8-2-人工智能技术在轧制中的应用20.docx

《8-2-人工智能技术在轧制中的应用20.docx》由会员分享，可在线阅读，更多相关《8-2-人工智能技术在轧制中的应用20.docx（20页珍藏版）》请在三一办公上搜索。

1、人工智能在轧制中的应用1. 人工智能概述人工智能（Artificial Intelligence，简记为AI）是当前科学技术发展中的一门前沿学科，同时也是一门新思想、新观念、新理论、新技术不断出现的新兴学科以及正在迅速发展的学科。它是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科相互渗透的基础上发展起来的，因此又可以把它看作是一门综合性的边缘学科。它主要研究如何用机器（计算机）来模仿和实现人类的智能行为。它的出现及所取得的成就引起了人们的高度重视，并得到了很高的评价。有人把人工智能同空间技术、原子能技术一起誉为20世纪的三大科学技术成就；有的人把它称为继三次工业革命后的又一次

2、革命，并称前三次工业革命主要是延长了人手的功能，把人类从繁重的体力劳动中解放出来，而人工智能则是延伸人脑的功能，实现脑力劳动的自动化1-2。随着信息社会和知识经济时代的来临，信息正在以前所未有的速度膨胀，信息和知识已成为人们的一个热门话题。然而，在这个话题的背后还蕴含着另外一个更深层的问题智能。一般说来，信息是由数据所表达的客观事实，知识是信息经过智能性加工后的产物，智能是用来对信息和知识进行加工的加工器。在信息社会，人类面对的信息量将非常庞大，仅依靠人脑表现出来的自然智能是远远不够的，如何用人造的智能去模仿和扩展人类的自然智能，实现信息的智能化处理，是信息社会所面临的一个重大课题。必须开发那

3、种由机器实现的人工智能，就像在工业社会人类需要用机器去放大和延伸自己的体能一样，在信息社会人类又需要用机器去放大和延伸自己的智能，实现脑力劳动的自动化。人工智能的前景是非常诱人的，同时也是任重而道远的2。1.1人工智能的定义人工智能作为一门研究机器智能的学科，其目的是要用人工的方法和技术，研制智能机器或智能系统，来模仿、延伸和扩展人的智能。因此，它是人类迈向信息社会、迎接知识经济挑战所必须具备的一项核心技术3。首先应指出，人工智能和其它许多新兴学科一样，至今尚无一个统一的定义，所谓人工智能的定义，是人工智能学者根据对它的已有认识所作的一些不同解释。它是一个含义很广的词语，在其发展工程中，具有不

4、同学科背景的人工智能学者对它有着不同的理解，提出了一些不同的观点。综合各种不同的人工智能观点，可以从“能力”和“学科”两个方面对人工智能进行定义。从能力的角度来看，人工智能是相对于人的自然智能而言的，所谓人工智能是指用人工的方法在机器（计算机）上实现的智能；从学科的角度来看，人工智能是作为一个学科名称来使用的，所谓人工智能是一门研究如何构造智能机器和智能系统，使它能模拟、延伸和扩展人类智能的学科。因此，可以将人工智能定义为：人工智能是一门研究如何构造智能机器（智能计算机）或智能系统，使它能模拟、延伸、扩展人类智能的学科。通俗地说，人工智能就是要研究如何使机器具有能听、会说、能看、会写、能思维、

5、会学习、能适应环境变化、能解决各种面临的实际问题等功能的一门学科。总之，它是要使机器能做需要人类智能才能完成的工作，甚至比人更高明3-4。1.2人工智能的研究目标1-5关于人工智能的研究目标，目前还没有一个统一的说法，1978年，索罗门（A.Sloman）对人工智能给出了以下三个主要目标：对智能行为有效解释的理论分析；解释人类智能；构造智能的人工制品。要实现索罗门的这些目标，需要同时开展对智能机理和智能构造技术的研究。揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类智能应该是人工智能研究的根本目标，或者叫远期目标。人工智能的远期目标涉及到脑科学、认知科学、计算机科学、系统科学、控制论及

