基于案例推理的冷轧负荷分配模型研究

针对冷轧负荷分配的特点,提出了一种基于案例推理的冷轧负荷建模方法,着重研究了基于粗糙集和神经网络的快速案例检索以及利用数据库中的知识发现技术进行案例修改,经现场数据对比实验表明所建模型更符合实际轧制情况。

基于多子种群和密度估计的高维多目标进化算法的冷轧负荷分配

提出一种基于多子种群和密度估计的高维多目标进化算法,通过生成参考向量来划分子种群,借助收敛性保持机制提高逼近帕累托前沿的程度。该算法通过计算个体与参考向量的欧式距离来评估个体密度,从而保持解集的多样性。数值仿真实验结果表明,该算法所得解集的收敛性和多样性明显优于对比算法。最后,使用该算法对冷轧负荷分配进行高维多目标优化,优化后的负荷分配方案可使能耗降低2.2%,改善了产品质量。

基于有约束多目标进化算法的冷轧负荷分配分析

冷轧负荷分配问题可以抽象为一个有约束多目标优化问题。为解决此问题,提出了基于环境Pareto支配选择策略的有约束多目标进化算法。该算法更加客观地评价了两个不同解的优劣,利用优秀不可行解加速算法收敛。以等功率裕量、最小轧制能耗、最小综合打滑函数、末机架板形良好轧制力为优化目标,利用有约束多目标进化算法得到了4个目标函数之间的定量关系,使决策者不需要掌握复杂的轧制理论知识就可以直观地掌握轧制规律,并进一步说明了多目标策略在压下负荷分配中的必要性。

冷轧建模中基于粗糙集和神经网络的案例检索

针对一般基于案例属性相似度的案例检索方法在实际应用时存在相似性度量的定义等难点而无法保证高效、准确检索的问题,提出了一种新的案例检索方法。根据粗糙集理论对冷轧负荷分配决策表进行简约以及从简约的决策表数据中发现规则,在此基础上利用发现的规则建立隐层节点数更合理的神经网络模型,以此神经网络模型实现相似案例检索,经在线实验证明,应用该方法可实现快速高效的案例检索,提高了整体智能推理建模的效率和质量。