Resumen

Basándose en el proceso de laminación en caliente, se establece un modelo de optimización de la distribución de la carga, que incluye un modelo de fuerza de laminación, un modelo de distribución del espesor y un modelo de temperatura. La distribución de la relación de la fuerza de laminación y la buena forma de la banda se integran como dos indicadores de la función objetivo en el modelo de optimización. A continuación, se introduce el algoritmo evolutivo para la optimización de procesos complejos (EACOP) en el siguiente algoritmo de optimización. Debido a su estructura de marco flexible en el mecanismo de búsqueda, el EACOP se mejora dentro de la estrategia evolutiva diferencial, para una mejor velocidad de cobertura y eficiencia de búsqueda. Por último, el resultado experimental y de simulación muestra que el algoritmo evolutivo para la optimización de procesos complejos basado en la estrategia evolutiva diferencial (DEACOP) es el organismo que incluye la búsqueda local y la búsqueda global. La comparación con la distribución de experiencia y EACOP muestra que DEACOP es capaz de utilizar menos parámetros ajustables y una estrategia diferencial de población más eficiente durante la búsqueda de la solución; mientras tanto, todavía puede obtener una solución matemática factible para los problemas reales de distribución de carga en el proceso de laminación en caliente.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:estrategia evolutiva diferencial, proceso de laminación en caliente, eacop, algoritmo evolutivo, optimización de procesos, problemas reales de distribución de cargas, modelo de optimización de distribución de cargas, mejor velocidad de cobertura, solución matemática factible, menos parámetros ajustables
• Keywords:differential evolutionary strategy, hot rolling process, eacop, evolutionary algorithm, process optimization, actual load distribution problems, load distribution optimization model, better coverage speed, feasible mathematical solution, fewer adjustable parameters