6、微电子等多种学科，并有赖于这些学科的共同发展。但从目前这些学科的现状来看，实现人工智能的远期目标还需要一个较长的时期。在这种情况下，人工智能研究的近期目标是研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为，如推理、思考、分析、决策、预测、理解、规划、设计和学习等。为了实现这一目标，人们需要根据现有计算机的特点，研究实现智能的有关理论、方法和技术，建立相应的智能系统。实际上，人工智能的远期目标与近期目标是相互依存的。远期目标为近期目标指明了方向，而近期目标则为远期目标奠定了理论和技术基础。同时，近期目标和远期目标之间并无严格界限，近期目标会随人工智能的发展而变化

7、，并最终达到远期目标。1.3人工智能的产生与发展2-5人工智能这个术语自1956年正式提出，并作为一个新兴学科的名称被使用以来，已经有四十多年的历史了。回顾其产生与发展过程，可大致分为孕育、形成、知识应用、综合集成这四个阶段。 孕育期（1956年之前）：在人工智能诞生之前世界上的一些著名科学家就已经创立了数理逻辑、自动机理论、控制论和信息论，并发明了通用电子数字计算机，这些成就已经为人工智能的产生准备了必要的思想、理论和物质技术条件。形成期（1956-1970年）：1956年夏季，包括数学家、计算机专家麦卡锡教授在内的10位来自美国数学、神经学、心理学、信息科学和计算机科学方面的杰出年轻科学家

8、，在一起共同探讨了用机器模拟人类智能的有关问题，并由麦卡锡提议正式采用了“人工智能AI（Artificial Intelligence）”这一术语。从而，一个以研究如何用机器来模拟人类智能的新兴学科人工智能诞生了。在此之后，在美国很快就形成了三个以人工智能为研究目标的研究小组。一个是纽厄尔和西蒙的卡内基兰德小组（也称心理学小组），1957年这个小组研制了一个称为逻辑理论机（Logic Theory Machine, 简称LT）的数学定理逻辑证明程序。该程序模拟了人类用数理逻辑证明定理时的思维规律，开创了用计算机研究人类思维活动规律的工作。另一个小组为IBM工程课题研究小组，1956年塞缪尔在I

9、BM 704计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序，该程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺，这是用机器模拟人类学习过程的一次成功探索，其主要贡献在于发现了启发式搜索是表现智能行为的最基本机制。第三个为MIT小组，1958年麦卡锡建立了行动规划咨询系统；1960年研制了人工智能语言LISP，该语言不仅可以处理数值，而且可以方便地处理符号，作为建造智能系统的重要语言工具在人工智能领域得到了广泛应用；1961年，明斯基发表了“走向人工智能的步骤”论文，推动了人工智能的发展。在其它方面，人工智能也有了跳跃性的进展，这一切都推动了人工智能的应用。知识应用期（

10、1971-80年代末）：进入20世纪70年代后，人工智能的研究已不仅仅局限于少数几个国家，许多国家都相继开展了这方面的研究工作，研究成果大量涌现。例如1972年法国马赛大学的科麦瑞尔（A.Comerauer）提出并实现了逻辑程序语言PROLOG；斯坦福大学的肖特里菲（E.H.Shortliffe）等人从1972年开始研制用于诊断和治疗感染性疾病的专家系统MYCIN等。但困难和问题也接踵而来，人工智能面临着巨大的压力和挑战。在机器学习、定理证明、问题求解、机器翻译等方面都出现了大量的问题，甚至在人工智能的本质、理论、思想及机理方面，也受到了来自哲学、心理学、神经生理学等社会各界的责难、怀疑和批评

11、。在这种极其困难的环境下，仍有一大批人工智能学者不畏艰辛、潜心研究。经过认真的反思、总结，费根鲍姆关于以知识为中心开展人工智能研究的观点被大多数人接受。从此，人工智能的研究又迎来了蓬勃发展的新时期，即以知识为中心的时期，为人工智能的发展开辟了新的出路。自人工智能从对一般思维规律的探讨转向以知识为中心的研究以来，专家系统的研究在多个领域中都取得了重大突破，各种不同功能、不同类型的专家系统如雨后春笋般的建立起来，化学专家系统、地质勘探专家系统、数学专家系统、医疗专家系统等都有了快速发展，产生了巨大的经济效益与社会效益。此外，在知识表示、不精确推理、人工智能语言等方面也有了重大进展。但随着专家系统应

