行协同控制技术。该技术应用于莱芜银山型钢厂后,取得了显着的经济效益与社会效益,推动了炼钢厂智能化的发展。
胡正彪,贺东风[3]（2021）在《钢铁制造流程物质流与能量流协同优化研究进展》文中认为钢铁企业具有流程长、能耗高、排放量大等特点,钢铁制造流程物质流与能量流的协同优化是实现高层次系统节能的关键。为此,对钢铁制造流程物质流和能量流优化的研究进展与应用进行了综述,在此基础上阐述了钢铁制造流程物质流与能量流协同优化的主要研究方向,即物质流与能量流的相互影响和协同规律研究、考虑能源约束的生产计划编制和物流与能流耦合调度。提出了解决协同优化模型构建和求解的关键在于科学的物质流与能量流协同表征方法、生产计划与能源计划时间粒度的统一和智能算法的优化。
周莹[4]（2021）在《改进灰狼算法在炼钢-连铸调度中的应用研究》文中认为钢铁工业是国民经济的支柱性产业,在国民经济、社会发展、基础设施建设、国防等方面都发挥着不可替代的作用。现代大型钢铁制造企业的生产流程通常由前端的炼铁,中部的炼钢-连铸以及后端的轧制三大工序组成。从横向的生产过程看,炼钢-连铸是钢铁生产全流程的中间工序,对整个生产过程起着桥梁和纽带的作用。从纵向的集成管理看,生产调度是生产管理的核心,对产品的质量和效率起着至关重要的作用。所以,炼钢-连铸生产调度是确保钢铁制造高效、高质与智能化生产的关键。本文以多工序、并行机、多品种、复杂的炼钢-连铸生产过程为研究对象,深入研究炼钢-连铸生产调度问题,其研究的主要工作如下:（1）描述炼钢-连铸生产调度问题的时代背景,概述了炼钢-连铸生产调度的研究现状,主要包括对已有的研究成果和研究方法的描述,强调优化炼钢-连铸生产调度问题的重要意义。其次,对灰狼优化算法和深度确定性策略梯度算法的应用进行理论研究,为本文的算法研究提供理论基础。（2）对炼钢-连铸生产调度问题进行深入分析和研究,针对实际生产要求,抽象出炼钢-连铸生产调度问题的优化目标以及约束条件,以设备作业冲突时间最小、炉次等待时间最短、开浇时间与给定开浇时间偏差最小为优化目标建立生产调度数学模型。（3）针对现有文献采用灰狼优化算法求解炼钢-连铸生产调度问题存在容易陷入局部最优、解的稳定性差等缺点,将深度强化学习与灰狼优化算法相结合,提出了基于深度确定性策略梯度算法的改进灰狼优化算法（DDPG-GWO）。利用深度确定性策略梯度算法训练调度计划智能体,提高算法学习性,利用经验池存放数据,提高数据利用率,从而打破灰狼优化算法易陷入局部最优的局面,提高解的稳定性。（4）将本文所提算法应用于求解炼钢-连铸生产调度问题中,采用中国某大型钢厂的真实数据进行仿真实验,获得了优化的调度计划方案,表明算法的可行性。并将本文所提算法与标准灰狼优化算法、保留精英策略的遗传算子的布谷鸟算法进行相同炉次规模和不同炉次规模的对比试验,结果证明,所提出的算法（DDPG-GWO）在保证获得可行计划方案的前提下,求解精度更好,求解速度更快。
梁青艳[5]（2021）在《基于流程网络仿真的钢铁企业炼钢调度和能源优化》文中研究说明绿色化和智能化是钢铁行业智能制造转型升级的两大基本要素,研究生产系统以及能源系统的优化问题具有非常重要的现实意义。近几年随着企业自动化、信息化水平的普遍提高,智能制造提升工程也逐渐着手实施,急需利用智能模型去解决复杂生产流程中的生产优化调度问题以及钢铁企业能源多介质优化调配问题。本文针对当前炼钢调度以及能源优化问题研究中的不足和局限性,提出基于流程网络仿真进行优化建模的新的解决方案,进行了关键技术研究和应用验证,主要研究内容如下:（1）充分考虑钢铁企业炼钢调度的特点及难点,提出了基于多智能体技术的炼钢智能化动态调度方案,构建了通用性的多智能体流程网络仿真优化基础模型,并分别结合普钢和特钢不同实际生产场景进行了应用验证。应用结果表明该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。（2）充分考虑钢铁企业能源和生产耦合紧密的特点,从能量流的角度出发,构建了能量流网络基本描述模型包括主工序能量流模型、分介质能量流网络模型、能量流网络集成模型,对物质流、能量流之间相互影响、相互耦合的关系进行了信息表征;提出了从钢铁流程生产工艺出发,基于静态因素、动态因素及能源本身波动规律建立主工序能量流节点模型的建模方案,并分别以煤气和电力介质为例进行了主工序能量流具体分析、模型描述及预测验证。预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。煤气预测模型,模型误差基本在10%以内;电力96点负荷预测模型,模型误差在5%以内的达到96%,均获得了较好的预测效果。（3）以能量流网络模型为基础,针对以满足需求,放散最小为目标的能源计划的智能生成问题构建了基于规则的能源仿真调配模型,针对以放散和成本最小为目标的能源动态调度问题构建了基于优化算法的能源优化调配模型,并分别通过仿真分析,验证了模型的适用性和有效性。这两部分的研究分别针对不同的具体应用问题,不同优化目标进行了建模,而且和能量流网络模型结合,形成了完整的模型体系,为能源的多工况场景计划制订、优化协调提供了新方法。
