动态炼钢

动态炼钢（精选7篇）

动态炼钢 篇1

1 概述

最近几年中, 电脑掌控冶金活动已经获取了非常显著的成就, 现在我国的许多单位都在一定程度上引进了电脑控制体系。为了提升综合产量, 提升品质, 扩大种类, 减少费用和使用的资源的数量, 确保生产活动稳定, 在转炉中融入电脑技术, 必然成为时代发展的必然要素。在生产活动中使用动态炼钢活动之后, 能够大大的提升品质以及总数, 合理的优化活动步骤, 对于提升综合效益来讲, 意义非常的重大。所以, 在行业中引入50吨转炉进行动态炼钢控制是时代发展到必然性。

2 体系简介

莱钢4#转炉, 为无副枪顶吹型式, 年设计生产能力为50万吨, 早在十年之前的时候就应该开始运行, 通过扩容活动, 现在它具有非常高的生产力, 而且与大方坯连铸机构成了产能匹配的短流程生产线。

该转炉动态炼钢控制系统于2004年01月开始实施, 它的运作非常的安稳, 可以合乎动态炼钢对信息的规定。此体系关键进行已实现的生产管控活动。

3 世界以及我国的具体状态分析

要想切实的提升生产总数, 具有优秀的品质, 同时还能够扩充类型, 减少费用和资源的使用量, 确保工艺合乎规定, 就应该适时的引入电脑控制工艺, 它较之于别的工艺意义更加的关键, 所以在钢铁领域中, 转炉是首先使用计算机控制的机组。现在, 在世界上的很多国家都使用电脑控制体系, 我国从上个世纪的中后期逐步的进行该项探索活动, 而且也获取了非常显著地成就。现在, 我国的几大钢厂都已经在各个层次上开展了该项活动。开展生产步骤的电脑管控意义非常的关键。转炉炼钢为紧凑型生产, 所以, 引进优秀的电脑控制体系是确保品质以及生产总数得以提升的关键要素, 所以, 我们选择了静态模型和动态模型。

4 关键特征要素

4.1 基础级到计算机级数据传输程序设计:50吨转炉数据传输的控制程序通过使用西门子公司专用的编程软件STEP7, 并采用LAD、CSF、STL三种灵活的方式编制而成。整套控制程序采用模块化/结构化编程方法:整个程序又可以分成很多的单一要素, 所有的要素的程序以及信息都处于各程序块中, 并由主程序OB1在每次扫描周期中依次调用来实现各自的控制功能;除此之外, 在所有的步骤中, 进行细致的论述。此类编程措施使得一些查阅和功效的发展等活动变得非常的简便, 很好的提升了活动的灵便性以及功效性等特征。

4.2 炉气分析系统通过对转炉炉气进行分析, 获取对活动步骤的分析。

4.3 数据传输控制系统中的监控系统, 它有非常多的功效特征, 比如信息收录, 传递以及自行的预警等等的一些要素, 正是因为有这些优势特征, 所以可以确保活动能够得到精准的记载等。

5 重要工艺

5.1 对于氧枪的精确性分析

一般来讲, 在活动过程中, 针对氧枪开展的定位活动是否合理, 会对很多要素产生影响, 比如碳的多少等, 而且, 对于生产安稳以及设备的使用年限等都有着非常深入的意义。所以, 把氧枪的定位当成是非常关键的要素来处理, 硬件上采用德国TURCK增量型编码器和西门子FM450高速计数模板配合, 主要负责方位信息的收集。对于定位信息的分析, 一般是按照点线融合的措施来开展的, 对于极限位、待吹位、开氧/闭氧位、变速位等需精确定位的关键点, 采用10次往返计数值加权平均的方法, 以抵消提升加速和下降加速引起的卷扬钢绳弹性形变所造成的定位误差。对于纵轴线上的枪位显示数据, 则采用自动定量补偿和人工校准相结合的方法予以处理:也就是说在设备上升和落下的时候, 在编码器读数的基础上, 分别加或减一个补偿量, 这个补偿量是对氧枪1000次往返读数与实测枪位误差的统计处理结果, 用这一数据补偿, 在氧枪的工作行程上, 可以达到+/-2CM的定位精度, 可以有效地合乎枪位的精确性规定。除此之外, 为了提升体系的稳定性, 通过MMI设置了枪位校准按钮, 如果失误比较大的话, 可将其下降至校准区域, 按下校枪按钮进行软手动校枪, 这时候定位体系就能够自行具有精确性。

枪位计算公式如下:

L升= (W+M-N升) × (3.1416×D) ÷S

L降= (W+M+N降) × (3.1416×D) ÷S

其中:L升:提升过程实际枪位;L降:下降过程实际枪位;W:计数模板当前计数值;N升:提升过程补偿量;N降:下降过程补偿量;M:校准点初始计数读数;S:编码器每周脉冲数;D:提升装置卷扬辊直径

5.2 炉气分析系统

炼钢厂四号转炉动态炼钢炉气分析系统分为三个部分, 即EMG模块、SPS模块和图表站。第一个要素是应用到DOS下, 关键是开展信息的探索活动。第二个要素是建立在UNIX下, 关键是用语获取控制阀的相关信息。最后一个是用来获取气体量的多少的。

转炉动态炼钢系统炉气分析采用俄罗斯EMG-20-1型飞行时间质谱仪, 它属于时间质朴仪, 专为记录炼钢转炉或其它冶炼过程所排放气体的质谱图并同时分析其中多个成分含量而设计。

它是在零四年初的时候, 引入本厂的。其位于超净化区域中, 采用真空泵将炉气吸入质谱仪进行分析。

5.3 静态控制模型

它的关键活动是结合物料的性质等寻求最为合理的比例, 而且结合已有的原料明确最佳的冶炼措施。它是电脑终点管控的关键所在, 它的精确性会对碳水以及气温等的性能有非常大的影响。结合建立模型措施的差异, 静态控制模型有理论型、统计型和经验型。炼钢厂50吨转炉, 采用经验型, 构成炉气分析终点控制静态模型。它的存在有一个非常关键的前提, 即炉气分析信息, 进而确保进行终点的管控活动。

5.4 动态控制模型

它是对上一种的精确性的补充。根据物料平衡、能量平衡、化学动力学、化学热力学等理论, 以及炉气分析结果建立脱C速度计算模型、温度变化计算模型、其他元素变化计算模型等, 采用增量校验技术和神经网络技术实现对分析结果延误的矫正和系统误差的消除, 进而提谁给你命中性特征。

动态控制模型主要由炉气定碳模块、温度预报模块、喷溅预报模块、冷却剂控制模块构成。其中对于模型有关的自动学习以及适应特征的获取是切实提升其精确性以及运行性的重要要素。结合方式的差异, 其对失误现象的分析措施又可以如下的两种。

数值处理方法:T.Hara[1]将每个预测模型都表示为

y’=F (x) +△a

式中, 学习项△a在每炉喷吹结束后及时学习实际数据, 并预测下一炉y-F (x) 值。

人工智能方法:

它演示了专门人员的思想以及决定活动, 能够引入人类经验并提高模型弹性, 进而可以有效地应对以往模式中的不利现象。

6 结束语

通过分析, 该体系投入运作大约一年的具体功效, 我们发现, 这个体系的设计非常的优秀, 而且控制活动很高超, 功效非常全面, 运作也很稳定, 能够有效的开展好舍不得过程级的管控工作, 保证了活动能够顺利的开展, 有着非常优秀的的经济性特征。这个体系有非常优秀的自扩特征以及别的一些优势, 在本领域和别的一些有关的领域中非常的值得推广使用。当开展运作之后, 还是有许多的不利现象存在。比如, 体系中的一些装置的控制功效和通讯水平还应该结合具体情况开展全面的维护。必须结合具体情况, 认真地进行修整, 切实的将设备的性能完善, 尽量确保合乎生产规定, 才可以确保体系运作合理优秀, 进而确保其可以实现应有的价值和意义, 更好的为群众服务。

动态炼钢 篇2

热唐山钢铁集团有限责任公司 (以下简称“唐钢”) 第一钢轧厂转炉车间3座转炉均采用了奥钢联烟气分析 (LOMAS) 动态炼钢技术。在转炉烟道上安装在线气体分析仪, 实时分析转炉烟气成分, 用于反映转炉炉内动态变化情况, 进行连续动态控制。它能够实现终点碳预测、温度预测及喷溅预警等功能, 可提高转炉终点命中, 实现转炉炼钢的全程动态控制。

1 工作原理

1.1 烟气的采集、处理及分析

在冶炼过程中, 位于转炉烟道最高点的取样探头采集到温度高达1 800℃、烟尘含量高达100mg/m3的烟气, 经过滤装置后进入冷却系统, 最后进入快速气体分析质谱仪。唐钢现在采用的质谱仪为VG磁扇式质谱仪, 6种主要转炉烟气的分析周期一共不大于1.5 s。

LOMAS烟气采样、分析系统为转炉烟气分析动态系统的重要组成部分。在吹炼过程中, 通过LOMAS系统连续检测炉口逸出的CO、CO2、N2、O2等含量, 回归计算熔池的脱碳速度, 预测接近吹炼终点时钢液的碳含量、熔池温度的变化。

