·846· 北京科技大学学报 第34卷 表1优化结果与人工调度结果对比 Table 1 Comparison between optimizing and manual scheduling results 批次 方法 板坯温降时间/min 同炉板坯离散度 加热炉工作时间/min 算法结果 37379 0.573260 783 批次1 人工调度 41879 0.618431 798 算法结果 23213 0.291062 532 批次2 人工调度 26177 0.356396 548 算法结果 30646 0.547180 643 批次3 人工调度 35646 0.581234 660 算法结果 20031 0.280177 402 批次4 人工调度 22860 0.342482 419 system to provide delay strategies for a steel billet reheat furnace / 6结论 Intelligent Processing and Manufacturing of Materials.Hawai, 本文以生产能耗最小化和加热质量最优化为目 1999:111 标，以钢坯温降时间和同炉钢坯离散度为指标，建立 [7]Paralic J.Malindzak D,Csonto J.Scheduling of slabs into push furnaces-wo different approaches /Proceedings of the 12th Inter- 了加热炉区生产调度数学模型，将问题归结为可满 national Conference on Process Control and Simulation.Kosice, 足性问题，采用遗传禁忌搜索算法进行了数学求解。 1996:355 结果表明：该模型充分满足了加热炉区生产调度需 8] Ning S S,Wang W,Liu Q L.Optimal scheduling algorithm for re- 求，求解速度满足现场要求，生成的调度计划在满足 heating furnace in steel production.Control Decis,2006,21 生产工艺要求的基础上，提高了钢坯的入炉温度，缩 (10):1138 (宁树实，王伟，刘全利.钢铁生产中的加热炉优化调度算法 短了加工时间，从而直接实现了节能降耗的目标 研究.控制与决策，2006,21(10)：1138) 进而通过对同炉钢坯离散度寻优，优化了加热质量. [9]Cai Q F.Reheating Furnace.Beijing:Metallurgical Industry 该模型计算结果与人工调度方法结果对比，体现了 Press,2007 更好的高产和节能效果 (蔡乔方.加热炉.北京：治金工业出版社，2007) 10]Yin R Y.Metallurgical Process Engineering.Beijing:Metallurgi- 参考文献 cal Industry Press,2005 [1]Tang L,Liu J,Rong A,et al.A review of planning and schedu- (殷瑞钰.治金流程工程学.北京：治金工业出版社，2005) ling systems and methods for integrated steel production.Eur [11]Knoop P,Van N L.Scheduling requirements for hot charge opti- 0 per Res,2001,133(1):1 mization in an integrated plant//Record of the Industry Applica- Tian W X,Chiu W K S.Calculation of direct exchange areas for tions Conference on the 38th IAS Annual Meeting.Salt Lake City, nonuniform zones using a reduced integration scheme.JHeat 2003:74 Transfer,2003,125(5):839 02] Cook S A.The Complexity of theorem proving procedures//Pro- 3]Kim S H.Huh K Y.A new angular discretization scheme of the fi- ceeding STOC'71 Proceedings of the Third Annual ACM Symposi- nite volume method for 3-radiative heat transfer in absorbing, um on Theory of Computing.New York,1971:151 emitting and anisotropically scattering media.Int J Heat Mass [13]Goldberg D E.Genetic Algorithms in Search,Optimization and Tran.sfr,2000,43(7):1233 Machine Learning.Boston Addison:Wesley Longman Press, 4]Chai JC,Lee HS,Patankar S V.Finite volume method for radia- 1989 tion heat transfer.J Thermophys Heat Transfer,1994,8(3):419 [14]Thomas B,Hammel U,Schwefel H P.Evolutionary computa- 5]Chai T Y,Wang Z J,Zhang L.Optimal setting model of reheat tion:comments on the history and current state.IEEE Trans Erol fumace temperature.Acta Autom Sin,2000,26(4):537 Comput,1997,1(1):3 (柴天佑，王中杰，张莉.加热炉的炉温优化设定模型.自动 [15]Baker J E.Adaptive selection methods for genetic algorithms// 化学报，2000,26(4)：537) Proceedings of the Ist International Conference on Genetic Algo- [6]Clifford M,Edmud O,John A M,et al.A SCADA-ased expert rithms.Hillsdale,1987:100北 京 科 技 大 学 学 报 第 34 卷 表 1 优化结果与人工调度结果对比 Table 1 Comparison between optimizing and manual scheduling results 批次 方法 板坯温降时间/min 同炉板坯离散度 加热炉工作时间/min 批次 1 算法结果 37 379 0. 