本發明涉及冶金控制
技術領域：
，具體涉及一種用于解決連鑄機故障的煉鋼-連鑄重調度方法。
背景技術：
：煉鋼-連鑄是現代鋼鐵企業生產流程的關鍵環節，煉鋼-連鑄生產過程一般包括三個階段:煉鋼、精煉和連鑄。生產調度在煉鋼-連鑄生產過程中扮演著重要的角色，一般說來，在生產開始之前生成靜態調度，在靜態調度假定所有信息都是可預知的并且在執行過程中保持不變。然而，在實際的生產過程中，各種擾動事件(例如機器故障)會導致正在執行的調度方案失效。連鑄機的作用是將鋼液凝固成鑄坯，在煉鋼連鑄過程中它是唯一連續工作的機器。在實際生產中,由于結晶器水口堵塞、鋼板質量問題、上游鋼水供給延遲等，連鑄生產過程可能會中斷(統稱連鑄機故障)。連鑄機故障將導致原來的煉鋼-連鑄調度計劃無法繼續執行。因此,必須依據實時調度信息在原調度計劃的基礎上重新編制計劃，即重調度，煉鋼-連鑄重調度關系到生產穩定、連續的進行，因此，該研究對實際生產有著重要的意義。連鑄機故障時的重調度問題屬于煉鋼-連鑄動態調度問題，目前，煉鋼-連鑄調度問題研究主要集中在靜態調度方面，很少涉及動態調度問題。Roy等在《Developmentofaknowledgemodelformanagingscheduledisturbanceinsteel-making》中提出了一個由任務、推理和領域3模塊組成的知識模型去管理煉鋼過程中的各種擾動問題，給出了一個重調度的框架結構，但并未給出具體的模型和求解算法。Yu等在《APredictionMethodforAbnormalConditionofSchedulingPlanwithOperationTimeDelayinSteelmakingandContinuousCastingProductionProcess》中提出了一種在煉鋼-連鑄生產過程中預測操作時間延遲擾動的方法，顯然,他們的模型不適合解決機器故障擾動。Mao等在《AneffectiveLagrangianrelaxationapproachforreschedulingasteelmaking-continuouscastingprocess》研究了煉鋼-連鑄動態調度過程中的機器故障擾動和時間偏差擾動，他們解決機器故障的主要方法是添加一個新的約束，即故障設備在其故障期間不能加工爐次。因此在重調度過程中，故障機器上預安排的爐次將被分配給同工序其他機器執行。盡管這種策略能夠有效解決轉爐和精煉爐故障下的重調度問題,但并不能完全解決連鑄機故障下的重調度問題。當連鑄機發生故障時,其未加工的爐次并不能簡單地分配給其他在重調度過程中繼續運行的連鑄機，這是因為每個連鑄機具有以澆次為單元進行批量加工的特殊工藝特征。澆次內的爐次必須連續澆注，而每個爐次都關聯一個預定的目標鋼種，如齒輪鋼、重軌鋼等。為滿足不同的冶煉要求，不同的鋼種在煉鋼生產流程中有不同的加工工序路徑。不同鋼種的爐次進行連澆會產生連澆成本。因此,若在重調度過程中將故障連鑄機上未加工的爐次安排至其他鑄機的澆次內進行澆注，可能需要更改其目標鋼種信息，進而其加工工序路徑和加工時間均有可能發生改變，而沒有考慮該特征的重調度模型則無法處理連鑄機故障擾動。實際生產過程中用于處理故障連鑄機上的未加工爐次j的重調度策略主要包含四種。第一種策略是指在不改變爐次j的鋼種的前提下，直接將其插入其他非故障鑄機上的澆次內進行澆注(如圖2(b)中的爐次8)。然而，如前所述，連澆爐次因鋼種不同會產生連澆成本。第二種策略是指通過改變爐次j的煉鋼/精煉操作從而改變爐次j的鋼種，然后再將其插入其他非故障鑄機上的澆次內進行澆注。對于某些特殊的爐次，如正在故障連鑄機上澆注的爐次或已完成精煉操作且正運輸至故障連鑄機的爐次，這種策略需要將爐次返送至前端工序進行再加工(如圖2(b)中的爐次7)。第三種策略是指在連鑄機的故障時間比較短的情況下仍然將爐次j安排在故障鑄機上進行加工，即故障恢復后開始加工爐次j(如圖2(b)中的爐次9和10)。但是，這種策略對于已經完成所有精煉操作的爐次在其澆注之前可能需要被返送至精煉工序進行再加熱，因為進行澆注的爐次的溫度不能低于鋼水的液相線溫度。第四種策略是指撤銷爐次j的加工任務(如圖2(a)中的爐次11)。