12、用的不断深入和计算机技术的飞速发展，专家系统本身所存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一等问题被逐渐暴露出来，人工智能又面临着一次考验。 综合集成期（20世纪80年代末至今）在专家系统方面，从20世纪80年代末开始逐步走向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合的方式，并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等。目前，人工智能技术正在向大型分布式人工智能、大型分布式多专家系统、广义知识表达、综合知识库、并行推理、多种专家系统开发工具、大型分布

13、式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。尽管如此，从目前来看，人工智能仍处于学科发展的早期阶段，其理论、方法和技术都不太成熟，人们对它的认识也比较肤浅，都还有待于人工智能工作者的长期探索。1.4人工智能研究的基本内容在人工智能的研究中有许多学派，不同学派的研究内容与研究方法都不相同。另外，人工智能又有多种研究领域，各个研究领域的研究重点亦不相同。再者，在人工智能的不同发展阶段，研究的侧重面也有区别，本来是研究的重点内容一旦理论和技术上的问题都得到了解决，就不再成为研究内容。因此我们只能在较大的范围内讨论人工智能的基本研究内容。结合人工智能的远期目标，认为人工智能的基本研究

14、内容应包括机器感知、机器思维、机器学习、机器行为、智能系统及智能计算机的构造技术等方面3。1.5人工智能的研究途径1-5自人工智能作为一门学科面世以来，关于它的研究途径主要有两种不同的观点。一种观点主张用生物学的方法进行研究，搞清楚人类智能的本质；另一种观点主张通过运用计算机科学的方法进行研究，实现人类智能在计算机上的模拟。前一种方法称为以网络连接为主的连接机制方法，后一种方法为以符号处理为核心的方法。（1）以符号处理为核心的方法以符号处理为核心的方法又称为自上而下方法或符号主义，这种方法起源于20世纪50年代中期。坚持这种方法的人认为，人工智能的研究目标是实现机器智能，而计算机自身具有符号处

15、理的推算能力，这种能力本身就蕴含着演绎推理的内涵，因而可通过运行相应的程序系统来体现出某种基于逻辑思维的智能行为，达到模拟人类智能活动的效果。由于该方法的核心是符号处理，因此人们把它称为以符号处理为核心的方法或符号主义。该方法的特征是：立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂问题。知识可用显式的符号表示，在已知基本规则的情况下，无需大量的细节知识。便于模块化，当个别事实发生变化时易于修改。能与传统的符号数据库进行连接。可对推理结论作出合理解释，便于对各种可能性进行选择。但是，人们并非仅仅依靠逻辑来求解问题，有时非逻辑推理在求解问题的过程中起着更重要的作用

16、，甚至是决定性的作用。人的感知过程主要是形象思维，这是逻辑推理做不到的，因而无法用符号方法进行模拟。另外，用符号表示概念时，其有效性在很大程度上取决于符号表示的正确性，当把有关信息转换成推理机构能进行处理的符号时，将会丢失一些重要信息，它对带有噪声的信息以及不完整的信息也难以进行处理。这就表明单凭符号方法来解决人工智能中的所有问题是不可能的。（2）以网络连接为主的连接机制方法以网络连接为主的连接机制方法是近些年比较热门的一种方法，它属于非符号处理范畴，是在人脑神经元及其相互连接而成网络的启示下，试图通过许多人工神经元间的并行协同作用来实现对人类智能的模拟。这种方法又称自下而上方法或连接主义。坚