韩大勇[6]（2021）在《炼钢—连铸生产调度与钢包选配的集成优化研究》文中指出钢铁作为工业生产中不可或缺的原材料,为世界经济的高速发展提供了基础保证。同时,由于钢铁行业也是能源消耗大户,因此亟需从制造工序优化、生产组织优化等多方面入手,实现节能减排。炼钢-连铸生产是钢铁制造的核心环节,主要包含炼钢、精炼和连铸三道工序,实现铁水、钢水到铸坯的物料形态转换。该过程主要涉及到两个子问题:生产调度和钢包选配。其中,生产调度旨在确定所有炉次在各阶段的机器分配及其操作时间,并生成调度方案;而钢包选配旨在协调所有加工炉次的运载设备分配,以保障生产调度方案的顺行。然而,现阶段的相关研究主要聚焦于生产调度层面,忽略了钢包选配对整个生产过程的影响。因此,本课题重点探索了炼钢-连铸生产调度与钢包选配的集成优化模型及方法,以保证兼顾生产效率的同时,有效地降低生产成本和能源消耗。该研究具有重要的理论价值和实际意义。本课题针对上述问题,主要研究工作如下:首先,针对带可重入精炼工序的炼钢-连铸生产静态调度问题,建立了以总流经时间最小化为目标的混合整数规划模型,并提出了一种有效的增广拉格朗日乘子法（Augmented Lagrange multiplier method,e-ALM）。在该算法中,通过松弛设备资源约束和工序操作优先级约束、以及设计有效的松弛惩罚项,将原问题模型分解为易于求解的多个子问题。进而,通过融合惩罚系数和拉格朗日松弛特性,提出了一种基于次梯度偏转方向的拉格朗日乘子动态更新策略,以加快算法的收敛速度。与数学优化软件CPLEX和其他现有拉格朗日算法求解结果相对比,eALM在相同计算时间内能获得更好的可行解、以及更小的对偶间隙。其次,针对给定生产调度方案下的钢包选配问题,在满足炉次对钢包材质要求、受钢温度要求及转炉出钢时间等约束下,以最小化钢包转运总能耗为目标,建立了钢包选配问题的混合整数规划模型,并提出了改进候鸟迁移优化算法（Improved migratory birds optimization algorithm,IMBO）。在算法中,结合问题特性,设计了基于钢包选配规则的解码机制和启发式初始化方法;同时,结合MBO算法独有的V形结构,提出了基于特定问题的邻域搜索策略和竞争机制,增强算法的协同搜索能力;并结合MBO算法独有的分享和收益机制,提出了一种动态接收准则,以平衡算法的全局搜索和局部搜索能力,进而提高算法的性能。通过与多种已有的智能算法以及在实际生产中所采用的人工钢包选配方法进行对比,验证了所提算法的有效性和优越性。随后,综合考虑炼钢-连铸生产过程中的生产调度与钢包选配问题,建立了炼钢-连铸生产调度与钢包选配的能效集成优化模型,并提出一种增强的候鸟迁移优化算法（Enhanced migratory birds optimization algorithm,EMBO）。在该算法中,结合问题特征设计了融合钢包选配规则的三层启发式解码方法和相应的初始化方法;提出了联合邻域搜索策略、动态接收准则和竞争机制,增加算法的协同搜索能力;并在竞争机制中,引入种群重组和队列间交换策略,通过V字型左右队列间的信息交换来增加种群多样性。通过与其他高效的智能算法的实验对比,验证了所提EMBO算法的有效性和优越性。最后,针对国内某钢铁企业炼钢车间的实际工程案例,验证本文所提出的理论和方法。根据该车间生产实绩和钢包选配实际情况,采用生产调度与钢包选配序次优化和集成优化两种方法求解。结果表明,在所提出的能效集成优化方法下制定的生产调度方案明显优于现场采用的序次优化方法,即总流经时间更短、制造周期更短、能耗更低。同时,由于钢包选配规则的应用,提高了现场红包（温度高的钢包）的利用率和周转率,减少了钢包烘烤能耗。
袁帅鹏[7]（2021）在《具有特殊约束的流水车间成组调度问题研究》文中研究表明流水车间成组调度问题广泛存在于具有批组加工特征的流程工业中。在特定的生产环境下,流水车间成组调度问题往往伴随着源于生产工艺的特殊约束,这些约束的存在使得问题性质发生了变化,从而需要更具针对性的解决方法。论文从钢铁企业无缝钢管生产管理的实际需求出发,提炼出具有工件相关性阻塞、双向运输时间、序列相关准备时间等特殊但关键约束的流水车间成组调度问题,以最小化最大完工时间（Makespan）为优化目标,对其基本性质、数学模型和求解算法展开研究。主要研究内容和创新点如下:（1）以无缝钢管产品在管加工车间的生产实际为背景,研究了一类具有工件相关性阻塞约束的两阶段流水车间成组调度问题。构建了问题的混合整数线性规划模型,通过三划分问题的多项式归结证明了该问题具有强NP难特性,将问题划分为工件组间调度和各工件组内工件间调度两个子问题,提出一种协同进化的分布估计算法。基于实际生产数据设计多种问题规模的实验,验证了模型和算法的有效性。（2）结合无缝钢管在管加工车间的生产管理需求,进一步考虑了阶段间运输工具的双向运输时间约束,对具有双向运输时间和工件相关性阻塞约束的两阶段流水车间成组调度问题展开研究。针对此调度问题,建立混合整数线性规划模型,结合问题特征提出一种协同进化遗传算法。算法通过协同进化框架对工件组间调度和各工件组内工件间调度两个子问题进行联合优化,提出一种基于区块挖掘的人工解构造策略来提升算法收敛速度。数值实验表明,所提模型和算法对于求解的问题具有良好的效果。