基于改進多目標粒子群的鐵合金配料優(yōu)化研究.pdf

1、專業(yè)學位碩士學位論文基于改進多目標粒子群的鐵合金配料優(yōu)化研究基于改進多目標粒子群的鐵合金配料優(yōu)化研究ResearchonAlloyAdditionOptimizationbasedonImprovedMultiObjectiveParticleSwarmOptimization作者姓名：張麗君專業(yè)（工程領域）：控制工程學號：31509103指導教師：王鈞教授完成日期：2017年6月5日大連理工大學DalianUniversityofTe

2、chnology大連理工大學專業(yè)學位碩士學位論文I摘要鋼鐵是工業(yè)的糧食，決定了整個國家的工業(yè)基礎。隨著鋼鐵工業(yè)的迅速發(fā)展以及市場競爭越來越激烈，降本增效的綠色生產觀念促使鋼鐵行業(yè)不得不在提高鋼種質量的同時降低生產成本，提升企業(yè)的利潤率。由于轉爐煉鋼是目前使用最為廣泛的煉鋼方法，因此提高轉爐煉鋼自動化生產技術是提高鋼鐵企業(yè)競爭力的關鍵。然而，轉爐煉鋼是一個反應復雜又快速的過程，實現其自動化生產難度較大。在轉爐煉鋼的配料投入量計算方面，國內

3、主要還是以人工經驗為主，易受諸多因素影響，穩(wěn)定性較低，而且容易浪費合金材料加大了企業(yè)的運營成本。因此，設計合理的轉爐煉鋼配料計算模型以生產出性價比高的鋼種是目前國內鋼鐵行業(yè)急需攻破的技術難題。轉爐煉鋼中的鐵合金配料成本的最小化和鋼材質量的最大化問題可以看成一個多目標優(yōu)化問題。多目標優(yōu)化區(qū)別單目標優(yōu)化之處在于其所得到的解是一組相互之間無法比較的解。粒子群優(yōu)化算法作為一種新興的群體搜索技術，每次運行后便可以獲取多個可供選擇的優(yōu)化解，非常適合

4、于多目標問題的求解。但是，如何平衡好多目標粒子群優(yōu)化算法的搜索能力是影響其優(yōu)化性能的關鍵性問題，如何改進多目標粒子群優(yōu)化算法的性能仍存在可以繼續(xù)探討和深入研究的余地。本文主要對以下兩個問題進行了研究：（1）針對全局搜索和局部搜索的平衡問題，提出一種基于多樣性檢測的多子群多目標粒子群算法。首先，引入多樣性檢測方法，結合多目標粒子群算法的特點進行改進。其次，將種群分為兩個不同分工的子群，一個子群保持較好的多樣性，在搜索空間進行全局搜索；另一

5、個子群保持較好的收斂性，在Pareto前沿附近進行局部搜索。此外，根據多樣性度量指標調整兩個子群的搜索參數，以達到兼顧多樣性和收斂性的目的。所提算法在標準測試問題上的仿真實驗結果說明了該算法相比于其它算法具有一定優(yōu)勢。（2）針對轉爐煉鋼生產過程中鐵合金加入量難以計算的問題，以多目標優(yōu)化為基礎，建立了鐵合金加入量的優(yōu)化模型，同時降低了鐵合金成本和鋼水元素誤差。該模型采用極端學習機網絡設計了鋼水元素軟測量模型，并應用改進的多目標粒子群優(yōu)化算