基于M-NSGA-Ⅱ的转炉炼钢补加供料量优化

在转炉炼钢过程中,供料量的多少会极大影响钢水的终点碳含量和终点温度,因此,优化转炉炼钢的补加供料量可以提高钢铁的产出质量。首先,依据二次吹炼终点碳温与补加供料量的回归模型构建了补加供料量优化模型;其次,由于转炉炼钢要求优化算法的计算时间短,设计了移动非支配排序遗传算法Ⅱ(movingnon-dominatedsortinggenetic algorithm Ⅱ, M-NSGA-Ⅱ);最后,采用目标函数平均缩小值与平均标准差作为评价指标,对模型结果进行对比实验。结果表明,所设计的M-NSGA-Ⅱ可以在较短的计算时间内获得更优的非支配解集,并且基于该算法的补加供料量优化模型可以有效调整终点碳温。

基于M-SVR的热连轧板带宽度-厚度预测

针对板带热连轧过程中存在多变量、非线性、强耦合和时变性的特点以及常规支持向量机仅一维输出的问题,提出了基于机器学习和优化算法的热连轧板带宽度-厚度预测模型。首先,综合考虑影响板带宽度及厚度的主要特征参数,并对现场采集的相应特征数据进行预处理,剔除异常数据,确保数据质量。其次,建立基于多输出支持向量回归(M-SVR)的热连轧板宽度-厚度预测模型;最后采用带有精英策略的非支配排序遗传算法NSGA-II对M-SVR模型的多个参数进行多目标优化。结果表明,所提出结合NSGA-II的M-SVR多目标优化的板带宽度-厚度预报模型对板带宽度及厚度的预测效果较好且具有较强的适用性。