1.2 模型工作原理

1.2.1 静态模型工作原理

静态控制模型主要任务是在吹炼前, 根据输入的铁水废钢信息、冶炼钢种确定造渣制度、吹炼制度。在吹炼过程中, 根据铁水、废钢以及加入炉内的造渣料信息计算终点钢水温度。

1.2.2 动态模型工作原理

动态模型根据铁平衡、氧平衡、热平衡和动力学等理论, 结合烟气分析结果, 运用脱碳速率计算模型、温度变化计算模型等实现对终点碳温预测, 提高转炉终点命中率。

在静态模型的热平衡计算中, 二次燃烧率[CO2/ (CO+CO2) ]为设定值, 烟气分析后可以使用实际测量值;在静态模型的物料平衡计算中, 炉气CO和CO2的比值为假定值, 烟气分析后, 可以得到更加准确的数值;在静态模型中渣中的氧化铁的质量分数为设定值, 烟气分析后, 可以通过对渣中氧的累积量进行动态计算, 并对改值进行更精确的设定。因此, 转炉动态模型是对静态模型的补偿。

2 烟气分析动态炼钢的应用

2.1 终点温度预测

钢水终点温度预测的计算方法:基于物质分析模型, 对钢水、熔渣、烟气成分及重量进行分析, 采用周期计算的方法计算熔池的热平衡, 进而计算熔池的温度。由于温度预测时基于模型的静态计算, 因此转炉冶炼中任何因素都影响着温度预测, 具体因素有:

(1) 铁水成份的准确性;

(2) 铁水和废钢重量的准确性;

(3) 铁水温度测量的准确性;

(4) 冷料和辅料的原料成份的准确性;

(5) 冷料和辅料的计量准确性;

(6) 氧气流量的计量准确性;

(7) 温度预测模型参数周期性优化, 适应不断变化的炉役。

围绕以上主要因素, 建立了相应的准确性校验、周期更新以及周期检查的制度。温度预测精度逐步上升, 命中率达到85%。

2.2 终点碳预测

终点钢水C预测的原理:当熔池中C含量低于0.3%以后, 烟气曲线发生明显变化, 并与熔池C含量存在很强的相关性。通过计算烟气流量、烟气成分、二次燃烧率和脱碳速率计算熔池C含量。吹炼终点前烟气曲线的稳定对碳预测的准确度有很大影响, 因此, 操作上规定吹炼结束前2 min不动枪、不变氧流量和不加含铁冷料。通过这些措施保证了吹炼终点前烟气曲线的稳定, 终点C预测达到90%以上。

2.3 炉渣状况判断

在整个吹炼过程中, CO和CO2都有先升后降的趋势, 在邻近终点时, CO大幅度下降, 而CO2却略有上扬, 而在整个冶炼期间, CO和CO2的变化情况基本是互补的。CO的变化与熔池脱碳反应和炉渣泡沫化的程度有关, 烟气曲线有以下几种常见的曲线。

由图1 (a) 中可以看出, 冶炼过程各烟气曲线变化没有大的波动, 吹炼开始时, 钢水中Si、Mn元素优先跟O反应, 所以碳氧反应生成的CO较少, 在氧气充足的条件下充分燃烧, 所以吹炼前期二次燃烧率较高, CO2含量高于CO;随着Si、Mn反应结束, 碳氧反应逐渐加强, 在冶炼中期脱碳速度剧烈, 生成大量的CO, 此时炉内CO大量剩余, 二次燃烧率降低。二次燃烧剩余的CO与从炉口和烟罩间吸入的空气进行二次燃烧, 从吹炼中质谱仪分析的氧气含量小于0.5%可以推断, 吸入的空气中的氧气基本二次燃烧完, 尽管如此, 冶炼中期二次燃烧率仍然很低;吹炼后期, 随着钢水中C含量降低, 碳氧反应减弱, 生成的CO减少, 二次燃烧率再次上升。整个过程CO变化平稳, 所以吹炼平稳。

由图1 (b) 中可以看出, 10 min左右时CO出现峰值, 同时CO2、N2出现低谷 (即CO呈现出“∧”, 同时CO2、N2呈现出“∨”) , 这是因为返干期的炉渣变稠, 生成的CO上升阻力减小, 大量CO冲到炉口进入烟罩, 从炉口吸入的空气量则减少, 所以N2减少。CO的过量导致二次燃烧率降低, 因此CO呈上升趋势, 而CO2呈下降趋势。

由图1 (c) 可以看出, 喷溅发生在吹炼11 min时, CO含量急剧下降, 同时CO2与N2急剧上升, 此时炉渣中CO大量聚集导致其含量降低, 当渣中CO聚集到一定程度而开始剧烈反应发生喷溅。

从转炉烟气含量可以看到, 在吹炼的不同时期, 各种气体均具有不同的特点, 因此准确识别和分析这些特点, 对判断炉渣状况、冶炼终点命中、了解转炉炉内冶金物理化学反应过程和钢渣反应规律有重要指导意义。

3 结论

烟气分析系统碳温预测的运用, 提高了转炉炼钢终点碳温命中率, 从而提高了一次拉碳率, 缩短了冶炼周期, 减少了后吹, 提高了金属收得率, 有效地降低了冶炼成本, 提高了冶炼效率。唐钢引进烟气分析动态炼钢技术后, 根据实际条件对模型进行优化改进, 结合模型制定多种冶炼模式, 效果显著。

摘要：介绍了烟气分析动态炼钢系统的组成及工作原理。

关键词：烟气分析,动态炼钢,转炉喷溅

参考文献

[1]吴明.转炉烟气分析动态控制炼钢技术[J].冶金设备, 2006, (4) :68-72.

[2]胡志刚.烟气分析在转炉冶炼过程中的应用研究.[J].武汉科技大学学报, 2004, 27 (4) :337-339.

动态炼钢 篇3

为了解决上述问题, 重钢电子有限责任公司于2006年6月为重钢炼钢厂开发了具有自身特色的炼钢动态成本系统。这套系统真实记录产品在产线中的消耗情况和产能情况, 提供实时成本分析, 协助实现成本控制以及营销优化策略制定, 为企业实现成本精细管理提供了有力支持。

该系统采用了具有完全自主知识产权的Agilor实时数据库系统, 研发周期短、投入少、见效快, 使企业在短期内降本增效, 特别适合中小钢铁企业解决成本管理问题。

一、系统结构

重钢信息化建设总体规划的原则是:系统架构采用三层C/S与B/S相结合的模式;数据集中统一存储和备份;对已有和新建设的各系统进行一体化整合。炼钢动态成本系统遵循该总体规划原则, 系统应用架构采用三层C/S模式, 客户端主要负责各工序的数据采集录入, GUI图形界面采用Oracle Developer2000开发。Oracle Developer2000是一个成熟而且高效的开发工具, 它使用简单, 开发速度快。

应用服务器由一台服务器组成, 操作系统选用Windows server2003, 应用服务器软件选用了Oracle10g AS。选用Oracle公司旗下的产品, 是为了保障系统的兼容性, 便于以后系统的升级和扩展。

数据库服务器由两台服务器组成, 互为热备, 操作系统选用了中科院的红旗Linux。数据库采用Oracle10g rac, 实现数据服务的并行处理。2台数据服务器共享一套磁盘阵列, 存放公司生产经营数据。并配置1套磁带库, 将系统数据备份到磁带设备上, 对企业数据进行双重保护。选择Oracle数据库, 是因为它可靠性高, 具有故障恢复、错误检测、持续运行能力以及可伸缩性等优点。

实时数据库采用中国科学院软件研究所具有完全自主知识产权的Agilor实时数据库系统。该系统具有高性能、高并发性、高压缩率、高可靠性、灵活性、可扩展性、开放性以及多项独有的先进专利技术等特点。

二、系统功能

炼钢动态成本系统包括:基础信息管理、生产消耗数据采集、成本计算、成本差异计算、权限控制、用户管理六大模块, 如图1所示。基础信息管理模块主要是完成工序标准成本设置;生产消耗数据采集模块实现生产数据的实时采集;成本计算模块能根据用户不同的要求分别计算出炉成本、工序成本、品种成本等;成本差异计算模块对实际成本与标准成本间之间的差异进行计算, 为成本分析提供数据支持;系统管理员通过权限控制和用户管理模块对使用该系统的用户以及其使用权限进行管理。其中, 基础信息管理、生产消耗数据采集、成本计算和成本差异计算为系统核心功能, 详细介绍如下。

1. 基础信息管理

基础信息管理模块主要完成原辅材料的编码以及对应的核算价格管理;成本项目编码管理;单位、车间、班组编码管理;工序标准成本管理;成本计算中的分摊规则和分摊系数管理。

系统通过与重钢原辅料系统的接口共享原辅材料编码以及对应的核算价格数据;单位、车间、班组编码通过系统间的接口由重钢整体产销系统自动提供;成本计算中的分摊规则、分摊系数以及工序标准成本的理论值由重钢钢研所提供, 工序标准成本根据以后的真实平均成本, 系统自动修正。

工序标准成本管理是本模块的核心。这里工序是按照生产工艺进行划分, 主要分为脱硫、转炉、Ar、LF、连铸五大工序, 与重钢整体产销系统的炼钢厂工序设计保持一致。工序标准成本管理的主要任务是核定工序标准成本, 具体包括核定工序成本项目、定额指标, 利用计划价格体系计算工序标准成本三个方面的工作。炼钢成本项目主要包括钢铁料、合金、耐材、燃料动力等。表1详细介绍了转炉工序标准成本种类和对象[2]。