573 260 783 人工调度 41 879 0. 618 431 798 批次 2 算法结果 23 213 0. 291 062 532 人工调度 26 177 0. 356 396 548 批次 3 算法结果 30 646 0. 547 180 643 人工调度 35 646 0. 581 234 660 批次 4 算法结果 20 031 0. 280 177 402 人工调度 22 860 0. 342 482 419 6 结论 本文以生产能耗最小化和加热质量最优化为目 标，以钢坯温降时间和同炉钢坯离散度为指标，建立 了加热炉区生产调度数学模型，将问题归结为可满 足性问题，采用遗传禁忌搜索算法进行了数学求解． 结果表明: 该模型充分满足了加热炉区生产调度需 求，求解速度满足现场要求，生成的调度计划在满足 生产工艺要求的基础上，提高了钢坯的入炉温度，缩 短了加工时间，从而直接实现了节能降耗的目标． 进而通过对同炉钢坯离散度寻优，优化了加热质量． 该模型计算结果与人工调度方法结果对比，体现了 更好的高产和节能效果． 参 考 文 献 ［1］ Tang L，Liu J，Rong A，et al． A review of planning and schedu￾ling systems and methods for integrated steel production． Eur J Oper Res，2001，133( 1) : 1 ［2］ Tian W X，Chiu W K S． Calculation of direct exchange areas for nonuniform zones using a reduced integration scheme． J Heat Transfer，2003，125( 5) : 839 ［3］ Kim S H，Huh K Y． A new angular discretization scheme of the fi￾nite volume method for 3-D radiative heat transfer in absorbing， emitting and anisotropically scattering media． Int J Heat Mass Transfer，2000，43( 7) : 1233 ［4］ Chai J C，Lee H S，Patankar S V． Finite volume method for radia￾tion heat transfer． J Thermophys Heat Transfer，1994，8( 3) : 419 ［5］ Chai T Y，Wang Z J，Zhang L． Optimal setting model of reheat furnace temperature． Acta Autom Sin，2000，26( 4) : 537 ( 柴天佑，王中杰，张莉． 加热炉的炉温优化设定模型． 自动 化学报，2000，26( 4) : 537) ［6］ Clifford M，Edmud O，John A M，et al． A SCADA-based expert system to provide delay strategies for a steel billet reheat furnace / / Intelligent Processing and Manufacturing of Materials． Hawaii， 1999: 111 ［7］ Paralic J，Malindzak D，Csonto J． Scheduling of slabs into push furnaces-two different approaches / / Proceedings of the 12th Inter￾national Conference on Process Control and Simulation． Kosice， 1996: 355 ［8］ Ning S S，Wang W，Liu Q L． Optimal scheduling algorithm for re￾heating furnace in steel production． Control Decis，2006，21 ( 10) : 1138 ( 宁树实，王伟，刘全利． 钢铁生产中的加热炉优化调度算法 研究． 控制与决策，2006，21( 10) : 1138) ［9］ Cai Q F． Reheating Furnace． Beijing: Metallurgical Industry Press，2007 ( 蔡乔方． 加热炉． 北京: 冶金工业出版社，2007) ［10］ Yin R Y． Metallurgical Process Engineering． Beijing: Metallurgi￾cal Industry Press，2005 ( 殷瑞钰． 冶金流程工程学． 北京: 冶金工业出版社，2005) ［11］ Knoop P，Van N L． Scheduling requirements for hot charge opti￾mization in an integrated plant / / Record of the Industry Applica￾tions Conference on the 38th IAS Annual Meeting． Salt Lake City， 2003: 74 ［12］ Cook S A． The Complexity of theorem proving procedures / / Pro￾ceeding STOC ’71 Proceedings of the Third Annual ACM Symposi￾um on Theory of Computing． New York，1971: 151 ［13］ Goldberg D E． Genetic Algorithms in Search，Optimization and Machine Learning． Boston Addison: Wesley Longman Press， 1989 ［14］ Thomas B，Hammel U，Schwefel H P． Evolutionary computa￾tion: comments on the history and current state． IEEE Trans Evol Comput，1997，1( 1) : 3 ［15］ Baker J E． Adaptive selection methods for genetic algorithms / / Proceedings of the 1st International Conference on Genetic Algo￾rithms． Hillsdale，1987: 100 ·846·