（3）将钢铁行业普遍存在的双向运输时间约束引入经典的流水车间成组调度问题,同时加入序列相关准备时间,研究了具有序列相关准备时间和双向运输时间约束的多阶段流水车间成组调度问题。构建了问题的混合整数线性规划模型,提出一种改进的迭代贪婪算法,算法通过启发式规则构造问题的初始解,并设计了改进的迭代贪婪规则和接受准则来提升算法的求解质量和效率。基于理论分析给出了问题最优解的两个下界。通过不同规模的数值实验和对比算法的比较分析,验证了所提算法的有效性和鲁棒性。（4）将问题范围进一步扩展至混合流水车间,研究了具有序列相关准备时间和无关并行机的混合流水车间成组调度问题。针对此问题,建立数学模型,提出一种改进的候鸟优化算法。算法通过新的编码和解码策略来表征各工件组在各阶段上并行机的选择,各并行机上工件组间的加工顺序,以及各工件组内工件间的加工顺序三个子问题,基于编码策略设计了邻域结构和邻域解构造策略,并提出一种重置机制来平衡算法的全局和局部搜索能力。仿真实验表明该算法可以在短时间内获得较好的调度结果,且具有良好的稳定性。
杨建平,张江山,刘青[8]（2020）在《炼钢–连铸区段3种典型工序界面技术研究进展》文中研究表明面对钢厂智能化发展的时代要求,炼钢–连铸区段工序界面技术受到越来越多冶金学者的关注,其不仅是解决工序关系集合协同–优化问题的重要手段,也影响着工序功能集合解析–优化和流程工序集合重构–优化的效果.本文对炼钢–连铸区段3种典型工序界面技术,即钢包运行控制、天车运行控制和生产运行模式优化的研究进展进行阐述,其中,钢包运行控制包括钢包热状态监测、钢包选配以及钢包调度,天车运行控制包括吊运任务的分配和同跨/异跨天车的协同调度,生产运行模式优化包括工序/设备产能、时间节奏与炉–机对应模式的匹配设计.此外,针对炼钢–连铸区段多工序协同运行的制约因素,指出工序界面技术协同的必要性,并对上述工序界面技术的协同机制与协同方案进行了阐述.
李稷[9]（2020）在《炼钢-连铸区段天车调度系统研究》文中研究表明为优化炼钢车间天车调度,建立天车智能调度系统,本论文以首钢京唐钢铁联合有限责任公司炼钢车间为目标,对其钢水接收跨和钢水精炼跨的天车调度问题进行了系统研究。炼钢车间调度层次复杂,环境动态因素多,造成了其天车调度问题具有任务动态到达,重调度次数多,重调度时的初始条件多等特点,而工位的单钢包容量属性和各跨内多天车属性,使得该天车问题必须考虑工位容量约束和天车避碰约束。针对此,论文从冶金流程工程学角度阐述了天车调度的地位及目的;分析了复杂炼钢环境下不同的天车调度策略及其适用性。在此基础上,建立了天车调度数学模型。模型目标函数在时间节奏方面考虑了天车调度对工序调度稳定性的维护,在工作量方面考虑了对工作量总量增长和各天车间工作量差异的控制。模型约束考虑了工位容量约束,初始状态约束以及天车行为约束。分别在预反应调度策略和完全反应调度策略下,采用基于仿真的启发式算法和规则调度方法对模型进行求解。以目标炼钢车间为背景建立了天车调度仿真平台,其包括:基于不同调度策略的任务产生方案,钢包回转台旋转控制方案;基于主动避让和被动避让天车冲突、不同天车优先级确定方案的天车运行控制方案;天车调度评价指标系统。建立了天车运行演示平台,其根据天车调度仿真平台给出的调度结果,重现天车实时运行过程与轨迹,显示调度评价指标和任务状态。最后,开发了基于完全反应调度策略的钢包-天车调度管理系统,介绍了其系统组成、钢包/天车定位方案和系统通讯方案,并展示了其应用实绩。论文利用天车调度仿真平台对比分析了不同动态调度策略、不同重调度方式、不同算法以及不同天车运行方案下的天车调度结果,分析了钢包-天车调度管理系统的应用实绩,得到以下结果和结论:1)在预反应调度策略下将提出的实时性启发式方法与枚举法进行了对比。精炼跨中启发式方法的调度优化性能达到枚举法的94.2%,接收跨中达到97.1%。说明提出的实时性启发式方法能够取得良好的近优解。2)分别在预反应调度策略和完全反应调度策略下,采用本文提出的启发式方法进行了对比。在精炼跨中,预反应调度策略在总惩罚指标上比完全反应调度策略降低17.8%,在任务分配变更率指标上两者都为0;在接收跨中,预反应调度策略相比于完全反应调度策略,在总惩罚指标上降低15.3%,而前者在任务分配变更率指标上是后者的6.7倍。在接收跨中,对比了完全反应调度策略下的规则调度与预反应调度策略下基于部分重调度的启发式方法,前者的总惩罚指标值是后者的2.6倍,而在任务分配变更率指标上,前者为0,后者为6.4%。表明本文所采用的预反应调度策略在总惩罚指标方面优于完全反应调度策略,而后者在任务分配变更率方面优于前者。3)在假设的异常钢包路径下,天车调度总惩罚指标是正常钢包路径下的2.9倍,任务分配变更率是后者的3.5倍,任务执行效率是后者的64.1%。说明钢包路径对天车调度结果直接且明显的影响,天车优化调度的前提是钢包路径优化。4)对不同任务强度下最佳天车数量的研究表明:当有2台非同一区域的连铸机同时工作时,则需要2台天车匹配该任务强度;当有两台同一区域的连铸机同时工作时,则需要配置3台天车;当有3台连铸机同时工作时,3台天车可以胜任该任务强度。