2. 生产消耗数据采集

炼钢动态成本系统可追踪重钢炼钢厂所有工序的物流, 收集炼钢所有工序的物料消耗情况。数据收集采用两种方式, 一是通过Agilor实时数据库采集实时消耗数据, 二是对不能自动采集的数据采用人工输入方式, 为成本计算提供基础数据。

自动采集的数据包括:铁水进厂量、脱硫剂使用量、铁水消耗量、废钢消耗量、合金消耗量、大宗辅料消耗量等;部分不能计量的辅料采用人工录入方式;不能实时获得消耗量的采用系数分摊, 或者暂时使用标准成本中的数据, 月底结算后, 由物资科提供真实量。

铁水消耗是炼钢的最大成本组成, 铁水脱硫与否, 对成本影响非常大。脱硫工序根据重钢整体产销系统提供的进厂铁水成分信息和生产的品种信息来选择是否进行脱硫。每罐铁水的重量由Agilor实时数据库自动采集进入动态成本系统, 是否进行脱硫采用人工在系统里确认。根据这些数据, 系统可以自动计算出每天总的脱硫铁水量, 非脱硫铁水量以及铁损量。

除脱硫工序之外, 其它工序以炉号为最小单位收集各工序的主副原料、合金、能介消耗。动态成本系统通过系统间的接口, 从产销系统获得当前生产的炉号, 采集的消耗数据通过人工确认和自动确认两种方式与炉号相关联。

3. 成本计算

该模块功能是将采集到的生产消耗数据, 通过各种成本分摊方式, 计算出各项成本数据。系统根据用户的不同需求可分别计算出单炉成本、钢种平均成本、工序成本等。成本计算的原则是:对品种成本影响较大的成本费用采用实时计量、定位;对品种成本影响较小的成本费用采用按量分摊;固定成本费用采用按产量分摊方式;根据产品工艺路线分段实施成本计算。

(1) 单炉成本算法

单炉成本计算就是以炉号为对象, 统计该炉号在炼钢厂所有生产工序的成本情况。通过单炉成本的计算, 既可以在班组内比较单炉钢 (同品种) 成本差异, 也可以在班组间比较单炉钢 (同品种) 成本差异。通过进一步的成本差异分析, 可以进一步提高冶炼水平, 降低化学成分波动, 达到降低成本的目的。

计算公式如下:

其中, Li表示该炉钢坯成本Mj表示各种材料消耗的量

Pj表示各种材料的价格F1表示固定费用

F2表示工模具费用F3表示人工费用

Wi表示该炉钢坯重量

(2) 钢种平均成本算法

钢种平均成本计算就是以钢种为对象, 计算在某一时间段内的平均成本。计算钢种平均成本的目的是为了及时掌握不同钢种目前的真实成本, 为销售部门制定正确的销售价格提供决策支持。

计算公式如下:

其中, Ci表示钢种的平均成本

(3) 工序成本算法

工序成本是以工序为对象对消耗和费用进行归集和分配。消耗和费用按成本项目划分, 主要包括:原料及主要材料、辅助材料、生产管理用具、燃料、动力、直接工资和职工福利费、制造费用。工序成本计算就是先将这些消耗和费用计入工序成本环节后, 再用一定的方法计入分品种的工序产品成本, 计算出各工序分品种的工序产品成本。具体的计算方法是:

原料和主要材料采用如下公式计算:

其中, Oj表示某工序某品种消耗某物料的金额

Sj表示该物料在该工序的生产投入总量

辅助材料、生产管理用具的费用在每个月末按工序进行归集, 得到各工序消耗金额, 再根据核定的各工序的分配系数——工序熔炼系数或工序轧制系数, 分配计入通过该工序的分品种规格组距的产品成本。

燃料、动力进行统计时, 如果工序上有计量仪表可以准确计量的能源动力项目, 或能够直接归集到某个工序的项目, 直接计入该工序的能源动力成本。不能计量的能源动力项目采用系数分配方式进入工序成本。

直接工资和职工福利费。按当月各工序生产人员实际工资以及福利费直接计入工序成本。

制造费用, 利用财务核算系统, 将发生的费用分工序录入, 归集到各工序成本。再按照核定的工序熔炼系数或工序轧制系数, 分配计入通过该工序的分品种规格组距的产品成本[1]。

4. 成本差异计算

在生产过程中, 实际成本与标准成本往往有较大的差异。通过对成本差异的计算, 系统能够为成本分析人员提供可用的数据支持。本文用工序标准成本差异算法为例讲述该模块功能。工序标准成本差异计算就是用实际成本与标准成本进行比较, 标准成本按照重钢钢研所提供的理论值, 在基础信息模块里进行设置。

工序标准成本差异包括原主材料标准成本差异;固定总成本差异;质量异议差异;改判、降级品差异等部分。差异的计算方法如下[1]:

(1) 原料及主材料标准成本差异算法

原料及主材料标准成本差异, 即分品种的单位主材料标准成本差异。通过计算原主材料实际成本与标准成本的差异, 来了解真实的生产工艺水平。差异合理, 则修正标准成本的理论值, 否则, 查找出现差异的真实原因。

计算公式如下:

其中, D1表示原主材料标准成本差异

Ai表示分品种单位原主料实际成本

Bi表示分品种单位原料标准成本

Vi表示分品种实际产出量

(2) 固定成本差异算法

由于固定成本不受产量及工序影响, 所以固定成本按全厂进行评价。通过成本差异的比较, 来判断差异是否合理, 是否对标准成本进行修正。

计算公式如下:

其中, D2表示固定成本差异H表示固定实际总成本

J表示固定标准总成本

(3) 质量异议差异算法

质量异议差异计算是在一定的时间段, 统计因质量争议造成的损失。通过差异计算能发现经常出现争议的钢种, 查找产生质量争议的真实原因, 提高冶炼该钢种的能力。

计算公式如下:

其中, D3表示质量异议差异K表示原品种销售价格

L表示质量异议处理后价格M表示重量

(4) 改判、降级品差异算法

改判、降级品差异在规定范围内按原品种评价, 超出部分按损失额评价。通过计算差异, 可以从中了解出现改判、降级的钢种的化学成分的波动性, 帮助技术人员发现问题的根源。

计算公式如下:

其中, D4表示改判、降级品差异K表示原品种销售价格

N表示改判、降级后销售价格M表示重量

三、系统特点

1. 成本低。

重钢电子有限责任公司拥有一支素质高、技术过硬的软件研发队伍。参与本系统研发的人员均有多年工作经验, 系统研发周期短, 3名研发人员历时8个月完成。由于采用了成熟的开发工具和数据库平台, 投入研发的费用低, 仅70万元。这套系统上线后, 很快为企业带来了效益。

2. 系统集成度高。

本系统作为重庆钢铁股份有限公司信息化建设总体规划的一部分, 规划初期已经考虑了与其他信息系统的接口。炼钢动态成本系统与先期上线运行的Agilor实时数据库系统、财务成本系统、整体产销系统一期高度集成在一起, 既能从实时数据库系统和整体产销系统实时获得物料消耗品种、消耗量、品种产量、品种判定结果, 又能实时动态地计算不同类型的成本和成本差异, 并把结果提供给其他系统, 各系统间实现了数据信息共享。

3. 功能完备。

企业可以根据生产工艺要求, 在炼钢动态成本系统里进行工序划分, 设置成本对象以及成本定额指标。工序标准成本是企业根据多年生产经验以及理论设定的一个初始值, 系统能够根据企业在一段时间范围内的真实成本, 对标准成本值进行修正。另外, 系统中真实记录了生产过程中的各种物料消耗, 能够实时动态地计算不同种类的成本、成本差异, 并把结果反馈给财务部门以及管理层, 为公司的决策提供了数据支撑。考虑到企业的发展, 系统还为将来的功能扩展预留了接口。

四、应用效果

炼钢动态成本系统自2007年12月投入运行以来, 使炼钢成本实现了炉炉明、日日清, 为及时发现和解决生产中的问题、大力推动降本增效工作提供了有力支撑。在炼钢生产的总成本中, 合金占有较大比重。原来, 由于成本控制没有细化到每一炉, 不同员工操作时加入的合金量都不相同。现在, 冶炼每炉钢通过标准成本与实际成本比对, 可及时调整合金投放量, 使合金成本大大下降。系统不仅设置了年度、月度和日度的钢铁料和铁合金消耗量查询功能, 而且可具体到每一炉、每一班, 便于基层管理者掌握、分析和处理, 稳定成本控制。同时, 可实现多个班组的数据对比, 为衡量班组间的生产操控水平高低提供依据。该系统运行近一年, 即全面提升了公司成本管理水平, 使成本得到有效控制和降低。2008年, 重钢炼钢厂比上年降低成本30万元, 增加利润100万元。

不足之处在于, 重钢炼钢厂作为一个有着悠久历史的老厂, 设备比较陈旧, 自动化程度不高, 由于过程控制系统不完善, 很多消耗数据采用人工录入的方式, 人为因素太大, 有些数据不能真实反映出实际消耗。今后, 只有通过不断完善管理制度来克服这些不足。

参考文献

[1]鞍钢股份有限公司.工序标准成本管理[J].企业管理, 2007, (11) :61-64.