通常，其他非故障鑄機上可用于加工故障鑄機上的爐次的澆注位置(澆次中的順序位置)是有限的，主要有以下2個方面的原因：(1)鋼種不兼容的爐次是不能進行連澆的；(2)若將爐次插入非故障鑄機上的某個澆注位置而產生很大的等待時間通常是不可取的。因此，當鑄機故障發生時，重新安排故障鑄機上的爐次的澆注鑄機和澆注位置的有效策略組合較少且容易獲取。本發明的目的是研究在故障鑄機上的爐次的澆注鑄機和澆注位置確定之后如何重新編制一個新的調度計劃。不同的爐次澆注鑄機和澆注位置的重新分配策略會對后續的重調度過程造成不同的影響，主要包含如下4種：(1)如果爐次需要插入另一個澆次中進行澆注，則該澆次中的其他爐次的澆注時間可能會減少，因為一個澆次的總澆注時間不能超過中間包的壽命；(2)如果爐次需要更改鋼種，則爐次的加工工序路徑可能會改變。對于需要返送至前端工序進行再加工的爐次，在動態調度模型中還會出現逆向的加工工序路徑；(3)如果爐次在澆注前需要增加一個精煉升溫操作，其加工工序路徑也需要改變；(4)如果爐次的加工任務被取消了，其所有已完成的工序操作信息仍然需要保留在新的調度計劃中。由于當前研究中用于設備故障的煉鋼廠重調度模型中均沒有考慮以上由連鑄機故障而引起的影響，因此需要設計一個新的重調度模型和算法來求解連鑄機故障下的重調度問題。技術實現要素：為了克服上述現有技術中存在的缺陷，本發明的目的是提供一種用于解決連鑄機故障的煉鋼-連鑄重調度方法，解決現有重調度模型中沒有考慮連鑄機故障的問題。為了實現本發明的上述目的，本發明提供了一種用于解決連鑄機故障的煉鋼-連鑄重調度方法，其包括如下步驟：S1，重調度系統獲取煉鋼-連鑄系統的生產批量計劃和當前調度方案，以及煉鋼-連鑄系統的實時調度數據；S2，對連鑄機故障下的重調度問題進行染色體編碼，形成初始化種群，所述種群中的染色體信息包括爐次在工序設備上的加工時間、各澆次開澆時間偏離初始調度計劃中相應開澆時間的偏離值以及爐次加工設備的初始分配方案；S3，對種群中的每一個染色體利用啟發式算法進行解碼進而獲得每一個染色體對應的初始解；S4，設計連鑄機故障下的重調度問題的目標函數Z，然后計算種群中每個初始解對應的適應度值，所述目標函數為：minZ＝Z1+Z2+Z3(1)其中，其中，目標Z1代表所有爐次的每一個操作在設備前的等待時間懲罰總和，Z2代表所有爐次交貨期的提前/拖期懲罰總和，Z3代表所有爐次的每一個操作的加工時間偏差懲罰；所述煉鋼-連鑄重調度方法中的已知變量為：g：工序索引，g∈{1,2,...,G}；k：設備索引，k∈{1,2,...,K}；Mg：工序g內的設備索引集合；j：爐次索引；i：澆次索引，i∈{1,2,...,I}；Ψ：需要被重調度的所有爐次索引集合，|Ψ|表示爐次總數；Ψi：澆次i內的爐次索引集合，|Ψi|表示澆次i內的爐次總數。對于任意的澆次i1≠i2(i1,i2∈{1,2,...,I})都有Ωk：鑄機k上安排的所有澆次的索引集合，|Ωk|表示鑄機k的澆次總數。lj(i)：澆次i內最后一個爐次的索引，lj(i)＝lj(i-1)+|Ψi|，lj(0)＝0，lj(I)＝|Ψ|，進而，Ψi＝{lj(i-1)+1,...,lj(i)}；li(k)：鑄機k上最后一個澆次的索引，li(k)＝li(k-1)+|Ωk|，li(K)＝I，其中k∈MG，K是集合MG中最大的設備索引。如果則li(k-1)＝0，進而，Ωk＝{li(k-1)+1,...,li(k)}；oj：爐次j的操作索引，oj∈{1,2,...,O(j)}，O(j)表示爐次j的操作總數，爐次在工序上的工藝操作過程，簡稱爐次的操作；爐次j的操作oj所在的工序索引。所有的工序索引集合表示爐次j的加工工序路徑。gO(j)必須為鑄機工序G；dj：爐次j在計劃階段確定的熱軋加工交貨期；重調度開始時刻操作oj的生產狀態標志。