查看更多>>摘要:以某钢厂10号板坯连铸机生产Q355B钢的过程为研究背景,系统地比较了粒子群优化(particle swarm optimization,PSO)、遗传算法(genetic algorithm,GA)、模拟退火(simulated annealing,SA)、教学学习优化(teach-ing-learning-based optimization,TLBO)和粒子群-遗传算法(particle swarm optimization-genetic algorithm,PSO-GA)等多种自启发式算法在连铸二次冷却配水制度优化中的应用效果.在研究中结合冶金准则制定了多个优化目标对连铸过程进行优化,使用传热数值模型模拟铸坯的凝固和冷却过程.并对不同算法的计算效率、稳定性和优化效果进行了对比发现,PSO算法虽然求解效率高且收敛速度快,但表现出较大的波动,稳定性不高;GA算法则显示出更高的稳定性,但收敛速度较慢;SA算法参数调整简单,计算速度最快,稳定性较好,但收敛速度慢,精确率低;TLBO算法由于其复杂的算法结构,计算时间最长,但稳定性高,收敛速度快,精确率高;PSO-GA混合算法求解效率高且稳定,保持快速收敛的同时,大幅度提高了全局搜索能力,优化的稳定性和准确性均得到了显著提升.在优化效果方面,所有算法均成功改善了铸坯的冷却均匀性和温度分布.这些结果不仅验证了自启发式算法在连铸技术优化中的应用潜力,也为连铸二次冷却工艺的进一步数字化研究和算法实际应用提供了理论参考.