动态炼钢 篇4

近年来关于炼钢-连铸调度问题的理论研究,国内外已取得了一些理论成果,例如静态调度[1,2,3,4],重计划调度[5,6,7,8]和动态调度[9,10,11,12]。在实际生产过程中由于工艺复杂,设备繁多,常常出现一些不可预知的扰动,如:设备故障、工序延迟等。静态调度无法在系统出现扰动的时候做出快速有效的调整;而重计划调度往往是系统运行状态与原计划出现较大偏差时才重新编制计划,灵敏性较低。动态调度研究就是为了提高炼钢-连铸系统应对这些扰动因素的能力,及时调整调度方案,保障生产过程稳定高效运行。文献[9],建立了非线性规划的数学模型,通过约束的变化实现各种方式下的动态调度,但未明确给出当系统出现故障时的解决办法。文献[10]基于多Agent动态调度系统与人体免疫系统的相似性,建立了炼钢-连铸免疫多Agent动态调度系统,但应对扰动的措施过分依赖调整铸机拉速。文献[11]和文献[12],均提出了基于人机交互技术的动态调度,但这种方法对于操作人员的经验和能力要求较高。

本文针对炼钢-连铸动态调度问题,提出一种在给定浇次计划的基础上,将多Agent系统与蚁群算法相融合的求解算法。多Agent系统具有自治与协调的优势,而蚁群算法可以同时利用启发式信息和历史积累信息。通过多Agent间信息交互,对蚁群算法中的启发因子进行整定,然后利用蚁群算法对炉次的起始时间和各阶段占用的具体设备进行搜索,多次迭代得出模型的最优解。最后,以某钢厂仿真实验数据,验证模型和算法的有效性。

1 问题描述

1.1 炼钢-连铸生产过程

炼钢-连铸过程包含冶炼(LD)、精炼(LF、RH等)和连铸(CC)三个主要环节。转炉每次冶炼的钢水与一个钢包的安全容量相符,每炉钢水称为一个炉次。若干个炉次组合成一个浇次,同一个浇次必须连续浇铸不能中断。基本流程如图1所示,将铁厂运来的高温铁水倒入转炉进行冶炼;当温度与成分达到一定要求时,将转炉中的钢水倒入钢包经天车和轨道车运送至精炼炉进行精炼;待温度与成分达到一定要求时,再将钢包运送至连铸机的回转台,准备浇铸。

在精炼阶段,炉次可能依次经过多个精炼设备。

1.2 炼钢-连铸动态调度问题

炼钢-连铸动态调度问题可以归类为作业车间调度问题(job shop oroblem,JSP)。炉次即为被加工的工件,每个工件都需要依次经过多个工序,每道工序都有多台机器可以完成对该工件的加工。在满足约束条件的前提下,动态地确定某一工件在某一工序上的具体哪台机器上进行加工以及具体何时开始加工,从而尽可能消除等待时间,提高生产效率,降低生产成本。

图2所示炼钢-连铸调度示意图可视为有向图<V,E>,结点集V表示对炉次进行操作的各个设备,其中St和En是两个虚拟过程(表示炉次的起点和终点);边线集E表示对炉次可能的操作顺序。图中X表示精炼设备。

在满足约束条件的前提下,以每个炉次在整个炼钢-连铸过程中所占据的时间尽可能小作为调度目标。并通过多Agent协商机制来消解不同炉次间的冲突。对炼钢-连铸JSP的求解归结为在约束条件内寻找每个炉次从起点到终点的最优路径。该路径包含了炉次在具体设备上的操作顺序,且可能受其他因素影响而发生变化。它与该炉次之前各炉次的进展情况以及各设备的运行状况相关,并对后续炉次的路径选择产生影响。

1.3 数学模型

1.3.1 基本假设

钢铁制造流程是一个复杂过程系统,钢铁生产过程是一个准连续或间歇生产过程[13]。为了便于用数学模型描述实际问题,对本文所研究内容作出如下假设:①已知浇铸一批钢的浇次计划;②正常情况下,铸机拉速恒定,若出现特殊情况(如钢水供应不足),铸机的拉坯速度可在允许范围内调整;③炉次按照工艺流程,依次在各设备上操作,整个过程中没有回环。

1.3.2 符号定义

(1)序号及标号。

i为炉次序号;j为工序标号;k为浇次序号;ki为浇次k的第i个炉次;m为设备标号;Ok,i,j,m为k-i在阶段j的设备m上的操作;

(2)集合。

I为炉次集合;J为工序集合,J={1,2,3,…,n};K为浇次集合,K={1,2,3,…,s};M为设备集合,M={LDx,LFx,RHx,…,CCx|x=1,2,3,…};Mj为阶段j的并行机集合;Ik为浇次k中所有炉次的集合,Ik={1,2,3,…,nk};Im为在机器m上加工的炉次的集合;

(3)变量。

st(Ok,i,j,m)为k-i在阶段j的设备m上进行操作的开始时间;et(Ok,i,j,m)为k-i在阶段j的设备m上进行操作的结束时间;p(Ok,i,j,m)为k-i在阶段j的设备m上完成加工所需的必要时间;stmin(Ok,i,j,m)为k-i在阶段j的设备m上进行操作的最早开始时间;stmax(Ok,i,j,m)为k-i在阶段j的设备m上进行操作的最迟开始时间;etmin(Ok,i,j,m)为k-i在阶段j的设备m上加工完成时间,是允许离开设备m的最早时间;etmax(Ok,i,j,m)为k-i在阶段j允许离开设备m的最迟时间;st(max-min)(Ok,i,j,m)为k-i在阶段j的设备m上的松弛开始时间;et(max-min)(Ok,i,j,m)为k-i在阶段j的设备m上的松弛结束时间;δmax为两工序间运送钢包最大允许时间。

(4)常量。

tnow为当前时间;δ为两工序间运送钢包的时间期望值;Δtcc为连铸机在相邻浇次间准备工作所需的必要时间。

1.3.3 目标函数及约束条件

基于对模型的基本假设,构建目标函数如下:

目标函数使每个炉次从开工到完成浇铸所占用的时间尽可能小。根据炼钢-连铸过程的实际情况,模型需要满足以下约束条件:

式(2)表示每个炉次只能属于一个浇次;式(3)和式(4),分别为工序开始时间约束和工序结束时间约束。为了协调冶炼、精炼和连铸三阶段的生产节奏,各工序作业时间可在允许范围内调整;式(5)为工序顺序约束,每个炉次从开工到完成浇铸,其先后工序的顺序固定不变;式(6)为设备能力约束,在同一时刻某设备加工炉次数量不能超出该设备的能力;式(7)为操作时间约束,每个工序加工过程不会在必要时间之内完成;式(8)为连浇约束,每个浇次中从第二个炉次开始都要在前一炉次完成浇铸之前到达钢包回转台;式(9)表示钢包在工序间等待时间约束;式(10)为连铸准备时间约束,连铸机在相邻浇次间需要留有一定时间更换中间包、送引锭等。

2 多Agent蚁群算法求解上述问题

2.1 多Agent与蚁群算法融合策略

多Agent调度系统强调自治与协调,其将计算和决策能力分配到各功能实体,各功能实体解决子问题后,再通过协商解决更高层次或全局问题,因此具有简化问题规模、并行计算、处理局部问题灵活等集中式调度方法所不具备的一系列潜在优点[14]。

蚁群算法(ant colony optimization,ACO)是一种通过模拟蚁群觅食行为提出的模拟进化算法,在解决组合优化的问题上,得到了广泛应用,并取得了良好效果。

在本文中,将多Agent系统与蚁群算法相融合,提出多Agent蚁群算法(multi agent-ant colony optimization,MA-ACO)。每个Agent都与一个炉次或设备相对应。如图3所示,省略部分为可能包含的其它精炼设备。每一个Agent都能够实时采集自己所负责炉次或设备的相关信息,同时还能与相关A-gent通信,获取或递送必要信息。

MA-ACO的结构图如图4所示,炉次Agent每间隔一定时间运行一次蚁群算法,运行过程中需要与未经历阶段的所有设备Agent通信,获取设备信息来确定蚁群算法中的启发因子;当炉次Agent求出解后,与相关设备Agent通信,将该炉次相关信息添加到其待操作列表中。在设备加工炉次的过程中,实际时间与计划时间往往会出现偏差。当出现时间偏差后,设备Agent及时更新其待操作列表中各炉次的起始时间;而炉次Agent向计划中的后续设备Agent发送信息,使后续设备Agent更新其列表中该炉次的起始时间。若设备出现故障,无法继续加工炉次时,该设备Agent将即刻以广播方式向全局Agent发送故障信息(若能获取维修所需时间,也将一并发送),炉次Agent重新运算,寻找最优路径,保证正常浇铸。假如某炉次Agent求解过程出现无解,即无论怎样调整炉次都无法保证其所属浇次连续浇铸,那么炉次Agent将与目标铸机Agent通信,铸机Agent调整铸机拉速,更新待操作炉次列表中的起始时间。然后再通知相应炉次Agent重新求解。