如果oj是未加工狀態，則如果oj是正在加工狀態，則如果oj是已完成加工狀態，則初始調度計劃中爐次j的操作oj的開始加工時間；初始調度計劃中爐次j的操作oj的結束加工時間；0/1參數，當且僅當初始調度計劃中爐次j的操作oj在設備k上加工時為1；表示爐次j在工序g上的最小/標準/最大加工時間；ttk,k'：設備k與k'之間的運輸時間；etk：設備k的最早可用時間，故障鑄機的最早可用時間為故障結束時間；st：同一鑄機上相鄰澆次之間的準備時間；lt：中間包的壽命；爐次j的等待時間懲罰系數；爐次j的完工時間與其交貨期之間的偏差懲罰系數；爐次j在工序g內的加工時間偏離其對應的標準加工時間之間的偏差懲罰系數；U：一個足夠大的正數；表示在新的調度計劃/初始調度計劃中給爐次j的操作oj分配的加工設備索引；μk表示設備k的可用時間；所述煉鋼-連鑄重調度方法中的決策變量為：爐次j的操作oj的開始加工時間；爐次j的操作oj的結束加工時間；0/1變量，當且僅當調度計劃中爐次j的操作oj分配在設備k上加工時為1；yk,j,j'：0/1變量，當且僅當爐次j和j'都在設備k上加工且爐次j先于爐次j'加工時為1；所述適應度函數為：其中，Z(x)是調度解x的目標函數值，R是自定義的懲罰系數，Vj(x)(Vj(x)≥0)是爐次j在調度解x中的約束違反量，如果爐次j的調度計劃是可行的，則Vj(x)等于0；S5，利用約束條件判斷種群中由啟發式算法解碼獲得的初始解哪些為可行解、哪些為不可行解；S6，利用變領域搜索算法提升每一個初始解的質量，為保證算法性能，為不可行解與可行解設計了不同的領域結構，即在不可行解的領域內進行變領域搜索其可行解，在可行解的領域內進行變領域搜索其局部最優解；S7，判斷是否滿足算法停止條件(如預設的運行時間或迭代步數)，如果滿足，執行步驟S9，否則執行步驟S8；S8，對染色體進行選擇、交叉和變異操作，生成新一代種群并返回步驟S3；S9，將獲得的種群中的最優解生成最終重調度方案傳輸給煉鋼-連鑄生產運行控制系統，控制煉鋼-連鑄生產運行系統按照所述重調度方案運行。本發明在分析連鑄機故障對煉鋼-連鑄重調度過程影響的基礎上，構建了適應于不同的故障連鑄機上爐次的重調度策略下的調度計劃編制模型。在實際生產過程中出現連鑄機故障時，獲得不同的重調度策略下的調度計劃有助于決策者選擇更合適的優化解應用于當前的生產環境，提高了決策的靈活性和合理性，有利于保證生產過程的穩定運行。本發明的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。附圖說明本發明的上述和/或附加的方面和優點從結合下面附圖對實施例的描述中將變得明顯和容易理解，其中：圖1是現有技術中煉鋼-連鑄生產過程示意圖；圖2是本發明一種優選實施方式中初始調度以及連鑄機發生故障后的重調度甘特圖；圖3是本發明用于解決連鑄機故障的煉鋼-連鑄重調度方法的流程圖；圖4是本發明一種優選實施方式中染色體結構示意圖；圖5是本發明一種優選實施方式中初始解違反約束條件的示意圖；圖6是本發明一種優選實施方式中變領域搜索的流程圖；圖7是本發明一種優選實施方式中的初始調度計劃；圖8是對圖6中的初始調度計劃在不同策略組合下獲得的新的調度計劃。具體實施方式下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發明，而不能理解為對本發明的限制。圖1是現有煉鋼-連鑄過程主要包含的3個生產環節：煉鋼、精煉和連鑄。煉鋼與連鑄環節各自包含一個并行機組，而精煉環節一般包含多個并行機組，以實現不同精煉工藝要求。一般性的煉鋼-連鑄生產過程如圖1所示：從高爐運來的高溫鐵水經鐵水預處理工序后兌入轉爐冶煉成鋼水，鋼水倒入轉爐下臺車上的鋼包內，通過天車和臺車的運輸作業，把鋼水包運送至精煉環節，根據生產工藝要求依次在不同的精煉設備上精煉鋼水，精煉完成后，再通過天車和臺車，把鋼水包運送至連鑄并實施澆鑄，形成鑄坯。在鋼廠生產調度中，爐次是指某個轉爐在一個冶煉周期內生產的鋼水，由于一個爐次的鋼水被裝入一個鋼包中，所以從煉鋼到連鑄前被調度的對象均為爐次，爐次是鋼廠生產調度中最小的生產單元。澆次是指在同一連鑄機上連續澆鑄的爐次集合，是鋼廠生產調度中最大的生產單元。煉鋼-連鑄調度方案制定流程是：首先將用戶合同按照技術標準轉化為生產合同；然后根據煉鋼生產能力和工藝要求等編制爐次計劃和澆次計劃，并結合熱軋軋制能力和工藝要求等編制熱軋單元計劃，形成煉鋼與熱軋生產相協調的生產批量計劃。在生產批量計劃中，已經確定了澆次的澆鑄鑄機以及澆次內爐次的加工順序和生產工藝；最后，在生產批量計劃的基礎上，進一步結合煉鋼-連鑄各環節生產能力，編制生產調度方案。本發明的研究內容就是基于生產批量計劃和調度方案，研究連鑄機故障時的重調度編制方法。本發明提供了一種用于解決連鑄機故障的煉鋼-連鑄重調度方法，如圖3所示，其包括如下步驟：S1，重調度系統獲取煉鋼-連鑄系統的生產批量計劃和當前調度方案，以及煉鋼-連鑄系統的實時調度數據，獲得本發明中的已知變量的數據信息。