5)当在天车运行方案中允许天车提前向任务起点移动,通过仿真实验可以看出,总惩罚指标在精炼跨中降低10.4%,在接收跨中降低4.2%。在完全反应调度策略的规则调度下,对比了以任务类型、任务释放时刻和天车状态确定天车优先级的三种方式,后两种方式在总惩罚值指标上分别是第一种方式的2.2倍和4.6倍。表明本文设计的天车运行方案能够直接优化天车调度结果。6)钢包-天车调度管理系统应用后,转炉到精炼的钢包传搁平均时间从12.23分钟降到10.01分钟,降幅18.2%。精炼至连铸的钢包传搁平均时间从9.37分钟降低至8.36分钟,降幅10.7%。钢包交叉路径百分比从22.5%下降到19.2%,下降3.3个百分点。钢包周转周期平均值从227.85分钟降低到224.92分钟,使得钢包周转率从6.75炉/（个·天）上升到6.85（个·天）。该系统以及其他节能技术和措施的应用,使得目标车间转炉出钢温度平均值从2019年1-6月份的1655.0℃降低到7-12月份的1653.3℃,降低1.7℃。以上结果表明该系统取得了良好的应用实绩。
刘倩,杨建平,王柏琳,刘青,高山,李宏辉[10]（2020）在《基于“炉-机对应”的炼钢-连铸生产调度问题遗传优化模型》文中研究指明针对炼钢-连铸过程因车间布局复杂造成工序间钢水交叉供应频繁、等待时间过长以及天车调度困难等问题,本文建立以计划内所有炉次总等待时间最小为优化目标的炼钢-连铸过程生产调度模型,并采用改进的遗传算法求解该模型.在遗传操作过程中,引入"炉-机对应"调控策略以改善初始种群质量,并根据转炉（精炼）与连铸作业周期的比较,来确定是否对个体进行交叉、变异操作.以国内某中大型炼钢厂主要生产模式下的实际生产计划为仿真算例进行实验,结果表明:本文提出的基于"炉-机对应"的改进遗传算法的性能显着优于基本遗传算法及启发式算法,针对炼钢厂产量占比超过80%的主要生产模式4BOF-3CCM下的算例1,优化了生产过程等待时间,工序间最长等待时间由77 min减小到54 min;炉-机匹配程度也明显提高,3号精炼炉去往3号连铸机的钢水比例由25%提升到67%,减少了个别炉次由于设备随机指派造成的工序设备间对应关系不明确及由于生产路径不合理造成等待时间过长的现象,为研究炼钢厂复杂生产调度问题提供了一种高效的解决方案.
二、炼钢连铸生产中炉机优化匹配问题的算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、炼钢连铸生产中炉机优化匹配问题的算法（论文提纲范文）
（1）炼钢厂多尺度建模与协同制造（论文提纲范文）
| 1 单体工序尺度的工艺控制模型 |
| 1.1 转炉工序工艺控制模型 |
| 1.2 精炼工序工艺控制模型 |
| 1.3 连铸工序工艺控制模型 |
| 2 车间区段尺度的物质流运行优化模型 |
| 2.1 系统产能决策与生产模式优化 |
| 2.2 生产计划与调度模型 |
| 2.3 多工序协同运行评价模型 |
| 3 炼钢厂运行优化与协同控制 |
| 3.1 精炼工序缓冲策略与钢包运行优化 |
| 3.2 工序控制与生产调度的动态协同 |
| 3.3 炼钢厂集成制造技术的应用 |
| 4 结论与展望 |
（2）炼钢-连铸区段多工序运行协同控制（论文提纲范文）
| 1 多工序运行协同控制概述 |
| 2 炼钢厂生产调度规则库 |
| 2.1 生产调度规则库建立 |
| 2.2 生产调度规则库应用效果 |
| 3 基于炉-机对应原则的炼钢厂生产调度模型 |
| 3.1 基于“一炉对一机”模式的调度模型与算法 |
| 3.2 基于“定炉对定机”模式的调度模型与算法 |
| 3.3 基于Agent的系统模型 |
| 3.4 生产调度模型的应用 |
| 4 炼钢厂多工序运行仿真模型 |
| 4.1 多工序运行仿真模型 |
| 4.2 多工序运行仿真模型应用 |
| 5 炼钢厂多工序协同运行水平量化评价方法 |
| 5.1 层流运行水平评价模型及其量化结果 |
| 5.2 工序匹配水平评价模型及其量化结果 |
| 5.3 调度策略可行性评价模型及其量化结果 |
| 6 结论 |
（3）钢铁制造流程物质流与能量流协同优化研究进展（论文提纲范文）
| 1 钢铁制造流程中的物质流与能量流 |
| 2 钢铁制造流程物质流优化研究现状 |
| 2.1 物质流优化研究方法 |
| 2.1.1 合同计划 |
| 2.1.2 生产批量计划 |
| 2.1.3 生产作业计划 |
| 2.2 物质流优化应用实例 |
| 3 钢铁制造流程能量流优化研究现状 |
| 3.1 能量流优化研究方法 |
| 3.2 能量流优化应用实例 |
| 4 钢铁制造流程物质流与能量流协同优化研究现状 |
| 4.1 物质流与能量流协同优化研究方向 |
| 4.1.1 物质流与能量流的相互影响和协同规律研究 |
| 4.1.2 考虑能源约束的生产计划编制 |
| 4.1.3 物流与能流耦合调度 |
| 4.2 物质流与能量流协同优化的关键 |
| 4.2.1 物质流与能量流协同表征方法的确定 |
| 4.2.2 生产计划与能源计划时间粒度的统一 |
| 4.2.3 智能算法的改进方法 |
| 5 结论和展望 |