2.2 Agent协商机制

系统内炉次Agent相互独立,各自搜索自己负责炉次的最优路径,必然会发生冲突。为了消解冲突需要创建Agent间协商机制,本文将炉次k-i到达j阶段的设备m的最迟时间定义为安全裕量———φ,如式(11)所示。

当炉次Agent i计算从m-1转移到设备m的启发因子时,会与设备m Agent待加工炉次逐个比较安全裕量φ值的大小。设x属于设备m待加工炉次,若φi<φx,则炉次i允许排入炉次x之前;若φi>φx,则炉次i不允许排入炉次x之前。

2.3 算法实现

基于图2对算法实现过程进行阐述,将每个设备m看作一个结点v。对于任意炉次i,算法虚拟出与该炉次相关属性一致的若干只蚂蚁,共G代,G={1,2,3,…,g},每一代ng只。任意蚂蚁ρ都按照结点间的转移概率从当前结点到En随机行走。转移概率公式[14]:

式(12)中,Pρvv'(g)为第g代蚂蚁k从结点v转移到结点v'的概率;τvv'(g)为第g代,边(v,v')上的信息素量;ηvv'为边(v,v')的启发因子;allowedρ为蚂蚁ρ下一步允许选择的结点集合;α、β分别表示信息素和启发式因子的相对重要程度。

启发因子根据Agent间交互的信息计算:

式(13)中,Δtvv'是当炉次从结点v上操作完成,到它转移到v'并且从结点v'上完成操作所需的时间。如果结点v'在该炉次之前还有其它需要操作的炉次,那么Δtvv'中还包含了等待时间。

每一代蚂蚁行程结束后,更新各路径上的信息素:

式中λ(0<λ<1)表示信息残留系数,Δτvv'(ρ)表示蚂蚁ρ在边(v,v')留下的信息素量。

2.3 求解步骤

炉次Agent从分配给炉次开始,到该炉次浇铸完成,为一个完整周期。本文将该周期分为规划期和调整期前后两个阶段。规划期,炉次并未开始,也没有对应的实体,只是给计划中的炉次分配了一个炉次Agent,该炉次Agent每间隔一定时间对炉次的最优路径和最优开工时间进行一遍搜索。并根据运算结果对上层铁水供应提出优化要求,使其按需供应。调整期,炉次已经开工,炉次Agent通过运行算法搜索从当前结点到En的最优路径。

2.3.1 规划期求解步骤

Step1:读取当前时间tnow,计算出炉次i的最早开工时间stmin(Ok,i,j,m)和最迟开工时间stmax(Ok,i,j,m)以及松弛开工时间st(max-min)(Ok,i,j,m)。在松弛开工时间内,每相隔Δt取一个开工时间st(n),组成一个开工时间组ST={st(1),st(2),st(3),…,st(n)}。设定各路径的信息素初始值为Q,信息素残留系数λ以及决定信息素和启发因子相对重要程度的α和β。

Step2:构造蚁群系统,共G代,每一代ng只蚂蚁,每只蚂蚁都与炉次i相对应。将ST中的元素st(1)作为开工时间st(Ok,i,j,m),并以此时间为基准计算出炉次i到达任意转炉m并完成操作的时间et(Ok,i,j,m)。根据式(13)计算出启发因子,带入式(12)求得第一代蚂蚁选择转炉m的转移概率P。对于转炉m=1,2,3,…;可以求得转移概率P1,P2,P3,…。每只蚂蚁按照转移概率随机选择转炉。同理,可以使第一代蚂蚁随机选择精炼炉和连铸机。当第一代蚂蚁全部完成路径选择,更新各路径的信息素。

Step3:第二代蚂蚁同样按照上述方式进行路径选择,以此类推,直到G代蚂蚁全部完成路径选择。此时,根据各路径信息素浓度,即可确定出以st(1)作为炉次i开工时间的最优路径W(1)。

Step4:根据Step2和Step3,依次以ST中的其他元素作为开工时间st(Ok,i,j,m),求得不同开工时间下的最优路径W(2),W(3),…,W(n)。通过比较,确定出炉次i的最优开工时间和路径。

Step5:将所求路径包含的设备信息存入炉次Agent待进行操作设备列表,并与这些设备通信,将该炉次信息存入相关设备Agent的待加工炉次列表。

2.3.2 调整期求解步骤

在调整期,不再计算炉次的开工时间,而是计算出炉次i在当前设备上完成操作的时间et(Ok,i,j,m)作为搜索路径的起始时间。其他步骤与规划期相同。

3 仿真实例

某钢厂,设有180 t转炉3座(LD1,LD2,LD3),LF炉3台(LF1,LF2,LF3),RH炉2台(RH1,RH2),板坯连铸机3台(CC1,CC2,CC3),其中CC1为一机两流,CC2和CC3为一机一流。以表1中的浇次计划进行仿真实验。

通过对该钢厂系统运行的相关数据进行统计,求得炉次在各设备上完成加工所需时间的期望值及其合理波动范围,如表2所示。炉次在相邻工序两设备间运输所需时间的期望值E(δ)=6 min,合理范围3~8 min。各Agent将以各项所需时间的期望值为基础推算炉次各阶段的起止时间。仿真实验将从各项所需时间的合理波动范围中,随机生成一个时间作为其实际占用时间。

在生产过程中,有些常见的设备故障,可以根据经验提前估计出解决故障的时间。从而在动态调度过程中,可以在该时间之后将设备编入计划中。表3列举出解决一些常见故障或事故所需的时间。

采用Visual Studio.net 2010设计出各Agent的仿真程序。炉次Agent按浇次计划及炉次顺序依次建立,炉次完成浇筑时关闭。考虑到仿真设备的运算能力,本文限定对应每台目标铸机的炉次Agent,最多同时运行10个。

MA-ACO算法参数设置:蚁群代数100,每代蚂蚁数量100;初始各路径信息素τvv'(0)均为1;蚂蚁每次经过路径留下信息素Q=1;α=1,β=1。

实验1,设所有设备均未发生故障,运行仿真程序。根据给定各浇次开浇时间,各炉次Agent搜索炉次的最优开工时间及路径,并在加工过程中对路径进行调整。以最早开工炉次的开工时间作为横坐标的起点,对表1浇次计划的仿真动态调度结果绘制甘特图,如图5所示,系统完成浇次计划总生产时间603 min。

在一次寻优过程中,采用ACO算法和MA-ACO算法分别求解并对比其收敛曲线,如图6所示。其中横轴为蚂蚁代数,纵轴为炉次全程占用的时间。通过对比,表明MA-ACO求解速度较快,且不易陷入局部最优。

该钢厂在生产过程中主要依赖人工调度。图7将人工调度、ACO动态调度和MA-ACO动态调度进行对比,表明MA-ACO动态调度能够有效减少各炉次全程占用时间。

实验2,设系统运行195 min时,精炼炉LF2出现突发故障,不能继续加工炉次。其他条件与实验1相同,将仿真程序动态调度结果绘制成甘特图,如图8所示。图中灰色区域表示LF2处于故障状态。

该实验中,3-4、3-5以及4-4,仅通过调整炉次顺序无法满足连浇要求,于是相应的铸机Agent适当延长其上一炉次的浇铸时间(将3-3、3-4、4-3的浇铸时间分别延长了8 min、7 min、7 min,实际生产中通过适当调整拉速实现),达到连浇要求。完成浇次计划总共用时602 min。实验2表明当系统出现扰动后,MA-ACO动态调度方法能够快速做出合理的调整,使各工序协调稳定的生产。

4 结论

(1)针对钢厂炼钢-连铸动态调度问题,根据钢厂实际运行原则,以缩短每个炉次在炼钢-连铸过程中占用的时间为目标,并建立了炼钢-连铸动态调度的约束满足模型。

(2)在给定浇次计划的前提下,提出了多Agent系统与蚁群算法相融合的方法求解炼钢-连铸动态调度问题,并建立了Agent间的协商机制,避免系统紊乱。由于生产过程中存在不确定的扰动因素,每间隔一定时间对所求解进行优化调整。

动态炼钢 篇5

近来,基于案例推理(CBR,Case-Based Reasoning)的方法受到广泛关注。CBR通过调整相关问题的成功解来解决新问题,同时从新案例中获得知识,反映专家思维过程,能够克服规则推理的知识获取瓶颈问题,弥补传统推理方式的不足。

本文探讨了CBR技术在炼钢连铸动态调度系统中的应用与实现。

1 炼钢连铸动态调度系统

炼钢连铸生产一般由多台炼钢设备、精炼设备、浇铸设备以及相应的钢包、台车、天车等生产辅助设备构成,工艺流程相当复杂。以宝钢某炼钢厂为例,共有转炉3座,精炼设备6座(其中:RH炉2座、LF炉1座、KIP炉1座、CAS炉2座),连铸机3座,另外还有模铸设备。根据钢种生产工艺路径要求,有些钢种可经转炉冶炼后直接进行浇铸,但大多钢种必须再经过1次、2次、3次甚至4次精炼后才能进行浇铸,这样,生产工艺路径达20多条。宝钢炼钢连铸调度计划系统根据该厂生产调度任务的要求,分成动态编辑器系统、静态计划系统、动态调度系统、钢包系统、天车台车系统、温度系统等相互联系又相互独立的几个子系统,通过各子系统的有机集成,构成了功能完善的宝钢炼钢连铸调度系统[2]。