在本實施方式中，已知變量為：g：工序索引，g∈{1,2,...,G}；k：設備索引，k∈{1,2,...,K}；Mg：工序g內的設備索引集合；j：爐次索引；i：澆次索引，i∈{1,2,...,I}；Ψ：需要被重調度的所有爐次索引集合，|Ψ|表示爐次總數；Ψi：澆次i內的爐次索引集合，|Ψi|表示澆次i內的爐次總數。對于任意的澆次i1≠i2(i1,i2∈{1,2,...,I})都有Ωk：鑄機k上安排的所有澆次的索引集合，|Ωk|表示鑄機k的澆次總數。lj(i)：澆次i內最后一個爐次的索引，lj(i)＝lj(i-1)+|Ψi|，lj(0)＝0，lj(I)＝|Ψ|。進而，Ψi＝{lj(i-1)+1,...,lj(i)}；li(k)：鑄機k上最后一個澆次的索引，li(k)＝li(k-1)+|Ωk|，li(K)＝I，其中k∈MG，K是集合MG中最大的設備索引。如果則li(k-1)＝0。進而，Ωk＝{li(k-1)+1,...,li(k)}；oj：爐次j的操作索引，oj∈{1,2,...,O(j)}，O(j)表示爐次j的操作總數，爐次在工序上的工藝操作過程，簡稱爐次的操作；爐次j的操作oj所在的工序索引。所有的工序索引集合表示爐次j的加工工序路徑。gO(j)必須為鑄機工序G；dj：爐次j在計劃階段確定的熱軋加工交貨期；重調度開始時刻操作oj的生產狀態標志。如果oj是未加工狀態，則如果oj是正在加工狀態，則如果oj是已完成加工狀態，則初始調度計劃中爐次j的操作oj的開始加工時間；初始調度計劃中爐次j的操作oj的結束加工時間；0/1參數，當且僅當初始調度計劃中爐次j的操作oj在設備k上加工時為1；表示爐次j在工序g上的最小/標準/最大加工時間；ttk,k'：設備k與k'之間的運輸時間；etk：設備k的最早可用時間，故障鑄機的最早可用時間為故障結束時間；st：同一鑄機上相鄰澆次之間的準備時間；lt：中間包的壽命；爐次j的等待時間懲罰系數；爐次j的完工時間與其交貨期之間的偏差懲罰系數；爐次j在工序g內的加工時間偏離其對應的標準加工時間之間的偏差懲罰系數；U：一個足夠大的正數；在本實施方式中，決策變量為：爐次j的操作oj的開始加工時間；爐次j的操作oj的結束加工時間；0/1變量，當且僅當調度計劃中爐次j的操作oj分配在設備k上加工時為1；yk,j,j'：0/1變量，當且僅當爐次j和j'都在設備k上加工且爐次j先于爐次j'加工時為1。S2，對連鑄機故障下的重調度問題進行染色體編碼，形成初始化種群，所述種群中的染色體信息包括爐次在工序設備上的加工時間、各澆次開澆時間偏離初始調度計劃中相應開澆時間的偏離值以及爐次加工設備的初始分配方案。在本實施方式中，編碼時，如圖4所示，染色體包括3個數組：數組v1包含加工時間決策參數，在數組v1中，隨機產生的組元v1(r)用來計算r處對應的操作oj的加工時間即爐次在設備上的加工時間，-1≤v1(r)≤1，用woj來表示重調度發生時刻爐次j的當前操作索引，未進入流程加工的爐次的woj為0，則v1一共包含∑j∈Ψ(O(j)-woj)個基因，數組v2包含各澆次開澆時間偏離初始調度計劃中相應開澆時間的偏離值，在數組v2中，隨機產生的組元v2(r)是用來計算r處對應澆次i的開澆時間cti，公式(22)中爐次j是澆次i中的第一個爐次，即j＝lj(i)-|Ψi|+1，因此s'O(j)是初始調度計劃中澆次i的開澆時間，cti＝s'O(j)+v2(r)(22)數組v3包含爐次加工設備分配方案，在數組v3中，隨機產生的組元v3(r)表示r處對應的操作oj的加工設備，由于爐次的澆注鑄機已經分配了，因此v3一共包含∑j∈Ψ(O(j)-woj-1)個基因。S3，對種群中的每一個染色體利用啟發式算法進行解碼進而獲得每一個染色體對應的初始解在動態調度過程中有兩類不同的爐次：正在流程加工的爐次和未進入流程加工的爐次。本節為正在流程加工的爐次設計了流程順推解碼算法(FSM,ForwardSchedulingMethod)，為未進入流程加工的爐次設計了流程逆推解碼算法(BSM,BackwardSchedulingMethod)。為了描述方便，利用符號表示在新的調度計劃/初始調度計劃中給爐次j的操作oj分配的加工設備索引，符號μk表示設備k的可用時間。