冷轧生产过程操作优化,即根据生产工艺的要求,科学合理地设定冷轧机组生产过程操作参数,并在保障冷轧带钢质量的情况下,尽可能使能源消耗最小,从而使冷轧生产过程更加经济和有效。本文研究了从冷轧生产实际中提炼的一系列生产过程操作优化问题,包括稳态操作优化问题、鲁棒操作优化问题以及实时在线操作优化问题的建模与优化求解方法。对于常规生产工况下的冷轧生产过程稳态操作优化问题,当机理可获得时,建立了基于机理的数学规划模型,提出了改进粒子群算法；当机理难建模或模型参数难以确定时,研究了基于子空间的数据建模方法,开发了负梯度方向搜索的多种群粒子群算法；对于冷轧生产中的轧件厚度等参数难以准确测量或者参数存在扰动的问题,建立了鲁棒操作优化模型,开发了鲁棒粒子群算法；对于冷轧生产中实时在线操作优化问题,研究了动态条件下的实时操作优化建模方法,开发了与差分混合的粒子群算法进行求解。研究内容概述如下：1)针对机理可获得情况下的冷轧生产过程稳态操作优化问题,基于带钢轧制原理,利用能量、质量、动量平衡关系等物理规律,进行机理建模。在保证板形质量的前提下,以能耗指标为目标,考虑了轧制力平衡及轧制功率平衡约束条件,建立了基于机理的冷轧生产过程稳态操作优化模型。针对该模型的特点,提出了适合该模型的改进粒子群算法。应用从冷轧生产现场收集的实际数据进行模型和算法的性能测试,计算结果表明了模型和算法的有效性。2)针对冷轧生产过程中难以建立准确的机理数学模型的复杂情况或者机理未知的情况,研究了基于数据驱动的冷轧生产过程操作优化建模和优化方法。利用冷轧生产历史数据,采用基于数据子空间的建模方法,以质量指标和能耗指标为目标,考虑轧制力、轧制功率等约束条件,建立了基于数据驱动的操作优化模型。提出了负梯度方向搜索的多种群粒子群算法。通过与实际生产中基于经验规则的操作设定方法相比,验证了算法的有效性。3)针对冷轧实际生产过程中普遍存在的反馈数据测量结果不准确或者存在扰动等复杂情况,研究了冷轧生产过程的鲁棒操作优化问题,构建了冷轧生产过程的轧制力鲁棒优化模型。当带钢来料凸度,带钢来料厚度以及轧辊的横向刚度等参数发生扰动时,该模型也能够合理、科学、优化地设定轧制力参数值,使得轧制过程的能源消耗最低,同时保证带钢的板形良好。基于粒子群算法的优势,提出鲁棒粒子群优化算法对该模型进行求解。通过对比实验,验证了模型和算法的有效性。4)针对实时的连续的冷轧轧制生产过程,研究了冷轧生产过程的实时在线操作优化问题。将稳态优化模型与模型预测控制相结合,建立以能耗、性能指标为目标的稳态操作优化模型。提出针对问题改进的粒子群算法,实时在线求解出各种过程控制参数的最佳设置值,为预测控制提供期望曲线。并建立以期望曲线与未来控制输出偏差最小为目标,将实际生产约束条件作为约束函数的带滚动优化特性的预测控制模型。针对该问题,提出了一种与差分混合的粒子群算法,对带约束的预测控制模型进行快速求解,以满足实时控制的质量和速度要求。5)利用上述的冷轧操作优化模型及优化方法,针对冷轧实际生产需求,研制了冷轧生产过程操作优化软件平台,功能包括生产过程监控界面、生产参数设定界面、操作优化界面、模型管理界面、优化算法界面、数据管理界面等。它提供了友好的系统操作界面,为冷轧生产过程轧制力、出口厚度、压下量等操作参数设定提供科学依据。