17、持这种方法的人认为，大脑是人类一切智能活动的基础，因而从大脑神经元及其连接机制着手进行研究，搞清楚大脑的结构以及它进行信息处理的过程与机理，揭示人类智能在机器上的模拟。该方法的主要特征是：通过神经元之间的并行协同作用实现信息处理，处理过程具有并行性、动态性、全局性。通过神经元间分布式的物理联系存储知识及信息，因而可以实现联想功能，对于带有噪声、缺损、变形的信息能进行有效的处理，取得比较满意的结果。通过神经元间连接强度的动态调整来实现对人类学习、分类等的模拟。适合于模拟人类的形象思维过程。求解问题时，可以比较快地求得一个近似解。但是，这种方法不适合模拟人们的逻辑思维过程，而且就目前神经网络的研究

18、现状来看，由固定的体系结构与组成方案所构成的系统还达不到开发多种多样知识的要求，因此单靠连接机制方法来解决人工智能中的全部问题也是不现实的。（3）系统集成由上面的讨论可以看出，符号方法与连接机制方法各有长短。符号方法善于模拟人的逻辑思维过程，求解问题时，如果问题有解，它可以准确地求出最优解，但是求解过程中的运算量将随问题复杂性的增加而呈指数性的增长；另外符号方法要求知识与信息都用符号表示，这一形式化的过程需由人来完成，它自身不具有这一能力。连接机制方法善于模拟人的形象思维过程求解问题，由于它可以并行处理，因而可以比较快地得到解，但解一般是近似的、次优的；另外连接机制方法求解问题过程是隐式的，难

19、以对求解过程给出显式的解释。在这一情况下，如果能将两者结合起来，就可达到取长补短的目的。再者，就人类的思维过程来看，逻辑思维与形象思维只是人类智能中思维方式的两个方面。一般来说，人在求解问题时都是两种思维方式并用的，通过形象思维得到一个直觉的解或给出一种假设，然后用逻辑思维进行仔细的论证或搜索，最终得到一个最优解。因此，从模拟人类智能的角度来看，也应该将两者结合起来。就目前的研究而言，把两种方法结合起来的途径主要有两种：一种是结合，即两者分别保持原来的结构，但密切合作，任何一方都可把自己不能解决的问题转化给另一方；另一种是统一，即把两者自然地统一在一个体系中，既有逻辑思维的功能，又有形象思维的

20、功能。2.人工智能在轧制中的应用在过去的几十年中，钢铁工业一直面临着扩大生产能力、提高生产率、降低成本和开发价值更高的新产品的挑战。进入90年代后，用户对钢铁产品的质量和品种规格的要求越来越严格。控制和系统技术是解决这些问题的重要手段之一。钢铁工业从60年代开始将计算机应用在信息采集和集中处理方面。到了7080年代，计算机被用于高炉、转炉、连铸机、加热炉、轧钢等的过程控制。为了提高控制的水平和实现完全的自动化，90年代又开始引入以专家系统、神经网络等为代表的人工智能技术（AI）。日本的钢铁工业早在1988年就已经开发出75种AI应用系统。英国、奥地利、芬兰、瑞典、澳大利亚、韩国、美国、加拿大等

21、几乎所有主要产钢国都已经采用或者正在研制各种AI系统。近年来随着社会发展与科学技术的进步，用户对钢铁产品质量、品种、性能的要求越来越高，钢材质量指标已经达到相当高的程度，例如在内部组织结构方面，已实现了对微米、亚微米级的组织进行控制，试验室中普通钢的晶粒尺寸已经可以控制在1m左右，工业规模生产中已经获得了晶粒尺寸在34m左右的细晶结构钢；另外，有些专门用途的钢材还有深冲、超深冲、可焊接性、耐磨、耐腐蚀等使用性能方面的严格要求，这就为轧制过程的控制进一步增加了难度。同时，在钢铁行业内部存在着激烈的竞争，全世界范围内生产能力严重过剩，给企业生存带来极大的压力，迫使企业提高生产技术水平，改善经营管理

