摘要：利用粒子群算法设计了一种冷连轧轧制负荷分配的优化方法。根据某1450五机架冷连轧机生产工况,以压下量分配为自变量,以轧制力成比例分配为目标函数,将压下量分配的约束条件作为惩罚项,建立惩罚函数。通过粒子群多代运算,求出罚函数值最小点,得到压下负荷最佳分配点。实验证明,粒子群算法在轧制负荷分配计算中,具有算法实现简便、运算速度快、收敛性好等优点,可以作为一种冷连轧轧制负荷分配的新方法加以推广。

摘要：提出一种基于适应度方差的权重梯度方向变异的改进粒子群优化算法(IPSO),通过判断适应度方差,按照权重梯度方向进行变异操作,解决了PSO算法的早熟收敛和易于陷入局部极值的问题.应用IPSO算法对精轧机组负荷分配进行优化,根据负荷分配优化策略,给出综合板形板厚的最小方差目标函数,在实现各机架负荷分配优化的同时,提高板形质量.仿真结果表明,该算法计算精度高,收敛速度快,为精轧机组轧制规程的智能优化设计提供了一种新的有效方法.

摘要：针对冷连轧轧制力模型精度低的问题,利用BP神经网络预测变形抗力和摩擦因数,并与现有的轧制力解析模型相结合,用来提高轧制力的设定精度,再以各机架轧制力等比例均衡分配为优化目标,采用改进的自适应遗传算法,设计了一种冷连轧负荷分配优化方法。通过对某五机架冷连轧机的负荷分配进行比较,结果表明自适应遗传算法具有比标准的遗传算法收敛性能更好、精度更高等优点,可以作为冷连轧负荷分配优化的新方法加以推广。