本文所述的炼钢连铸动态调度系统是宝钢炼钢连铸调度系统的一个重要组成部分。动态调度系统通过跟踪炼钢、精炼、连铸、钢包、天车台车等设备的运行信息来监控静态调度计划的执行情况。根据获取信息的属性将生产过程中所出现的生产状况变化分别归纳为时间、温度、设备、浇铸异常等几类扰动,并针对上述计划变化和物流变化,通过两级案例库推理、动态编辑器和重调度等技术手段,实现时间、温度、设备、浇铸异常和重调度等在线动态调整,使生产现场的物流平衡、计划顺行。炼钢连铸动态调度系统自2003年开始研究建立,在2004年下半年完成了两级案例库推理原型系统的开发,并在现场并行运行。

2 CBR技术

美国耶鲁大学的Roger Schank于1982年在《Dynamic Memory》一书中,首次提出了CBR理论的认知模型及框架[3]。之后随着研究的深入开展,CBR已成为人工智能和专家系统设计的一个非常具有吸引力的方法。

CBR原理与人类的认知方法基本相同,当遇到一个待解决的问题,将其抽象为一个新实例,从案例库中找出一个和新实例最相近的案例,该解决方案可作为新问题的参考,根据实际情况对此方案进行修改,修改后的实例成为一个学习到的实例被存储到案例库中,以便再用其解决新的问题。由此可见,CBR克服了知识获取瓶颈,具有建立便捷、执行效率高、维护和自学习方便、充分反映使用者的知识积累等优点。

3CBR技术在炼钢连铸动态调度系统中的应用

3.1 基于两级CBR技术的动态调度系统框架

由于炼钢连铸动态调度系统的复杂性和对处理经验的高要求,针对炼钢连铸生产中产生频率比较高、应对经验比较丰富、处理方法比较稳定的时间类、温度类和浇铸异常类的扰动,采用CBR技术进行处理。对于上述扰动通常采取的处理步骤是,先根据扰动情况、各种设备的状态及工艺要求来确定调整的策略,再根据当前计划所处的实际状态确定具体的调整方法。因此在引入CBR技术处理以上几类扰动的过程中,对通常只进行一次推理的CBR技术进行了扩展,采用两级案例的推理技术。

通过第1级案例推理得到扰动处理的调度策略,在调整策略的基础上进行第2级案例推理得到具体的调度方法,并生成调整后新的计划时刻表,产生具体调整指令,通过过程控制计算机对生产现场进行控制。这样就成功地将两级CBR技术引入到炼钢连铸生产中的动态调度系统中,使其更符合炼钢连铸生产的实际情况,达到理论与实际结合的目的。

基于两级CBR技术的动态调度系统框架如图1所示。

3.2 两级案例的表示

在常用的知识表示方法中,框架系统表示法是语义网络一般化的结构,体现了面向对象的思想,主要用于描述事物的内部结构及事物间的类属关系,易于构成框架树,做出针对问题的灵活框架组合及框架指向[4]。在炼钢连铸动态调度系统中,采用框架表示法作为动态调度系统中案例表示的方法。

在建立案例库时对炼钢连铸动态调度案例的描述包括:问题的描述、问题环境的描述、问题对象的描述和问题求解方法的描述等。第1级案例库根据生产扰动种类,分为时间、温度和浇铸异常三类策略案例库。第2级案例库在第1级案例库分类的基础上,细分为不改钢不改向、不改钢改向、改钢改向、升温、轻装入、重装入、回炉等几类。以第1级时间类案例库为例说明案例框架的表示和存储方法,见图2。

3.3 两级案例的检索

CBR系统的效率很大程度上决定于快速准确地从案例库中检索出合适案例的能力。在检索的匹配算法方面,通常有最近相邻法、归纳推理法和知识引导法等[5]。根据炼钢连铸动态调度系统的特点及实际情况,主要使用最近相邻法来进行案例检索。

最近相邻算法是通过累加目标事例与案例库中案例的每个域的相似度来确定总的相似度,然后把超过相似度阈值的案例返还给用户。设炼钢连铸动态调度案例的特征对象集合C={a1,a2,…,an},各对象的属性集合ai={fi1,fi2,…,fim},对每一个属性指定一个权重wi(wi∈[0,1])来衡量这个特征的重要性,则案例的相似度定义为:

undefined

其中,Simundefined

式中,wi为第i个特征对象的权重系数;Sim(aAIMi,aRi)为特征对象属性的相似度,aAIMi和aRi分别为目标事例与案例库案例中的第i个特征对象;fAIMij,fRij分别为对象属性的目标值和推理值。

在两级案例检索过程中,首先根据相似度的大小从第1级案例库中检索得到动态调度策略,再通过规则推理和人机对话再次提炼、抽取目标事例的特征,并从与动态调度策略相对应的第2级案例库中检索得到动态调度方法。

3.4 案例修正

通过两级案例检索有时获得的案例属性与目标事例属性并不完全一致,则需要对案例进一步调整和修正。根据实际情况,通过人机交互方式对检索得到的案例特征对象属性的字段值进行修正,通常是修正案例中相关规则的字段,必要时增加、删除或修改案例库中的字段,调整和修正后的案例作为新案例存入案例库中。当通过案例推理求解一个问题失败时,需进一步将该问题进行具体描述,并通过人机交互方式根据以往积累的经验给出此案例的规则和方法,同样作为新案例存入案例库中,使得案例推理系统随着时间的推移变得越来越完善。两级案例库最初的容量为近百条基础案例,由于在系统设计阶段,对各级案例的分析比较完整,因此在并行运行的状态下两级案例库容量的增加被控制在较小规模内。

3.5 方案评价

经过两级案例推理得到的计划方案在下发执行之前,可以通过系统中的方案评价模块进行评价。方案评价模块是以工位等待时间、工位等待队列数、设备负荷率等为主要评价因素,采用模糊综合评价和加权平均复合模型建立起来的多级方案评价体系[6]。通过方案评价可以在经两级案例推理得到的相似度接近的多个计划方案,以及在案例推理得到并经人工调整的计划方案中,选取评判结果较好的方案下发执行。图3是对两级案例推理所得计划方案进行综合评价的示例。

3.6 案例维护

动态调度系统案例维护包括第1级案例策略表维护、第2级案例方法表维护和两级案例的权重维护。通过案例维护界面调度可实现根据案例采用率、案例一致性、案例评价值、案例调整成功率等因素对两级案例进行增加、删除、修改等操作,使案例库始终适合炼钢连铸生产的需要,如图4所示。针对较长时间采用率极低的案例、状态相近而得出的调整结论相差甚大的案例,调度人员可以根据现场实际情况进行案例维护。利用前文所述方案评价模块对案例库中案例的评价结果也能帮助调度人员保持案例的典型性。同时,如果案例调整的成功率降低,说明案例库中缺乏该类问题的典型案例,调度人员可及时补充。两级案例的权重维护是为了训练一批适合炼钢连铸生产的权重值,它包括第1级案例策略表权重维护和第2级案例方法权重维护,与两级案例的维护结合起来以保证数据的合理性。

4 炼钢连铸动态调度系统仿真实例

本系统采用Delphi和VC++语言编写,以SQL Server2000为后台数据库,采用Client/Server的方式运行。数据库放在中心数据库服务器上,操作系统为Windows NT;程序运行在本地计算机上,本地采用一般的台式计算机,操作系统为Windows XP。炼钢连铸动态调度系统以保证连铸连浇、无设备冲突、计划时间合理为原则,实现了动态调度的时间调整、温度调整、浇铸异常调整、改钢调整、设备故障调整、重调度和系统报警等功能。以系统对时间类扰动进行动态调整为例,图5所示钢号为92的计划出现了实际执行时间扰动,通过CBR推理得到“不改钢不改向顺延”的调整策略,在确认吹炼时间顺延10 min的调整方法后,钢号为92的计划的时间扰动得到了调整。温度扰动的调整和时间调整类似,其它种类扰动的调整情况,限于篇幅这里不再举例。系统从接收到生产扰动信息触发开始CBR推理到产生可供选择下发的调整方案的响应时间一般在3 s以内。当不满意系统获得的解时,还可以通过多个集成了启发式规则和数学算法的人机交互调整方法界面来引导调度人员进行人工调整[7]。

5 结论

本文所述的炼钢连铸动态调度系统通过引入两级CBR技术,实现了针对炼钢连铸生产中时间、温度和浇铸异常等扰动的生产计划动态调度。系统使动态调度的经验知识化、系统化和结构化,实现知识的重用;又解决了生产扰动的实时传送、实时调整,推理速度较快、界面友好,为调度人员提供动态调度方案,提高了生产效率,保证了稳定顺行。进一步的改进和完善将集中在模型技术与两级CBR技术相结合方面的研究。

参考文献

[1]常春光,胡琨元,汪定伟,等.钢铁生产动态调度理论研究与工程应用综述[J].信息与控制,2003,23(6):531-537.CHANG Chun-guang,HU Kun-yuan,WANG Ding-wei,etal.Steel production dynamic scheduling theory and its en-gineering application:a review[J].Information and Con-trol,2003,23(6):531-537.

[2]陈文明,苏冬平,周仁义,等.宝钢炼钢连铸调度计划系统[C]∥冶金企业MES和ERP技术实践论文集.北京:冶金工业出版社,2005:27-32.