每個設備k的μk初始化為其最早可用時間etk。在本實施方式中，解碼的方法為：S31，依據染色體中澆次的開澆時間和爐次的澆注時間，在保證澆次內爐次連澆約束的前提下，計算各爐次在鑄機上的開始作業時間和結束作業時間。由于澆次的澆注鑄機以及在鑄機上的澆注順序是預先確定的，因此可以首先計算鑄機工序上的調度方案。當澆次的開澆時間確定之后(通過公式(22)確定)，由于澆次內的爐次必須按照既定順序連續澆注，因此澆次內爐次的開始作業時間和結束作業時間非常容易計算(爐次的澆注時間通過公式(21)確定)。S32，依據各爐次在鑄機工序上的開始作業時間的遞增順序產生排列ξ；S33，取出ξ中的第一個爐次j，如果j是正在流程加工的爐次，轉步驟S34，否則，執行步驟S35；S34，設計FSM編制爐次j的重調度計劃：S341，設置操作索引oj＝1；S342，如果oj＜O(j)，執行步驟S343，否則，執行步驟S36；S343，如果執行步驟S344，否則，設置設備的當前可用時間μk更新為執行步驟S346；S344，如果執行步驟S45，否則，設置為爐次的加工時間，設備的當前可用時間μk更新為執行步驟S346；S345，如果執行步驟S46，否則，獲得緊前操作oj-1在其分配的設備上的結束作業時間開始作業時間設備的當前可用時間μk更新為執行步驟S346；S346，令oj＝oj+1，執行步驟S342；S35，設計BSM編制爐次j的重調度計劃：S351，設置操作索引oj＝O(j)-1；S352，如果oj≥1，執行步驟S353，否則，執行步驟S36；S353，獲得緊后操作oj+1在其分配的設備上的開始作業時間介紹作業時間開始作業時間設備的當前可用時間μk更新為S354，令oj＝oj-1，執行步驟S352；S36，刪除排列ξ中的第一個爐次j，如果ξ為空，算法結束，否則，返回執行步驟S33。S4，設計連鑄機故障下的重調度問題的目標函數Z，然后計算種群中每個初始解對應的適應度值，所述目標函數為：minZ＝Z1+Z2+Z3(1)其中，其中，目標Z1代表所有爐次的每一個操作在設備前的等待時間懲罰總和，Z2代表所有爐次交貨期的提前/拖期懲罰總和，Z3代表所有爐次的每一個操作的加工時間偏差懲罰；所述煉鋼-連鑄重調度方法中的已知變量為：g：工序索引，g∈{1,2,...,G}；k：設備索引，k∈{1,2,...,K}；Mg：工序g內的設備索引集合；j：爐次索引；i：澆次索引，i∈{1,2,...,I}；Ψ：需要被重調度的所有爐次索引集合，|Ψ|表示爐次總數；Ψi：澆次i內的爐次索引集合，|Ψi|表示澆次i內的爐次總數，對于任意的澆次i1≠i2，i1,i2∈{1,2,...,I}，都有Ωk：鑄機k上安排的所有澆次的索引集合，|Ωk|表示鑄機k的澆次總數，lj(i)：澆次i內最后一個爐次的索引，lj(i)＝lj(i-1)+|Ψi|，lj(0)＝0，lj(I)＝|Ψ|，進而，Ψi＝{lj(i-1)+1,...,lj(i)}；li(k)：鑄機k上最后一個澆次的索引，li(k)＝li(k-1)+|Ωk|，li(K)＝I，其中k∈MG，K是集合MG中最大的設備索引，如果則li(k-1)＝0，進而，Ωk＝{li(k-1)+1,...,li(k)}；oj：爐次j的操作索引，oj∈{1,2,...,O(j)}，O(j)表示爐次j的操作總數，爐次在工序上的工藝操作過程，簡稱爐次的操作；爐次j的操作oj所在的工序索引，所有的工序索引集合表示爐次j的加工工序路徑，gO(j)必須為鑄機工序G；dj：爐次j在計劃階段確定的熱軋加工交貨期；重調度開始時刻操作oj的生產狀態標志，如果oj是未加工狀態，則如果oj是正在加工狀態，則如果oj是已完成加工狀態，則初始調度計劃中爐次j的操作oj的開始加工時間；初始調度計劃中爐次j的操作oj的結束加工時間；0/1參數，當且僅當初始調度計劃中爐次j的操作oj在設備k上加工時為1；表示爐次j在工序g上的最小/標準/最大加工時間；ttk,k'：設備k與k'之間的運輸時間；etk：設備k的最早可用時間，故障鑄機的最早可用時間為故障結束時間；st：同一鑄機上相鄰澆次之間的準備時間；lt：中間包的壽命；爐次j的等待時間懲罰系數；爐次j的完工時間與其交貨期之間的偏差懲罰系數；爐次j在工序g內的加工時間偏離其對應的標