改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用.pdf

1、電弧爐煉鋼是以電能作為熱源，利用電極和爐料間放電產(chǎn)生的電弧，將電能在弧光中轉(zhuǎn)變?yōu)闊崮?，并借助輻射和電弧的直接作用加熱并熔化金屬和爐渣，冶煉出各種成分的鋼和合金的煉鋼方法。合理的供電曲線策略是電弧爐安全穩(wěn)定運(yùn)行，快節(jié)奏、低成本冶煉的首要前提，對鋼鐵工業(yè)來說是至關(guān)重要的。
　　傳統(tǒng)制定供電策略的方法被簡化為確定電弧電流。而附加電抗器電弧爐，為了達(dá)到縮短冶煉周期、節(jié)約電能、降低電極損耗及延長爐襯壽命等目的，需要在滿足各種工藝和電氣約束的

2、條件下，針對冶煉過程中的不同階段，選定合理的工作電流、電壓及電抗共同確定供電策略?？梢?，電弧爐供電曲線優(yōu)化問題是典型的多目標(biāo)優(yōu)化問題。利用群體智能優(yōu)化算法求解多目標(biāo)優(yōu)化問題是目前最有效方法之一，而這其中粒子群算法以其快速收斂性和實(shí)現(xiàn)簡單等特點(diǎn)，已經(jīng)引起人們越來越多的關(guān)注，被廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制以及其他應(yīng)用領(lǐng)域。
　　針對粒子群算法求解多目標(biāo)優(yōu)化時遇到的問題，提出了改進(jìn)多目標(biāo)粒子群算法來求解所建立的電弧爐多

3、目標(biāo)供電曲線優(yōu)化模型。全文主要包括如下幾部分:
　　1、對多目標(biāo)優(yōu)化問題的基本概念和多目標(biāo)粒子群優(yōu)化算法進(jìn)行了概括和總結(jié)，并分析了其收斂性，為深入研究多目標(biāo)粒子群算法奠定了理論基礎(chǔ)。
　　2、建立了多目標(biāo)電弧爐供電曲線優(yōu)化模型。本文從節(jié)省成本角度出發(fā)，綜合考慮電弧爐冶煉過程中各類影響其生產(chǎn)成本的因素，提出了一種新型的電弧爐供電優(yōu)化模型。該模型同時考慮到噸鋼電耗、冶煉時間、電極消耗及爐襯壽命，在冶煉工藝允許的條件下，優(yōu)化工作電

4、壓、電流及電抗投入量，以達(dá)到大幅提高綜合經(jīng)濟(jì)效益的目的。
　　3、提出了基于Maximin的動態(tài)種群多目標(biāo)粒子群算法。針對電弧爐供電優(yōu)化模型屬于閉區(qū)間多峰函數(shù)的特點(diǎn)，采用動態(tài)改變種群數(shù)量策略，幫助算法擺脫局部極值，加強(qiáng)局部搜索能力，平衡計算代價和算法性能的同時，又能搜索到更多的Pateto解。在Maximin策略的基礎(chǔ)上引入相對適應(yīng)度方差，降低由于Pareto解過密帶來的解多樣性減少的影響，保證找到的Pareto解可以向著分布相對

5、稀松的方向收斂。
　　4、提出了混沌變區(qū)域改進(jìn)多目標(biāo)粒子群優(yōu)化算法。針對電弧爐供電優(yōu)化模型具有多個等式和不等式約束問題，采用約束條件滿意度函數(shù)并加權(quán)求和的策略來處理約束條件，將約束條件轉(zhuǎn)化為一個待優(yōu)化目標(biāo)，從而將有約束優(yōu)化問題轉(zhuǎn)化成無約束優(yōu)化問題。引入變區(qū)域算子提高算法收斂速度，引入混沌算子開發(fā)算法的局部搜索能力，提高搜索效率;利用RCS小生境技術(shù)保證算法進(jìn)化過程中的種群多樣性。
　　5、提出了基于人工免疫網(wǎng)絡(luò)的改進(jìn)多目標(biāo)粒

6、子群優(yōu)化算法。該方法同時解決電弧爐供電優(yōu)化模型的多峰閉區(qū)間問題及約束條件問題，為改善多目標(biāo)粒子群算法全局搜索能力差、提高求解質(zhì)量，引入了人工免疫網(wǎng)絡(luò);為加快算法收斂速度，提出了位置概率遷移算子;為提高算法局部尋優(yōu)能力，提出了自適應(yīng)變異算子;為保持網(wǎng)絡(luò)動態(tài)性能，提出了聚類網(wǎng)絡(luò)壓縮。并利用Markov鏈證明改進(jìn)算法的收斂性以及收斂速率。
　　最后，利用改進(jìn)粒子群算法求解電弧爐供電優(yōu)化模型，并將得到的供電策略用來指導(dǎo)某廠40t高阻抗電弧