[3]Kolodner J L.Improving human decision making the roughcase-based reasoning techniques[J].AI Magazine,1991,12(3):52-59.

[4]廉师友.人工智能技术导论[M].西安:西安电子科技大学出版社,2002.

[5]Grupe F H,Ramarapu NK,Owrang M,et al.The applica-tion of case-based reasoning to the software developmentprocess[J].Information and Software Technology,1998,40(9):493-499.

[6]陈文明,苏冬平,俞胜平,等.炼钢连铸调度计划模糊评价方法的研究[J].冶金自动化,2006,30(1):6-11.CHEN Wen-ming,SU Dong-ping,YU Sheng-ping,et al.Study on fuzzy evaluation method for steelmaking continu-ous casting schedule[J].Metallurgical Industry Automa-tion,2006,30(1):6-11.

动态炼钢 篇6

EA模拟免疫系统中巨噬细胞的功能, 负责提呈抗原和消除抗原等工作, EA分为NEA和CEA, NEA和CEA提呈抗原和消除抗原的工作有所不同。

车间中的每台非连铸机设备具有一个NEA, NEA识别所有CA向其释放的抗原, 并将识别结果EFTi，j，k提呈给相应CA的T细胞, 令

式中, ESTk为设备k在动态事件发生时的最早开工时间, 即动态事件发生时, 设备k正在进行操作的完工时间, 如果没有正在进行的操作, ESTk即是动态事件发生时刻, ESTk在计算过程中不断更新。NEA接收各CA向其发送的B细胞活化值, 选取B细胞活化值最大的抗原进行消除, 并释放其他抗原。

车间中的每台连铸机具有一个CEA, 对于连铸机上的超时操作, 并不采用非连铸机上的调整方法, 而只是借助调整连铸机拉速来消除操作超时带来的影响, 因此CEA通过调整连铸机拉速消除抗原超时。若已达到拉速极限, 在原计划时间内超时炉次仍不能完成浇铸, 则释放该台连铸机加工列表中下一炉次的未加工操作作为初始抗原。

3 . 3IMADSS的协商机制

前面描述了各Agent内部的运算过程, 在IMADSS中, 各Agent成员相互协同, 遵守协商机制, 共同完成调度任务, 具体的协商机制分为以下8 个步骤。

第1 步, 产生初始抗原。动态事件发生时, Oi，j ( 非Oi，Ni) 在设备k上将延时 Δti，j，k。NEAk计算OFTi，j，k+ Δti，j，k, 得出Oi，j，k的考虑干扰后的OFTi，j，k, 并向CAi发送该数据, 同时利用更新后的OFTi，j，k检测是否会影响设备操作列表中的下步操作, 如无影响, 继续按原计划执行; 如有影响, 将受影响的下步操作作为抗原释放 ( 该操作对应的EA将其从原计划设备操作列表中删除, 该操作对应的CA将其放入未安排操作列表中, 等待对其进行重新安排) , 同时向该操作对应的CA发送释放抗原信息。CAi接收考虑干扰后的OFTi，j，k, 利用此数据检测是否会影响Oi，j + 1 ( 非Oi，Ni) , 如无影响, 继续按原计划执行; 如有影响, 将受影响的Oi，j + 1作为抗原释放, 同时向原计划中执行Oi，j + 1的EA发送释放抗原信息。若Oi，j + 1为Oi，Ni, 则继续向下执行。若Oi，Ni发生超时, 则转至第8 步。

第2 步, 确定抗原群。原计划中, 加工初始抗原的NEA向同类设备发送初始抗原的完工时间。对应NEA接收信息后, 检测自身操作列表在当前时刻至初始抗原完工这段时间内, 是否存在未开工操作, 如不存在, 则继续按原计划执行;若存在, 则将此操作作为抗原释放, 并向该操作对应的CA发送释放抗原信息, 同时向同类设备发送该操作的完工时间。重复第2 步, 直至没有新抗原产生, 抗原群组建完成。

第3 步, CAi接收到抗原信息后, 将抗原按照操作顺序存储到抗原列表中, 并发送抗原列表中首个抗原信息 ( pi，j，k) 分别交由可以加工该抗原的各个设备 ( NEAk) 接收。然后, CAi利用CSTi，j和pi，j，k计算CFTi，j，k, 并将结果保存到炉次最早完工时间列表中。

第4 步, NEAk接收CAi向其发送的抗原信息 ( pi，j，k) , 利用ESTk和pi，j，k计算EFTi，j，k, 同时将结果发送给CAi。

第5 步, CAi接收EAk向其发送的EFTi，j，k, 与炉次最早完工时间列表中的CFTi，j，k进行比较, 计算OFTi，j，k, 并将OFTi，j，k保存到操作最早完工时间列表中。然后依据SFTi，j，k计算 ΔTi，j，k, Th2i，j，k和Ci，j。接着计算Bi，j，k, 将结果保存到B细胞列表中, 选取列表中Bi，j，k最大的B细胞活化, 并向对应的NEAk发送Bi，j，k和OFTi，j，k。若出现多个相同最大的Bi，j，k, 则结合其他目标 ( 如炉次在设备上的冗余等待时间总和最小等) 进行选择。

第6 步, NEAk接收CAi向其发送的Bi，j，k和OFTi，j，k, 将结果保存到待加工列表中, 选取列表中Bi，j，k最大的操作保存到加工列表中等待加工, 利用OFTi，j，k更新ESTk, 并将选中的OFTi，j，k发送回对应的CAi, 同时向未被选中的CAi发送未选中信息。若出现多个相同最大的Bi，j，k, 则结合其他目标进行选择。

第7 步, CAi接收NEAk向其发送的信息。若信息为未选中信息, 则返回第3 步; 若信息为OFTi，j，k, 则利用该值更新CSTi，j, 并删除抗原列表中的首个抗原, 返回第3 步, 直至抗原列表为空。CAi检测OFTi，Ni－1，k是否存在超时, 若超时, 则将超时信息 ( Δti，Ni－ 1，k) 发送给原计划中加工Oi，Ni的CEA; 若不超时, 则结束工作。

第8 步, CEA自身加工的Oi，Ni发生超时或接收到超时信息后, CEA通过调整连铸机拉速消除超时, 若已达到拉速极限, 在原计划时间内超时炉次仍不能完成浇铸, 则释放该CEA加工列表中下一炉次的未加工操作作为初始抗原, 然后转至第2 步。

4仿真实验

为验证IMADSS体系结构和协商机制的有效性, 笔者利用Jade开发平台建立了炼钢连铸动态调度仿真系统, 采用文献[6]中的实例问题进行了仿真。实例中, 某大型钢厂拥有50t转炉3座 ( LD. 01 ~ LD. 03 ) ; 精炼设备6 台, 3 台RH ( RH. 01 ~ RH. 03) 、2 台LF ( LF. 01, LF. 02) 、1 台IRUT ( IRUT. 01 ) ; 连铸机3 台 ( CC. 01 ~CC. 03 ) 。炉次在不同设备之间的运输时间 ( 单位为min) 如图3 所示, 图中A ~ L分别代表设备LD. 01 , LD. 02 , LD. 03 , RH. 01 , RH. 02 , RH. 03 , LF. 01 , LF. 02 , IRUT. 01 , CC. 01 , CC. 02 和CC. 03 。仿真实验所用的原调度计划如图4 所示。图中的小格代表某一炉次操作, 格中数字为炉次序号。

针对炼钢连铸过程中发生频率较大的时间类事件 ( 加工超时、设备短时故障等) , 假定超时分别发生在炼钢和精炼过程中, 展开了2 组仿真实验。

第1 组实验: 在230 min时假设由设备RH. 01加工的操作O03，2将超时10 min完成。经相关Agent计算 ( 协商机制中的第1 步) , 得到初始抗原为O11，2和O03，3; 抗原群包括O11，2, O03，3, O04，2和O18，2 ( 协商机制的第2 步) 。通过各相关Agent协商计算, 最终得到的动态调度结果如图5所示。

比较图4 和图5 可以看出, O03，3将超时2 min执行, CEA1控制连铸机CC. 01 调整拉速消除超时; O11，2移到RH. 02 执行, O04，2移到RH. 01 执行, O18，2仍在RH. 03 执行, 开工和加工时间与原调度一致。通过动态调整, 完全消除了O03，2短时超时带来的影响。

第2 组实验: 按照实验1 动态调度的结果继续生产, 在315 min时假设由设备LD. 01 加工的操作O19，1将超时15 min完成。经相关Agent计算, 得到初始抗原为O13，1和O19，2; 抗原群包括O13，1, O19，2, O14，1, O06，2, O12，2, O13，2和O14，2。通过各相关Agent协商计算, 最终得到的动态调度结果如图6 所示。

比较图5 和图6 可以看出, O13，1移到LD. 03执行, 开工时间提前到320 min, 加工时间不变, 完工时间比原调度提前5 min; O14，1移到LD. 02执行, 完工时间比原调度超时8 min, 加工时间不变; O19，2仍在RH. 03 执行, 开工时间延迟到349min, 加工时间不变, 完工时间比原调度超时5min; O06，2和O12，2与原调度一致; O13，2移到RH. 01执行, 通过动态调整, 开工时间延迟到368 min, 加工时间不变, 完工时间比原调度超时2 min;O14，2移到RH. 02 执行, 开工时间延迟到374 min, 加工时间不变, 完工时间比原调度超时3 min;CEA2和CEA3分别控制连铸机CC. 02 和CC. 03 , 调整拉速消除超时。