（4）改进灰狼算法在炼钢-连铸调度中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 生产调度问题研究现状 |
| 1.3 灰狼优化算法的研究现状 |
| 1.4 深度确定性策略梯度算法研究现状 |
| 1.5 本文主要内容及章节安排 |
| 1.6 本章小结 |
| 2 炼钢-连铸调度问题的描述 |
| 2.1 炼钢-连铸生产工艺描述 |
| 2.1.1 生产工艺流程 |
| 2.2 炼钢-连铸生产调度计划的问题描述 |
| 2.2.1 炼钢-连铸调度问题的定义 |
| 2.2.2 炼钢-连铸生产调度的专业术语 |
| 2.2.3 炼钢-连铸生产调度的目标及约束条件 |
| 2.3 炼钢-连铸生产调度问题的数学模型 |
| 2.3.1 符号说明 |
| 2.3.2 炼钢-连铸生产调度问题数学模型的建立 |
| 2.4 本章小结 |
| 3 基于深度确定性策略梯度算法的改进灰狼优化算法 |
| 3.1 灰狼优化算法 |
| 3.1.1 灰狼群体的捕食行为和社会等级制度 |
| 3.1.2 灰狼优化算法的数学模型 |
| 3.1.3 灰狼优化算法的操作流程 |
| 3.2 深度强化学习算法 |
| 3.2.1 深度强化学习概述 |
| 3.2.2 Deep Q-network算法 |
| 3.2.3 Actor-Critic算法 |
| 3.2.4 DDPG算法 |
| 3.3 基于深度确定性策略梯度算法的改进灰狼优化算法 |
| 3.3.1 DDPG-GWO算法的改进思想 |
| 3.3.2 DDPG-GWO算法的流程 |
| 3.4 本章小结 |
| 4 DDPG-GWO算法在炼钢-连铸调度中的应用 |
| 4.1 基于DDPG-GWO算法对炼钢-连铸问题的求解原理 |
| 4.2 DDPG-GWO算法在炼钢-连铸调度问题中的求解步骤 |
| 4.2.1 编码方式 |
| 4.2.2 求解步骤 |
| 4.3 仿真实验及分析 |
| 4.3.1 实验环境 |
| 4.3.2 实验数据 |
| 4.3.3 实验结果及分析 |
| 4.4 DDPG-GWO算法的适应能力 |
| 4.4.1 实验数据 |
| 4.4.2 实验结果及分析 |
| 4.5 DDPG-GWO 算法与GWO 算法、EGACS算法的实验比较分析 |
| 4.5.1 算法参数设置 |
| 4.5.2 相同炉次规模问题的仿真实验及结果分析 |
| 4.5.3 不同炉次规模问题的仿真实验及结果分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（5）基于流程网络仿真的钢铁企业炼钢调度和能源优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 炼钢生产优化调度问题研究现状 |
| 1.2.1 炼钢生产调度的特点及难点 |
| 1.2.2 炼钢生产调度问题的研究方向 |
| 1.2.3 生产调度问题主要研究方法 |
| 1.2.4 当前研究中的不足和局限性 |
| 1.3 能源优化调配问题研究现状 |
| 1.3.1 能源产耗模型的研究 |
| 1.3.2 单一能源介质的优化模型的研究 |
| 1.3.3 多能源介质的优化模型的研究 |
| 1.3.4 当前研究中的不足和局限性 |
| 1.4 研究思路及技术路线 |
| 1.5 本论文主要研究内容和创新点 |
| 1.5.1 研究内容 |
| 1.5.2 创新点 |
| 2 基于多智能体技术的炼钢流程仿真优化模型 |
| 2.1 建模方案 |
| 2.2 基于多智能体的仿真优化模型 |
| 2.2.1 多智能体基本概念 |
| 2.2.2 智能体体系结构 |
| 2.2.3 智能体基本结构 |
| 2.2.4 智能体状态划分 |
| 2.2.5 物料智能体 |
| 2.2.6 设备管理智能体 |
| 2.2.7 设备智能体 |
| 2.2.8 天车管理智能体 |
| 2.2.9 天车智能体 |
| 2.2.10 智能体任务协调流程 |
| 2.3 本章总结 |
| 3 炼钢-连铸流程仿真优化模型实现及仿真分析 |
| 3.1 炼钢-连铸生产工艺流程及阶段 |
| 3.2 生产工艺流程特点 |
| 3.3 技术方案 |
| 3.3.1 仿真优化流程 |
| 3.3.2 多智能体模型实例化 |
| 3.3.3 作业时间波动分析 |
| 3.4 案例分析 |
| 3.4.1 仿真优化分析 |
| 3.4.2 多场景下的生产调度 |
| 3.5 本章总结 |
| 4 高速工具钢炼钢流程仿真优化模型实现及仿真分析 |
| 4.1 高速工具钢生产工艺流程及阶段 |
| 4.2 生产工艺流程特点 |
| 4.3 技术方案 |
| 4.3.1 仿真优化流程 |
| 4.3.2 多智能体模型实例化 |
| 4.4 案例分析 |
| 4.4.1 案例描述 |
| 4.4.2 冶炼浇铸流程优化调整 |
| 4.4.3 电渣工序优化调整 |
| 4.4.4 设备故障调整 |
| 4.4.5 炉次优化调整 |
| 4.5 本章总结 |
| 5 能量流网络模型 |
| 5.1 能源系统分析 |
| 5.1.1 能源消耗分析 |
