基于蚁群优化算法的热连轧过程负荷分配策略研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第11页 |
| 1.2 课题的研究发展现状 | 第11-15页 |
| 1.2.1 经验分配法 | 第12-13页 |
| 1.2.2 最优化方法 | 第13-14页 |
| 1.2.3 智能优化方法 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-17页 |
| 第2章 热连轧负荷分配机理模型 | 第17-25页 |
| 2.1 轧制力模型 | 第17-19页 |
| 2.1.1 考虑压扁后接触弧水平投影长度计算模型 | 第18页 |
| 2.1.2 外摩擦应力状态系数计算模型 | 第18-19页 |
| 2.1.3 金属塑性变形阻力模型 | 第19页 |
| 2.2 温度模型 | 第19-21页 |
| 2.2.1 辐射温降模型 | 第20页 |
| 2.2.2 各机架轧制温度计算模型 | 第20-21页 |
| 2.3 速度设定模型 | 第21-22页 |
| 2.4 板形模型 | 第22-24页 |
| 2.4.1 凸度模型 | 第22-23页 |
| 2.4.2 平直度模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于蚁群算法的热连轧负荷分配 | 第25-43页 |
| 3.1 引言 | 第25页 |
| 3.2 蚁群算法基本理论 | 第25-29页 |
| 3.2.1 蚁群算法简介 | 第25-27页 |
| 3.2.2 蚁群算法描述 | 第27-29页 |
| 3.3 基于AS算法的热连轧负荷分配优化 | 第29-38页 |
| 3.3.1 负荷分配的优化目标 | 第29-31页 |
| 3.3.2 负荷分配的约束条件 | 第31页 |
| 3.3.3 优化决策变量 | 第31-32页 |
| 3.3.4 状态转移概率计算 | 第32-34页 |
| 3.3.5 负荷分配优化流程 | 第34页 |
| 3.3.6 仿真实验 | 第34-38页 |
| 3.4 仿真平台Level-2系统建立与算法应用 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于多目标蚁群算法的热连轧负荷分配 | 第43-65页 |
| 4.1 引言 | 第43页 |
| 4.2 多目标优化基本理论 | 第43-49页 |
| 4.2.1 多目标优化方法分类 | 第43-47页 |
| 4.2.2 多目标优化Pareto方法的基本概念 | 第47-49页 |
| 4.3 MOCACO优化算法 | 第49-57页 |
| 4.3.1 算法的基本原理 | 第49-50页 |
| 4.3.2 算法的实现 | 第50-54页 |
| 4.3.3 算法的流程 | 第54-55页 |
| 4.3.4 算法基准测试问题仿真 | 第55-57页 |
| 4.4 基于MOCACO算法的热连轧负荷分配优化 | 第57-63页 |
| 4.4.1 负荷分配多目标优化模型 | 第57-58页 |
| 4.4.2 仿真实验 | 第58-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 本文总结 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