如按原调度执行, O13，1将超时11 min完成, 导致O13，3将超时11 min开浇, 易产生断浇情况。通过动态调整, 充分利用原调度工序间的冗余时间以及设备间运输时间的不同, 将总延迟时间从11 min缩短至3 min, 在不改变炼钢和精炼阶段加工时间的情况下, 完全可以通过调整连铸机拉速, 消除超时带来的影响。仿真实验结果中, O19，2, O06，2和O12，2与原调度保持一致, 这说明IMADSS在保证缩短超时时间的基础上, 也实现了新旧调度方案偏差最小这个目标。

5结论

本文模拟人体免疫系统, 创建了用于求解炼钢连铸动态调度问题的多Agent调度系统。借鉴人体免疫系统的结构和免疫细胞之间的协调机制, 设计了多Agent调度系统的结构和协商机制。仿真实验表明, IMADSS可有效缩减超时时间、降低超时带来的影响, 快速有效地求解炼钢连铸动态调度问题。当前钢铁企业的多数设备都由计算机控制, 这为多Agent系统的应用打造了坚实的硬件基础, IMADSS为解决炼钢连铸动态调度问题提供了思路, 具有广泛的应用前景。

动态炼钢 篇7

一直以来,研究炼钢-连铸区段动态调度的文章居多,但对一体化生产下炼钢-连铸-热轧动态调度问题鲜有研究。文献[3]提出了基于人机协调、多种方法组合、四维一体综合集成的动态调度方案;文献[4]提出了基于案例推理、人机交互相结合的局部调整以及基于分批规则的重调度方法;文献[5]建立了基于图形化编辑平台的炼钢-连铸动态调度仿真系统;文献[6]研究了案例推理在炼钢-连铸动态调度系统中的应用;文献[7,8,9,10,11,12,13]提出了运用模型的方法,实现炼钢厂炼钢-连铸区段的动态调度。2009年,我们在以上文献基础上,研究了一体化生产下炼钢-连铸-热轧动态调度问题,提出了针对炼钢、精炼和连铸等过程中不同扰动所采取的调度方案,并运用了规则、模型、算法和人机交互相结合的方法,实现一体化生产下炼钢-连铸-热轧计划动态调整,并建立了相应的炼钢-连铸-热轧动态调度系统。

1 炼钢-连铸-热轧动态调度方法研究

所谓炼钢-连铸-热轧一体化生产,实际就是炼钢、连铸、热轧各工序统一计划、统一调度、统一制定“时刻表”,保证生产物流连续高效运作,使物流和信息流尽可能同步,有效地发挥热送热装和直轧工艺的作用,进而达到降低成本,提高产品质量,缩短产品生产周期的目的。炼钢-连铸-热轧一体化生产计划与调度如图1所示。

对于钢铁生产动态调度,其任务是根据来自设备级的反馈信息和实际系统状态数据,决定下一步执行哪个操作。一体化生产下的炼钢-连铸-热轧动态调度的关键是如何在整个过程遇到扰动时,特别是在炼钢-连铸过程的扰动发生时,根据系统监控到的实时情况修改炼钢-连铸、加热炉以及热轧原定的生产计划(即静态调度),使钢铁生产流程能够持续、优化、稳定地运行。

1.1 炼钢-连铸生产过程扰动及其分类

炼钢-连铸生产过程中的扰动包括铁水供应波动、时间偏差、钢水温度类和成分类扰动、浇铸异常、产品缺陷以及设备故障等。根据钢厂生产过程中的扰动特点可归纳为时间波动类、冶炼工艺类、产品问题类和设备故障类扰动,见图2。

(1)时间波动类。

时间波动类扰动主要包括铁水供应波动和时间偏差等,是指生产过程中,生产状态开始或结束的时刻与生产计划中的时刻相比有偏差。

(2)冶炼工艺类。

冶炼工艺类扰动主要包括钢水温度类扰动和成分类扰动,温度类扰动是指精炼和连铸过程中钢水温度不合格,不能满足最终连铸要求,对于钢水温度低的处理预案主要有LF炉加热或回炉等措施,而对于钢水温度太高的处理措施主要是加废钢和吹氩气等;成分类扰动是指精炼过后钢水成分不合格,不能满足冶炼此钢种的冶金技术标准要求,产生此类扰动的主要原因一般是某些元素(如P和S)含量偏高,一般来说,可采用钢种改判或钢水回炉方法来处理,而对于S含量高的处理预案,还可采用LF炉处理。

(3)产品问题类。

产品问题类扰动包括浇铸异常和产品缺陷,浇铸异常主要指连铸生产过程中诸如漏钢、铸坯鼓肚等现象;产品缺陷则主要指轧制后产品存在不能满足客户要求的某种缺陷。产品问题类扰动的计划调整,往往需要调整轧制计划或追加新的生产计划以满足订单要求。

(4)设备故障类。

设备故障在炼钢、精炼和连铸工序都有可能发生,对于设备故障的处理预案主要是通过在满足工艺条件的情况下进行设备替换,当无法替换时采取计划延迟策略。

1.2 炼钢-连铸-热轧动态调度策略和方法

钢铁生产工艺复杂、生产设备多、物流纵横交错。因此,生产中不仅要考虑钢水到达时间偏差、设备故障,而且还需考虑钢水成分不合格、钢水温度补偿、浇铸异常及产品缺陷等动态扰动事件。本文从生产过程中的动态扰动事件出发,通过监控、识别扰动事件从而选择相应的扰动处理策略,进而采用启发式规则、优化模型、算法和人机交互相结合的方法调整静态计划。图3示出一体化生产下炼钢-连铸-热轧动态调度策略和方法。

2 动态调度仿真系统结构和功能

2.1 仿真系统结构

炼钢-连铸-热轧动态调度系统结构如图4所示,主要包括以下5个部分。

(1)预案库。

预案库针对不同扰动给出相应处理建议,有助于操作者做出正确决策,包括转炉扰动、精炼扰动、连铸扰动、加热炉扰动、热轧扰动和其他扰动的预案。

(2)策略库。

策略库针对不同扰动进行归纳分析,提出不同处理策略,主要包括计划延迟、钢种改判、钢水回炉、LF炉处理、更改计划、追加计划、回退计划、优化计划和设备替代等策略。

(3)方法库。

方法库针对不同的扰动处理策略,提出了以启发式规则、优化模型、算法为核心的动态调度方法。其中启发式规则中包括时间缓冲规则、钢种冶炼工艺规则等;优化模型包括计划优化模型、机器冲突消解模型等;算法包括遗传算法、禁忌搜索算法、设备替换算法等。

(4)数据库。

系统采用Oracle数据库,并应用支持数据访问的Hibernate中间件,将调整后的生产计划数据及时存储于生产计划数据库中,便于顺利执行生产计划。

(5)人机交互界面。

采用面向对象的Java作为编程语言,应用支持图形渲染的JGraph中间件,充分考虑界面的可视性,并采用人机交互技术,使用户可以直接在甘特图上进行动态调度操作,极大地提高了系统界面的友好性,降低了操作难度。

2.2 仿真系统功能

(1)预案管理。

预案管理包括对一体化生产下炼钢-连铸-热轧发生的扰动及其处理预案进行学习积累、补充修改以及删除和查找等功能。

(2)炼钢-连铸动态调度。

炼钢-连铸动态调度根据扰动处理策略,及时调整炉次计划和浇次计划,保证炼钢-连铸区段生产计划顺利执行。

(3)热轧动态调度。

热轧动态调度包括热轧出现扰动时执行的动态调度,以及当炼钢-连铸计划发生改变时对热轧计划做出的及时调整,最后可以选择根据轧制计划优化模型进一步优化调整后的轧制计划,以保证热轧计划能够顺利执行。

(4)加热炉群动态调度。

加热炉群动态调度主要是当炼钢-连铸和热轧计划发生变化时,动态调整加热炉群板坯加热计划,以保证热轧生产顺利进行。

3 仿真实例

本仿真基于“国家科技支撑计划”——钢铁制造流程仿真平台。某钢厂炼钢-连铸-热轧区段生产流程配置为:3座转炉;6台精炼设备(RH设备3台,CAS设备两台,LF设备1台);3台连铸机;两条热轧线,其中每条热轧线对应3座加热炉。根据以上条件建立仿真系统的设备环境。

以追加计划为例,假设由于某种扰动,需要在炉次L30003之后插入一个新炉次L300031,选择追加炉次和模型优化策略。首先通过人机交互在炉次L30003之后插入一个新炉次L300031(炉次L300031追加后的转炉-连铸计划如图5所示),并在轧制计划中追加相应的板坯,通过智能优化算法动态优化炼钢-连铸计划,然后通过设备动态调度算法选择合适的精炼设备,最后再根据轧制优化模型和加热炉群调度模型,分别优化追加板坯后的热轧计划和加热炉群调度计划。优化后的其中一条热轧线的轧制计划和加热炉群调度如图6所示,图中,深色部分表示原有板坯计划,浅色部分表示追加的板坯计划。