| 5.1.2 能源平衡分析 |
| 5.1.3 能源转换分析 |
| 5.1.4 能源系统特点总结 |
| 5.2 能量流网络模型 |
| 5.2.1 能量流网络结构描述 |
| 5.2.2 主工序能量流模型 |
| 5.2.3 分介质能量流网络模型 |
| 5.2.4 能量流网络集成模型 |
| 5.3 煤气能量流网络中主工序节点模型 |
| 5.3.1 煤气产耗波动特点 |
| 5.3.2 煤气主工序节点模型 |
| 5.3.3 模型验证 |
| 5.4 电力能量流网络中主工序节点模型 |
| 5.4.1 负荷波动特点 |
| 5.4.2 电力负荷主工序节点模型 |
| 5.4.3 模型验证 |
| 5.5 本章总结 |
| 6 基于能量流网络动态仿真的能源优化调配 |
| 6.1 基于调度规则的仿真优化模型 |
| 6.1.1 基于规则的整体调配流程 |
| 6.1.2 燃气调配计算逻辑 |
| 6.1.3 蒸汽调配计算逻辑 |
| 6.1.4 电力调配计算逻辑 |
| 6.2 基于优化算法的仿真优化模型 |
| 6.2.1 仿真优化调配流程 |
| 6.2.2 目标函数 |
| 6.2.3 约束条件 |
| 6.2.4 模型求解 |
| 6.3 能源仿真优化模型软件化 |
| 6.4 案例分析 |
| 6.4.1 案例说明 |
| 6.4.2 基于调度规则的能源仿真计算 |
| 6.4.3 基于优化算法的能源仿真分析 |
| 6.5 本章总结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 在学科研工作及发表论文 |
| 致谢 |
（6）炼钢—连铸生产调度与钢包选配的集成优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的来源、研究背景意义 |
| 1.1.1 课题来源与目的 |
| 1.1.2 研究背景及意义 |
| 1.2 炼钢-连铸生产调度与钢包选配问题相关概述 |
| 1.2.1 炼钢-连铸生产流程 |
| 1.2.2 炼钢-连铸生产调度的作用及特点 |
| 1.2.3 钢包选配的作用及特点 |
| 1.3 国内外研究现状 |
| 1.3.1 炼钢-连铸生产调度的研究现状 |
| 1.3.2 钢包选配问题的研究现状 |
| 1.4 存在的问题及发展动态分析 |
| 1.5 本文内容与结构 |
| 第2章 带可重入精炼工序的炼钢-连铸生产调度优化 |
| 2.1 引言 |
| 2.2 SCC问题描述 |
| 2.2.1 SCC生产过程概述 |
| 2.2.2 求解难度分析 |
| 2.3 SCC模型构建 |
| 2.3.1 机器能力约束 |
| 2.3.2 设备资源约束 |
| 2.3.3 时序约束 |
| 2.3.4 完整性约束及参数定义域 |
| 2.3.5 目标函数 |
| 2.4 增广拉格朗日乘子法设计 |
| 2.4.1 增广拉格朗日松弛问题构造 |
| 2.4.2 增广拉格朗日对偶问题求解 |
| 2.5 案例分析 |
| 2.5.1 增广拉格朗日算法的可行性分析 |
| 2.5.2 增广拉格朗日算法的改进性能分析 |
| 2.6 本章小结 |
| 第3章 给定调度方案下的钢包选配优化 |
| 3.1 引言 |
| 3.2 钢包选配问题描述 |
| 3.1.1 钢包选配问题的意义 |
| 3.1.2 钢包选配的约束条件和性能指标 |
| 3.3 钢包选配调度模型 |
| 3.3.1 参数符号及其定义 |
| 3.3.2 钢包分配和排序约束 |
| 3.3.3 时序约束 |
| 3.3.4 生产调度与钢包选配的关系约束 |
| 3.3.5 能效目标 |
| 3.3.6 钢包选配问题的示例说明 |
| 3.4 基于启发式规则的钢包选配方法 |
| 3.4.1 钢包选配规则提取 |
| 3.4.2 基于规则优先级的钢包选配策略 |
| 3.5 基于MBO钢包优化选配方法 |
| 3.5.1 编码方式和启发式初始化算法 |
| 3.5.2 两种邻域解生成算子 |
| 3.5.3 基于SA动态接受准则 |
| 3.5.4 基于队列重组的竞争机制 |
| 3.6 钢包选配仿真实验 |
| 3.6.1 IMBO算法参数校验 |
| 3.6.2 算法改进性能分析 |
| 3.6.3 与其他算法对比分析 |
| 3.7 本章小结 |
| 第4章 炼钢-连铸生产调度与钢包选配的集成优化 |
| 4.1 引言 |
| 4.2 面向能效的炼钢-连铸生产调度与钢包选配集成问题描述 |
| 4.3 集成问题建模 |
| 4.3.1 分配和排序约束 |
| 4.3.2 时序约束 |
| 4.3.3 生产调度与钢包选配的耦合关系约束 |
| 4.3.4 能效目标 |
| 4.4 集成优化的调度策略 |
| 4.4.1 生产调度的设备指派和操作定时 |
| 4.4.2 物料运输的规则提取策略 |
| 4.5 基于MBO炼钢连铸集成优化调度方法 |
| 4.5.1 编码方式和启发式初始化算法 |
| 4.5.2 联合邻域搜索策略 |
| 4.5.3 新解的接受准则 |
| 4.5.4 基于队列信息互换的竞争机制 |
