魏宁 奚小玲 王浩 何春利 王博 周新亮

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。

关键词：热轧;加热炉;差分进化算法

中图分类号：TP3 文献标识码：A

文章編号：1009-3044（2020）14-0254-02

1自学习参数

实际生产中，往往有多座加热炉。自学习参数算法主要按照不同的加热炉炉号，建立不同加热炉的各主要指标的自学习参数，再采用指数平滑法对各学习参数进行平滑处理，优化自学习参数，通过不断地修正，最终使得设定模型参数更加准确，提高辊缝、轧制力和温度的设定计算精度嘲。具体自学习参数算法如下：

2差分进化算法

差分进化算法（DE）是由P.Stron和K.Price共同提出的。差分进化算法具有很好的鲁棒性和全局寻优能力，目前常用于解决优化问题。在差分进化算法中，首先在搜索空间初始化一个固定个体数目的种群，每个个体是一个目标向量，经过变异、交叉和选择三种操作后产生一个新的向量，整个种群在搜索空间中进行随机搜索，利用三个随机选择的父代向量来产生子代。……