22、6。现代金属轧制过程特别是连轧过程的控制非常复杂，它涉及到压力、速度、流量、温度等大量物理参数，以及弹性变形、塑性变形、热力耦合等复杂过程、工件内部组织结构与性能的变化等多方面的问题。从控制的角度来看，金属轧制过程具有典型的多变量、非线性、强耦合特征。回顾轧制理论的发展历程，如果说20世纪30年代卡尔曼（Kraman）理论及其后继的工程法（Slab Method）为轧制理论的发展树立了第一个里程碑，60年代变分法、上下界法等一系列基于能量原理的近代解法标志着第二个里程碑，7080年代以有限元（FEM）为代表的现代数值模拟解析方法确立了第三个里程碑的话，那么90年代人工智能在轧制领域中的广泛应用

23、可以说为轧制理论与技术的发展树立了第四个里程碑6-7。人工智能与传统方法不同，它避开了过去那种对轧制过程深层规律的无止境的探求，转而模拟人脑来处理那些实实在在发生了的事情。它不是从基本原理出发，而是以事实和数据作根据，来实现对过程的优化控制。人工智能在轧制领域中的应用其意义是深远的。从某种意义上说，它引起了人们对轧制过程本质认识方法的一次革命。围绕人工智能在轧制中的应用，在世界范围内一轮新的竞争已经开始4。目前，人工智能技术在轧制过程已经得到成功的应用，从生产计划的编排、坯料的管理、加热中的优化燃烧控制、轧制中的设定计算及厚度和板形控制以及成品库的管理等都有人工智能方法成功应用的例子。人工智能

24、技术已经成为现代化轧机高精度控制的一个非常有效的工具8-10。2.1专家系统在轧制中的应用2.1.1概述专家系统是目前人工智能中最活跃、最有成效的一个研究领域，已经广泛应用于医疗诊断、地质勘探、石油化工、军事、冶金材料等各个方面，产生了巨大的社会效益和经济效益。专家系统是一种基于知识的系统，它从人类专家那里获得知识，并用来解决只有专家才能解决的困难问题。因此，可以这样来定义专家系统：专家系统是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术、模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平3。专家系统可以解决的问题一般包括解释、预测、诊断、

25、设计、规划、监视、修理、指导和控制等，预报性能的专家系统也已经从学术研究开始而进入实际应用研究。随着人工智能整体水平的提高，专家系统也获得发展。正在开发的新一代专家系统有分布式专家系统和协同式专家系统等11。图1.专家系统的一般结构8根据目前人们的一般看法，不管是哪一种类型的专家系统，都应具有如下的基本特征：具有专家水平的专门知识；具有符号处理能力；具有对一般问题求解的能力；具有一定的复杂度和难度；具有解释功能；具有获取知识的能力。图1给出了一个专家系统的一般结构，其中给出了专家系统必要的特性。在一个专家系统中，知识库不仅是数据、事实和规则的总和，而且也包括用于描述物理关系的部分简单模型。一个

26、知识库应该达到下列要求：（1）将专家掌握的各种技术知识和诀窍编制成文件和技术资料库；（2）解除专家们重复性的日常工作负担；（3）有一个支持专家们解决问题的外存储器；（4）扩大专家知识，以赢得更广泛的用户；（5）不受时间、地点限制地提供专业知识。 采集专家知识的范围不仅包括本课题的专家，而且还要咨询来自不同操作部门的物理学家和工程师。例如对于轧钢专家来说，还包括技术、钢厂、质量监督和技术数据处理等部门，以便将原来分散的专业知识相互联系起来并使之系统化，同时将多个专家解决问题的策略加以比较并验证专家知识。专家系统必须具有下列能力：（1）在一定环境下进行通讯而没有定义方面的冲突（对话部分）；（2）包

27、括数据、事实和规则等知识的采集和管理（知识采集系统和知识库）；（3）区分相关信息和不相关信息（对话部分和推论机制）；（4）认识问题和解决问题（对话部分和推论机制）；（5）说明解决方法（说明部分）；（6）专家系统主要是处理说明性知识，也就是说专家系统支持推论。2.1.2专家系统的开发步骤11 一般专家系统的开发可分为7个阶段，18个步骤8。（1）第一阶段：专家系统应用判断步骤1：决定对某个项目采用专家系统，并组织开发队，确定开发目标并得到项目经理的承认，初步确定开发体制和工作进度表。（2）第二阶段：知识的采集步骤2：制定目标计划,承担开发专家系统的知识工程师要理解该项目范畴内的专业术语及该项目的

