[發明專利]一種應用于鋼鐵行業煉鋼-連鑄流程的仿真優化模型

有效

• 申請號: 201911380905.5
• 申請日: 2019-12-27
• 公開（公告）號: CN111242561B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 梁青艷;孫彥廣;張云貴;馬湧
• 申請（專利權）人: 冶金自動化研究設計院
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q50/04;G06F30/20;G06F16/21;G06F16/28;G06F111/04;G06F111/06
• 代理公司: 北京華誼知識產權代理有限公司 11207
• 代理人: 劉月娥

一種應用于鋼鐵行業煉鋼?連鑄流程的仿真優化模型，屬于鋼鐵企業計劃調度技術領域。包括物料智能體、設備智能體、設備管理智能體、天車智能體、天車管理智能體。物料智能體主要從物料層面描述了物料按照工藝路徑在不同設備的加工處理流程；設備智能體則是從具體設備的角度描述各設備對物料的加工處理流程；設備管理智能體則從工序的角度描述同工序內同類設備的任務分配和協調流程；天車智能體從天車角度描述天車接收任務并完成任務的運輸過程；天車管理智能體描述了同跨內多天車的優化選擇及任務分配流程。優點在于，解決了多約束、多目標、多干擾環境下煉鋼?連鑄流程建模較為困難的難題，實現了作業計劃的智能優化及動態調整。

技術領域

本發明屬于鋼鐵企業計劃調度技術領域，特別是提供了一種應用于鋼鐵行業煉鋼-連鑄流程的仿真優化模型。基于多智能體仿真技術，對冶煉流程進行仿真建模，有效解決了多約束、多目標、多干擾環境下生產流程建模較為困難的難題，為鋼鐵企業智能優化調度提供了可行的建模手段。

背景技術

煉鋼-連鑄過程是一個多工序組成的復雜的高溫物理化學過程，從轉爐、精煉到連鑄，需要各工序緊密銜接，連續緊湊，其生產調度問題具有強耦合性、不確定性、多約束性、多目標性等特征，現有的方法(人機交互、數學規劃、智能優化、仿真優化)難以適用這種復雜的動態調度流程。

現有的方法是將計劃調度歸結為靜態優化問題，首先確定目標函數和約束條件，后通過問題求解(逆向求解)獲得最優解。本質局限性在于：(1)基于還原論原則，將流程系統分解為獨立的各個子系統，然后以各個子系統約束條件代替了流程對象整體的描述和分析，由于流程的非線性耦合性特征，難以通過各個子系統的約束條件描述流程復雜的動態行為；(2)受限于問題求解算法對約束條件進行了簡化處理(仿真方法則是對仿真模型進行了簡化處理)；(3)目標函數和約束條件的參數取統計平均值，難以反映不同品種、不同生產工況、不同設備狀態等不確定因素的變化以及相互耦合的影響，難以實現縱向動態調整和協同優化。

發明內容

本發明的目的在于提供一種應用于鋼鐵行業煉鋼-連鑄流程的仿真優化模型，基于多智能體技術構建一種應用于煉鋼-連鑄流程的仿真優化模型，本發明中的建模方法有效解決了鋼鐵企業生產流程復雜，難以進行數據函數描述的問題，為智能優化調度的實現提供了有效的建模方法。

本發明的建模方法是采取簡單一致、單體準確、網絡耦合、行為涌現的整體論建模方法，把鋼鐵生產過程復雜的物流系統抽象為一個多智能體系統，將生產流程中的各單體設備(工序設備、運輸設備)抽象成單智能體模型，然后將單體模型按照流程的設備配置、工藝路徑、連接方式、啟停條件、分配原則、協調機制進行網絡化建模，以反映其相互關聯耦合關系，較好的解決了復雜系統中個體智能體行為簡單準確，大規模系統下網絡耦合、行為涌現的特征，相對于傳統的建模方法，在異構、分散、復雜系統建模上更具適應性。

本發明中所述的仿真優化模型如圖1所示，模型部署在模型服務器上，由應用服務器上的智能調度模塊進行模型的觸發和調用執行，模型中所用到的輸入數據直接從數據庫服務器中的關系數據庫獲取，模型運行的過程信息及最終優化結果存儲到數據庫服務器上的關系數據庫中。模型服務器、應用服務器、數據庫服務器通過局域網連接。模型運行結果通過PC客戶端查看，客戶端通過網關、防火墻設備與應用服務器通訊，獲取模型運行結果。

本發明中所述的基于多智能體技術的仿真優化模型包括物料智能體、設備智能體、設備管理智能體、天車智能體、天車管理智能體。物料智能體主要從物料層面描述了物料按照工藝路徑在不同設備的加工處理流程；設備智能體則是從具體設備的角度描述各設備對物料的加工處理流程；設備管理智能體則從工序的角度描述同工序內同類設備的任務分配和協調流程；天車智能體從天車角度描述天車接收任務并完成任務的運輸過程；天車管理智能體描述了同跨內多天車的優化選擇及任務分配流程。各智能體有各自的資源和能力，相互獨立，協調合作共同完成作業任務。