| 4.6 数值实验 |
| 4.6.1 案例生成 |
| 4.6.2 参数校验 |
| 4.6.3 集成优化方法节能本质的微观性分析 |
| 4.6.4 集成与非集成的宏观分析 |
| 4.6.5 EMBO算法对小规模案例的有效性检验 |
| 4.6.6 针对中大规模,EMBO对比其他算法的性能评估 |
| 4.7 本章小结 |
| 第5章 炼钢生产调度问题的实例分析 |
| 5.1 引言 |
| 5.2 工业实验对象描述 |
| 5.2.1 生产设备及功能介绍 |
| 5.2.2 设备条件 |
| 5.2.3 生产工艺特点 |
| 5.3 SCC智能生产控制系统 |
| 5.3.1 功能需求 |
| 5.3.2 智能优化的功能 |
| 5.4 工业实验 |
| 5.4.1 工程案例介绍 |
| 5.4.2 案例验证 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 创新之处 |
| 6.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间取得的科研成果 |
| 附录2 攻读博士学位期间参加的科研项目 |
（7）具有特殊约束的流水车间成组调度问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 2 文献综述 |
| 2.1 成组调度研究综述 |
| 2.1.1 问题概述 |
| 2.1.2 研究现状 |
| 2.2 流水车间成组调度研究现状 |
| 2.2.1 问题相关的研究成果 |
| 2.2.2 方法相关的研究成果 |
| 2.2.3 研究现状总结 |
| 2.3 钢铁生产中的成组调度及其特殊约束 |
| 2.3.1 钢铁生产流程 |
| 2.3.2 钢铁生产中的成组调度 |
| 2.3.3 钢铁成组调度中的特殊约束 |
| 2.3.4 研究现状总结 |
| 2.4 本章小结 |
| 3 工件相关性阻塞的两阶段流水车间成组调度 |
| 3.1 问题提取与建模 |
| 3.1.1 问题提取与描述 |
| 3.1.2 模型假设 |
| 3.1.3 符号定义 |
| 3.1.4 问题模型 |
| 3.2 问题复杂性分析 |
| 3.3 基于协同进化的分布估计算法 |
| 3.3.1 编码策略 |
| 3.3.2 构造初始种群 |
| 3.3.3 个体评价策略 |
| 3.3.4 概率模型的设置及更新 |
| 3.3.5 局部搜索策略 |
| 3.3.6 算法步骤 |
| 3.4 数据实验与分析 |
| 3.4.1 实验设计 |
| 3.4.2 算法参数设置 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 4 双向运输和工件相关性阻塞的两阶段流水车间成组调度 |
| 4.1 问题描述与建模 |
| 4.1.1 问题描述 |
| 4.1.2 问题假设 |
| 4.1.3 符号定义 |
| 4.1.4 问题模型 |
| 4.2 协同进化遗传算法 |
| 4.2.1 协同进化机制 |
| 4.2.2 人工解构造机制 |
| 4.2.3 算法步骤 |
| 4.3 仿真实验 |
| 4.3.1 实验数据 |
| 4.3.2 算法参数设置 |
| 4.3.3 算法策略有效性测试 |
| 4.3.4 与元启发式算法对比 |
| 4.4 本章小结 |
| 5 序列相关准备时间和双向运输的多阶段流水车间成组调度 |
| 5.1 问题描述与建模 |
| 5.1.1 问题描述 |
| 5.1.2 数学模型 |
| 5.2 改进的迭代贪婪算法 |
| 5.2.1 编码策略 |
| 5.2.2 构造初始解 |
| 5.2.3 迭代贪婪规则 |
| 5.2.4 接受准则 |
| 5.2.5 算法步骤 |
| 5.3 最优解下界分析 |
| 5.4 仿真实验 |
| 5.4.1 实验设计 |
| 5.4.2 最优性检验 |
| 5.4.3 与主流元启发式算法对比 |
| 5.5 本章小结 |
| 6 序列相关准备时间和无关并行机的混合流水车间成组调度 |
| 6.1 问题描述与建模 |
| 6.1.1 问题描述 |
| 6.1.2 数学模型 |
| 6.2 改进的候鸟优化算法 |
| 6.2.1 候鸟优化算法的基本框架 |
| 6.2.2 编码解码策略 |
| 6.2.3 邻域解构造策略 |
| 6.2.4 局部搜索策略 |
| 6.2.5 重置机制 |
| 6.2.6 算法流程 |
| 6.3 仿真实验 |
| 6.3.1 实验设计 |
| 6.3.2 算法参数设置 |
| 6.3.3 最优性检验 |
| 6.3.4 与主流元启发式算法对比 |
| 6.4 本章小结 |
| 7 结论 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（9）炼钢-连铸区段天车调度系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 2 文献综述 |
| 2.1 钢铁企业天车调度系统的发展 |
| 2.1.1 钢铁企业库区天车系统发展历程 |
