基于改进变异策略差分进化的加热炉自学习优化研究

摘要

鞍钢1780热轧厂共有四座加热炉,板坯的出炉温度直接影响产品的宽度、厚度和板形的质量.在生产实践中,加热炉需要定期修炉处理,以及由于生产计划的不同使得各炉内的布料方式不同,因此各炉的工况会有一定的差异,从而影响换炉后前部几块带钢的头部厚度、宽度和温度精度急剧下降,极易使得现场生产不稳定和产品质量不符合用户需求.基于加热炉模型自学习的特点,引入差分算法,并且改变差分算法中的变异策略,借以优化自学习参数的寻优能力.实践结果证明,该算法提高了轧制力、温度和辊缝的精度,大大提高带钢头部命中率.