28、概要情况。步骤3：知识的采集和整理。在详细询问专家并记录下专家知识的同时,将这些知识加以整理,消除可能存在的矛盾,并防止知识的遗漏。步骤4：确定开发工作的进度表。在整理知识的基础上,修改初步工作进度表,同时研究确定各开发阶段的必要性。（3）第三阶段:解决问题方法的设计，这是开发专家系统的关键阶段之一,包括四个步骤。步骤5：数据来源的确认和规定本专家系统推理结果的输出条件和形式,确认外围系统和业务系统接口的主要条件。步骤6：确定计算机处理的内部程序,完成程序设计,并把经过整理的专家知识纳入此程序中。步骤7：详细设计解决问题的方案。包括设计解决基本问题的程序(前半部分),和把它与控制系统所具有的控

29、制机构和知识表达方法结合起来形成解决具体问题的程序(后半部分)。步骤8：合适工具的选定,在设计解决基本问题的程序的同时,选定合适的硬件/软件工具。（4）第四阶段：关键开发阶段1）推理部分工具,包括四个步骤。步骤9：确定与整个控制系统其它部分进行数据通讯的格式。决定推理部分和外围系统接口的详细内容。步骤10：数据结构的设计。在知识处理中,决定所使用数据的预处理方法和在知识库中数据表达方法。步骤11：完成推理部分的制作。规定程序设计规则、推理部分的功能,完成详细设计和具体制作。步骤12：推理部分的试验。将和控制系统的其它部分进行通讯的格式包括进来,进行推理部分的试验,以证明所设计专家系统的实用性。

30、2)辅助部分工具,包括两个步骤。步骤13：建立样机系统。将所开发的专家系统转换到与最终控制对象的范围和动作条件相吻合的目标系统上来。步骤14：辅助部分的设计与制作。这里所说的辅助部分,包括主系统方面的前处理和后处理,是根据原系统的设计和制作顺序开发的。（5）第五阶段：系统测试步骤15：系统测试。测试方法和其它系统一样,想象使用时的情况和条件,用真实数据进行测试。（6）第六阶段：试运行和性能评价步骤16：现场试验。以用户为主,在实际运行条件下,运用所开发的专家系统来检验其实用性和可靠性。步骤17:向实际运行的过渡做好准备,制定在实际运行条件下系统的维护管理规划。（7）第七阶段：实际运行阶段步骤1

31、8：在实际运行过程中,系统开发人员的责任就是对系统进行维护和管理。2.1.3应用实例专家系统在轧钢领域得到了广泛的应用，现在已经开发出不锈钢带钢轧机的轧制规程设定与控制专家系统；工字钢孔型设计专家系统、带材厚度精度诊断专家系统；板形控制专家系统；棒材生产线生产节奏控制专家系统；热轧钢材组织和性能预测及控制专家系统、板坯管理专家系统；板卷传送专家系统等6-16。轧钢机是复杂的机械设备，过程参数的正确设定存在一定的难度。比利时ARBED公司开发的专家系统可以根据产品的种类和钢种，给出最佳设定参数的建议，而且可以在发现几何缺陷时给出如何处理的建议。加拿大STELCO公司用在五机架串联式冷轧机上的专家

32、系统也是帮助工作人员设定过程参数。比较使用专家系统前后的操作结果，发现专家系统的作用非常明显：头批带卷废品头的重量平均减少了25%；头批带卷以后的轧制速度平均提高了12%。并且专家系统还可以用于培训工人，培训需要的时间从几年减少到几个月。专家系统还应用于设备的维护。1989年初安装在阿根廷Propulsora Siderurgica冷轧厂的专家系统，推理速度很快，可以把发现故障的时间缩短为原来的1/512。芬兰Rautaruukki公司开发出制定生产计划的专家系统，利用它可以找出生产中的限制性环节。日本川崎公司应用专家系统为无缝钢管的轧制作业制定计划，用时由原来的2天左右缩短为12小时。美国U

