基于改进多目标粒子群的铁合金配料优化研究

发布时间：2023-10-16 20:37

　　钢铁是工业的粮食,决定了整个国家的工业基础。随着钢铁工业的迅速发展以及市场竞争越来越激烈,降本增效的绿色生产观念促使钢铁行业不得不在提高钢种质量的同时降低生产成本,提升企业的利润率。由于转炉炼钢是目前使用最为广泛的炼钢方法,因此提高转炉炼钢自动化生产技术是提高钢铁企业竞争力的关键。然而,转炉炼钢是一个反应复杂又快速的过程,实现其自动化生产难度较大。在转炉炼钢的配料投入量计算方面,国内主要还是以人工经验为主,易受诸多因素影响,稳定性较低,而且容易浪费合金材料加大了企业的运营成本。因此,设计合理的转炉炼钢配料计算模型以生产出性价比高的钢种是目前国内钢铁行业急需攻破的技术难题。转炉炼钢中的铁合金配料成本的最小化和钢材质量的最大化问题可以看成一个多目标优化问题。多目标优化区别单目标优化之处在于其所得到的解是一组相互之间无法比较的解。粒子群优化算法作为一种新兴的群体搜索技术,每次运行后便可以获取多个可供选择的优化解,非常适合于多目标问题的求解。但是,如何平衡好多目标粒子群优化算法的搜索能力是影响其优化性能的关键性问题,如何改进多目标粒子群优化算法的性能仍存在可以继续探讨和深入研究的余地。本文主要...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究背景及意义
    1.2 转炉炼钢技术概述
        1.2.1 转炉炼钢生产工艺过程
        1.2.2 转炉炼钢自动化建模技术及其发展趋势
        1.2.3 转炉炼钢中铁合金配料优化问题
    1.3 多目标优化
        1.3.1 多目标优化问题描述
        1.3.2 多目标优化算法及其趋势
        1.3.3 多目标测试问题
        1.3.4 多目标优化性能评价指标
    1.4 论文主要研究内容和结构安排
2 粒子群优化算法研究概述
    2.1 粒子群优化算法介绍
    2.2 多目标粒子群优化算法及其研究现状
3 基于多样性检测的双子群多目标粒子群算法
    3.1 引言
    3.2 基于多样性检测的自适应多目标粒子群算法
        3.2.1 多样性检测方法及其改进
        3.2.2 子群搜索策略
        3.2.3 仿真实验及结果分析
    3.3 小结
4 基于改进多目标粒子群算法的转炉炼钢铁合金加入量优化模型
    4.1 引言
    4.2 转炉炼钢铁合金多目标优化模型
        4.2.1 模型描述
        4.2.2 改进的多目标粒子群优化算法
    4.3 仿真实验
        4.3.1 ELM软测量模型预测实验
        4.3.2 多目标优化实验
        4.3.3 铁合金投入量优化实验
    4.4 小结
结论
研究展望
参考文献
攻读硕士学位期间发表学术论文情况
攻读硕士学位期间参加的基金项目情况
致谢



本文编号：3854608