準加工時間之間的偏差懲罰系數；U：一個足夠大的正數，具體可根據實際情況自由選擇，例如取原調度計劃中最大的開澆時間與所有爐次的標準澆注時間之和；所述煉鋼-連鑄重調度方法中的決策變量為：爐次j的操作oj的開始加工時間；爐次j的操作oj的結束加工時間；0/1變量，當且僅當調度計劃中爐次j的操作oj分配在設備k上加工時為1；yk,j,j'：0/1變量，當且僅當爐次j和j'都在設備k上加工且爐次j先于爐次j'加工時為1；所述適應度函數為：其中，Z(x)是調度解x的目標函數值，R是自定義的懲罰系數，Vj(x)是爐次j在調度解x中的約束違反量且Vj(x)≥0，當且僅當爐次j的調度計劃可行時，Vj(x)等于0，否則Vj(x)大于0；由于調度模型是最小化目標函數值，因此適應度函數值越小代表解越優。S5，利用約束條件判斷種群中由解碼啟發式獲得的初始解哪些為可行解、哪些為不可行解。所述約束條件為：約束(5)-(6)保證了爐次操作的加工時間必須在其對應的加工時間區間內；約束(7)保證了對于爐次任意兩個連續的操作，必須在緊前操作完成且爐次運送至緊后操作的加工設備處之后，緊后操作才可以開始加工；約束(8)保證了同一設備上加工的兩個爐次必須存在先后加工關系；約束(9)保證了同一時刻設備最多加工一個爐次；約束(10)保證了爐次在設備上的開始加工時間必須晚于設備的最早可用時間；約束(11)保證了爐次的任意一個操作必須在其對應的工序內分配一個加工設備；約束(12)-(13)保證了正在流程中加工的爐次的已完成/正在加工操作的開始加工時間和結束加工時間必須與初始計劃中相應操作的時間一致；約束(14)保證了同一鑄機上相鄰澆次間必須存在一個準備時間；約束(15)保證了澆次內的爐次在鑄機上必須連續澆注；約束(16)保證了澆次內的爐次澆注時間總和不能大于中間包的壽命；約束(17)表示爐次在鑄機工序內的加工設備是預先確定的；約束(5)-(13)為車間重調度的常規約束，約束(14)-(17)為連鑄機故障下煉鋼-連鑄重調度的特殊工藝約束。S6，利用變領域搜索算法提升每一個初始解的質量，為保證算法性能，為不可行解與可行解設計了不同的領域結構，即在不可行解的領域內進行變領域搜索其可行解，在可行解的領域內進行變領域搜索其局部最優解。所述用于解碼獲得的初始解x的變領域搜索的方法為：S41，設計3個用于隨機搜索階段的領域結構S42，令h＝1；S43，在解x的領域內隨機產生一個領域解x'；S44，若是可行解，則在領域內對x'進行領域搜索獲得其領域最優解x”；若是不可行解，則在領域和內對x'進行領域搜索獲得其領域最優解x”；S45，如x”比x優，轉S46，否則,轉S47；S46，令x＝x”，轉S42；S47，令h＝h+1，若h＞3，轉S48,否則，轉S43；S48，若算法運行時間達到預定時間，則輸出當前最優解x，否則，轉S42。由于在FSM和BSM過程中沒有考慮兩個約束，因此解碼啟發式可能會產生不可行解。在FSM過程中，爐次j的倒數第二個操作O(j)-1與最后一個操作O(j)之間的間隔時間可能會小于運輸時間進而違背了約束(7)。出現這類現象的原因是因為FSM只從爐次j的第一個操作調度至其倒數第二個操作，而j在鑄機上的開始作業時間是在Step1中確定的。在BSM過程中，爐次操作的加工時間可能小于其對應的最小加工時間，進而違背了約束(5)。出現這類現象的原因是因為BSM只利用公式確定操作的開始加工時間，而沒有檢查其是否是可行的。圖5給出了在解碼過程中出現上述兩類不可行現象的一個案例。在不可行解的領域內通常存在大量的可行解。例如，爐次14在圖5(a)中的不可行的，然而如圖5(b)所示，只要將爐次14安排至設備5上加工就可行了。因此，在遺傳算法產生下一代種群之前，每一個個體均需進行局部搜索。對于不可行解，在該解的領域中搜索可行解。對于可行解，在該解的領域中搜索更優的解。為了提高算法的性能，對于可行解和不可行解需要設計不同的領域結構。另外，在隨機搜索階段和領域搜索階段也采用不同的領域結構。在隨機搜索階段，本節設計了3個大的領域結構(和)，它們均可用于可行解和不可行解的領域搜索過程。為了減少局部搜索時間，在隨機搜索階段為不可行解設計了4個小的領域結構(和)，為可行解設計了3個小的領域結構(和)。為了便于描述，如果在解碼過程中某爐次的調度計劃違背了上述介紹的約束，則該爐次被稱為不可行爐次(如圖6中的爐次14和爐次5)。