| 2.1.2 炼钢车间天车调度系统发展现状 |
| 2.1.3 炼钢车间天车调度系统的作用 |
| 2.2 国内外天车调度问题研究现状 |
| 2.2.1 天车调度问题分类 |
| 2.2.2 y轴作业天车 |
| 2.2.3 x轴作业天车 |
| 2.2.4 炼钢车间天车调度 |
| 2.3 车间天车调度策略及求解算法 |
| 2.3.1 车间机器调度问题动态调度策略 |
| 2.3.2 滚动窗口再调度技术 |
| 2.3.3 调度问题求解算法 |
| 2.4 选题背景及研究内容 |
| 2.4.1 选题背景 |
| 2.4.2 研究内容及技术路线 |
| 2.4.3 研究方案 |
| 3 炼钢车间天车调度问题数学建模及求解算法 |
| 3.1 天车调度的地位、目标及策略 |
| 3.1.1 天车调度的地位 |
| 3.1.2 天车调度的目标 |
| 3.1.3 天车调度策略 |
| 3.2 天车调度问题建模 |
| 3.2.1 问题物理环境 |
| 3.2.2 问题描述 |
| 3.2.3 数学模型 |
| 3.3 基于预反应调度策略的启发式算法 |
| 3.3.1 基于完全重调度的启发式方法 |
| 3.3.2 基于部分重调度的启发式方法 |
| 3.4 基于完全反应调度策略的规则调度 |
| 3.5 小结 |
| 4 天车运行仿真平台及天车运行演示平台 |
| 4.1 天车调度仿真平台总体运行方案 |
| 4.1.1 预反应调度策略下总体运行方案 |
| 4.1.2 完全反应调度策略下总体运行方案 |
| 4.2 任务产生方案 |
| 4.2.1 预反应调度策略下任务产生方案 |
| 4.2.2 预反应调度策略下任务产生方案的仿真实现 |
| 4.2.3 完全反应调度策略下任务产生方案 |
| 4.2.4 完全反应调度策略下任务产生方案的仿真实现 |
| 4.3 天车运行方案 |
| 4.3.1 天车主动运行方案 |
| 4.3.2 天车被动运行方案 |
| 4.3.3 天车优先级确定方案 |
| 4.3.4 天车轨迹的仿真实现 |
| 4.4 钢包回转台旋转控制方案 |
| 4.5 天车运行演示平台 |
| 4.6 小结 |
| 5 仿真实验 |
| 5.1 天车调度评价指标 |
| 5.1.1 天车调度评价指标的内涵 |
| 5.1.2 天车调度评价指标的计算方式 |
| 5.2 预反应调度策略下钢水精炼跨天车调度仿真研究 |
| 5.2.1 天车调度的仿真运行结果分析 |
| 5.2.2 天车运行方案对仿真运行结果的影响 |
| 5.3 预反应调度策略下钢水接收跨天车调度仿真研究 |
| 5.3.1 任务预测时刻确定 |
| 5.3.2 天车调度的仿真运行结果分析 |
| 5.3.3 钢包路径对天车调度性能的影响 |
| 5.3.4 不同任务强度下天车的最佳数量 |
| 5.4 完全反应调度策略下钢水接收跨天车调度仿真研究 |
| 5.4.1 天车调度的仿真运行结果分析 |
| 5.4.2 不同天车运行方案对天车调度的影响 |
| 5.5 小结 |
| 6 钢包-天车调度管理系统的建设与应用 |
| 6.1 系统模块及软件体系构架 |
| 6.1.1 系统模块组成 |
| 6.1.2 系统软件体系架构 |
| 6.2 天车钢包车定位方案 |
| 6.2.1 天车称重定位方案 |
| 6.2.2 钢包车定位方案 |
| 6.3 系统数据传输方案 |
| 6.4 系统主程序 |
| 6.5 应用实绩 |
| 6.5.1 转炉-精炼工序间钢包传搁时间统计 |
| 6.5.2 精炼-铸炼工序钢包传搁时间统计 |
| 6.5.3 钢包周转周期统计 |
| 6.6 小结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 学位论文数据集 |
四、炼钢连铸生产中炉机优化匹配问题的算法（论文参考文献）
- [1]炼钢厂多尺度建模与协同制造[J]. 刘青,邵鑫,杨建平,张江山. 工程科学学报, 2021
- [2]炼钢-连铸区段多工序运行协同控制[J]. 邵鑫,杨建平,王柏琳,张江山,高山,刘青. 钢铁, 2021(08)
- [3]钢铁制造流程物质流与能量流协同优化研究进展[J]. 胡正彪,贺东风. 钢铁, 2021(08)
- [4]改进灰狼算法在炼钢-连铸调度中的应用研究[D]. 周莹. 青岛科技大学, 2021(01)
- [5]基于流程网络仿真的钢铁企业炼钢调度和能源优化[D]. 梁青艳. 钢铁研究总院, 2021(01)
- [6]炼钢—连铸生产调度与钢包选配的集成优化研究[D]. 韩大勇. 武汉科技大学, 2021(01)
- [7]具有特殊约束的流水车间成组调度问题研究[D]. 袁帅鹏. 北京科技大学, 2021
- [8]炼钢–连铸区段3种典型工序界面技术研究进展[J]. 杨建平,张江山,刘青. 工程科学学报, 2020(12)
- [9]炼钢-连铸区段天车调度系统研究[D]. 李稷. 北京科技大学, 2020(12)
- [10]基于“炉-机对应”的炼钢-连铸生产调度问题遗传优化模型[J]. 刘倩,杨建平,王柏琳,刘青,高山,李宏辉. 工程科学学报, 2020(05)