如果某爐次的調度計劃的目標函數Z1/Z2/Z3的值很大，則該爐次的調度計劃質量很低。領域結構描述如下：通過改變爐次在非鑄機工序上的設備分配從而獲得不可行解/可行解的一個領域解。通過改變澆次在鑄機工序上的開澆時間從而獲得不可行解/可行解的一個領域解。通過改變爐次操作的作業時間從而獲得不可行解/可行解的一個領域解。通過減少所有不可行爐次在非鑄機工序上的作業時間從而獲得不可行解的一個領域解。例如，在圖5(a)中減少爐次14在設備4上的加工時間可以提高爐次14從設備4運輸至設備9之間擁有可行的運輸時間的可能性。通過增加一些與不可行爐次相關的爐次在鑄機工序上的作業時間從而獲得不可行解的一個領域解。對于屬于澆次i的不可行爐次j，首先找出在澆次i內開澆時間早于爐次j的所有爐次，然后增加這些爐次在鑄機工序上的作業時間。例如，在圖5(b)中，通過增加爐次1、2、3和4在設備7上的作業時間可以延遲爐次5在設備7上的開始作業時間和結束作業時間。進而，爐次5在設備6上的開始作業時間和結束作業時間也會延遲，從而提高了爐次5在設備5上擁有可行加工時間的可能性。通過減少一些與不可行爐次相關的爐次在非鑄機工序上的作業時間從而獲得不可行解的一個領域解。對于不可行爐次j的任意一個操作oj(oj∈{1,2,...,O(j)-1})，首先找出同樣分配在設備上且開始加工時間早于爐次j的所有爐次，然后減少這些爐次在該設備上的作業時間。例如，在圖5(b)中減少爐次8在設備5上的作業時間可以提高爐次5在設備5上擁有可行加工時間的可能性。通過改變不可行爐次在非鑄機工序上的設備分配從而獲得不可行解的一個領域解。例如，在圖5(a)中將爐次14從設備4上更改至設備5上加工可以獲得一個可行解。通過改變擁有較大目標函數Z1值的低質量爐次的設備分配從而獲得可行解的一個領域解，從算法的性能和效率兩方面考慮，低質量爐次是指目標函數值處于前a％的爐次，所述a為正整數，在本實施方式中，將目標函數Z1值處于前10％的爐次稱為低質量爐次。通過改變包含低質量爐次(目標函數Z2值處于前10％的爐次稱為低質量爐次)的澆次在鑄機工序上的開澆時間從而獲得可行解的一個領域解。通過改變低質量爐次(目標函數Z3值處于前10％的爐次稱為低質量爐次)的作業時間從而獲得可行解的一個領域解。S7，判斷是否滿足算法停止條件，優選為預定的算法運行時間，如果滿足，執行步驟S9，否則執行步驟S8；S8，對染色體進行選擇、交叉和變異操作，生成新一代種群并返回步驟S3。在本實施方式中，經典的輪盤賭選擇算子被用來選擇較優的個體進入交配池。個體的適應度函數值越小，則被選中的概率就越大。另外，具有最小的適應度函數值的個體直接復制進入下一代種群，這種精英保留策略可以保證遺傳算法在進化過程中最優解不退化。從交配池內選擇兩個個體作為父代，然后以一定概率(交叉概率CP)利用參數化均勻交叉算子交換部分基因信息后產生兩個子代進入下一代種群。參數化均勻交叉算子是指在每一個基因的遺傳過程中拋擲一枚硬幣，若正面朝上則遺傳第一個父代的基因，反之則遺傳第二個父代的基因。對經過交叉操作產生的子代個體以一定概率(變異概率MP)采用gene-by-gene變異算子執行變異操作。對于染色體中的一個數組的變異過程如下：首先隨機產生變異基因總數；然后隨機選擇一個基因位改變其基因值；重復第二步直到變異基因數量達到第一步產生的值。S9，將獲得的種群中的最優解生成最終重調度方案傳輸給煉鋼-連鑄生產運行控制系統，控制煉鋼-連鑄生產運行系統按照所述重調度方案運行。在本實施方式中，以西南某鋼鐵聯合企業(簡稱PISC)進行模型的應用測試。該煉鋼流程包含5個轉爐(BOF1-5)、5個LF爐(LF1-5)、3個RH爐(RH1-3)和5個連鑄機(CC1-5)。對于不同鋼種的生產，一共有2條工藝路線：BOF-LF-CC(簡稱SR1)和BOF-LF-RH-CC(簡稱SR2)。圖7展示的是一個用于該流程生產組織過程的初始調度計劃。表1展示的是該調度計劃中的澆次和爐次信息。如表2所示，相同鋼種在非鑄機工序上的標準加工時間和加工時間區間是相同的。爐次在連鑄機上的加工時間通過公式(24)計算得到，其中m是爐次的鋼水重量，b是鑄機流數，ρ是鋼水密度，s是澆注面積，v是澆注拉速。因此鋼種在鑄機上的加工時間和加工時間區間如表3所示。表4展示的是設備間的運輸時間。澆次間準備時間st＝3，中間包壽命lt＝370，目標函數系數表1.調度計劃中的澆次和爐次信息爐次澆次鋼種工藝路線連鑄機Ω11,2,…,7ASR2CC1Ω28,9,…,14BSR1CC1Ω315,16,…,20CSR1CC2Ω421,22,…,26CSR1CC2Ω527,28,…,33DSR2CC3Ω634,35,…,40DSR2CC3Ω741,42,…,46ESR1CC4Ω847,48,…,52ESR1CC4Ω953,54,…,59FSR2CC5Ω1060,61,…,66FSR2CC5表2.相同鋼種在非鑄機工序上的最小、標準和最大加工時間表3.鋼種在鑄機上的加工時間和加工時間區間表4.設備間的運輸時間LF1LF2LF3LF4LF5RH1RH2RH3CC1CC2CC3CC4CC5BOF12426242426BOF22426222526BOF32426202926.5BOF440402587BOF543382757LF15243065263333LF26253165283536LF325310262851112LF4318536351055LF53295.53837117.56.5RH157273534RH227285910RH339381155在初始調度計劃的執行過程中，CC4在16:00時刻出現故障，并且故障預計結束時間為19:00。在編制新的調度計劃之前，調度員首先需要給CC4上的未完成爐次(爐次47-爐次52)分配一個新的澆注鑄機和澆注順序。當CC4發生故障時，爐次47正在CC4上進行澆注。由于鋼種E和F是兼容的，所以可以將爐次47剩余的鋼水直接插入澆次Ω10的爐次60后進行澆注(第1種策略)。如前所述，這種策略會產生鋼種跳躍連澆成本。因此，第2種策略可將爐次47返送至LF和RH工序更改其鋼水成分，然后插入澆次Ω10的爐次61后進行澆注。對于爐次48而言，當CC4發生故障時它正在LF5上進行加工，因此可通過增加一個RH操作，然后將其插入澆次Ω6的爐次34后進行澆注。當CC4發生故障時，爐次49正在BOF4上進行加工。對它而言，存在2種可行的鑄機和澆注順序分配策略，即可將爐次49插入澆次Ω4的爐次22后進行澆注(第3種策略)，或者仍然安排在CC4上進行澆注(第4種策略)，因為不會花費太長的等待時間。當CC4發生故障時，爐次50、51和52均還沒有進入流程進行加工，因此均將其安排在CC4上進行加工。由于爐次47和49都有2種不同的處理策略，因此對所有爐次而言一共有4種不同的策略組合，實驗內容是在不同的策略組合下進行重調度從而獲得新的調度計劃。利用C++語言實現了模型和求解算法，并在配置為2.6GHzCPU與4G內存的PC機上運行上述案例。在GA中，種群大小PS＝100，交叉概率CP＝0.8，變異概率MP＝0.2，迭代次數為50代，懲罰參數R＝1。在GVNS中，最大的CPU運行時間MAT設置為30毫秒。不同策略組合下獲得的新的調度計劃如圖8所示(圖中(a)、(b)、(c)、(d)依次為第1種策略、第2種策略、第3種策略、第4種策略的重調度甘特圖)。從圖中可以看出，以上四種不同的策略組合下模型均能獲得沒有時間沖突并且不斷澆的調度計劃，從而證明了模型和算法的可行性與有效性。本發明建立考慮連鑄機故障的煉鋼-連鑄重調度數學優化模型，利用結合遺傳算法和變領域搜索算法的混合智能算法進行最優解的迭代尋優，具體一次迭代過程為：采用爐次加工時間、加工設備以及澆次開澆時間表示染色體，利用解碼啟發式方法獲得當前種群中各染色體對應的初始解；利用約束條件判斷各初始解的可行性，然后設計不同的領域結構，在不可行解的領域內進行變領域搜索其可行解，在可行解的領域內進行變領域搜索其局部最優解；對質量提升后的種群進行選擇、交叉和變異得到下一代種群。本發明能夠解決故障連鑄機上爐次不同的重調度策略組合下的調度計劃編制，有利于保證生產過程的穩定運行。在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結合。盡管已經示出和描述了本發明的實施例，本領域的普通技術人員可以理解：在不脫離本發明的原理和宗旨的情況下可以對這些實施例進行多種變化、修改、替換和變型，本發明的范圍由權利要求及其等同物限定。當前第1頁1 2 3