33、SX公司于1990年引进美国西北大学钢资源中心研制的钢板轧机作业计划专家系统，用于Gary厂，也得到比较满意的效果12。（1）工字钢孔型设计专家系统13 工字钢在轧制过程中，断面各部分变形不均匀，变形不同时，变形过程复杂。由于涉及的参数众多、考虑的因素复杂，因此以手工设计工字钢孔型系统难度大，虽然已开发出工字钢CARD软件，但通过该软件设计孔型时，还需要有丰富设计经验的设计者，通过人机对话的方式进行设计参数的选择和修改，才能满足生产要求。图2.工字钢专家系统的总体结构北京科技大学吴龙翔、杨觉先等开发的工字钢孔型设计专家系统，其总体结构如图2所示。该系统功能如下：设计新孔型。可以选择直轧孔型系统

34、、直边斜轧孔型系统、直轧直边斜轧孔型系统、直轧弯边斜轧直边斜轧孔型系统等孔型系统中的任一种进行设计。绘图功能。可以绘出标有尺寸的孔型样板图、配辊图、轧件与孔型重叠图和轧件咬入状况图。优化功能。可用专家启发性知识进行多目标优化，得到满足多个目标的优化解。解释功能。能对系统的设计过程进行解释。输入防错纠错功能。可使误操作不引起系统中断。记忆功能。该系统经现场应用结果表明：工字钢孔型设计专家系统能够自动设计出合理的孔型，能够进行启发式多目标优化，得到满意解，可以使咬入角、轧制力、轧制力矩得到良好的均衡效果，有利于提高轧制过程的稳定性和降低能耗。（2）热轧钢材组织和性能预测及控制专家系统 14。图3.

35、 CASPPC技术的组成除化学成分外，热轧工艺参数是影响热轧钢材组织和性能的关键因素，对某一特定钢种，可以通过改变轧制工艺参数改变其组织和性能。钢材热轧已从单纯的为获得所需形状和尺寸的分方向发展成性能控制塑性加工。但是以外的热轧工艺参数与组织性能的关系是通过大量实验室和现场试验而得到的，需大量人力、物力和财力及时间，且有局限性；如需进一步提高钢材强韧性，开发新品种，就必须再进行有关试验工作；再则，在生产过程中并不能对热轧钢材组织和性能进行实时控制（开环或闭环），因此利用高速计算机应用技术，建立热轧钢材组织和性能预测及控制专家系统（也称计算机辅助组织和性能预测及控制技术，即Computer Ai

36、ded Structure/Property Prediction and Control，简称CASPPC），是当前轧钢技术发展的重要内容之一。CASPPC是在物理冶金理论、轧制理论及计算机应用技术获得可喜进展的基础上建立起来的，是以采用建立在物理冶金理论基础上的一系列数学模型而发展起来的计算机预测和控制技术。CASSPPC技术对离线热轧生产程序的最优化或在线生产工艺参数的精确控制等是一项极其有用的新技术，可以使轧钢学科得到进一步发展。CASPPC技术的组织与功能：该专家系统通常由轧制、相变和性能三个模块组成，如图3所示：图4 轧制模块的组成轧制模块用于推定钢材加热和热轧过程中奥氏体组织状态

37、的变化、微合金元素的固溶作用和析出行为，它是由晶粒长大、回复和再结晶、析出三个子模块组成，如图4所示。因为微量元素的固溶、析出行为对回复和再结晶行为有明显的影响，所以要求这三个子模型必须有机地结合。图5. 相变模块的组成相变模块是根据轧制模块推出的奥氏体晶粒直径、再结晶百分数、加工硬化程度等信息，分析轧后连续冷却过程中奥氏体向铁素体、珠光体和贝氏体相变的行为，并通过热力学模型、形核速率模型、长大速率模型，随时计算各种转变相的体积膨胀率，推定轧后冷却时的相变速率和最终成品的组织，如图5所示。性能模块根据相变模块推出的最终成品组织推定热轧钢材的最终力学性能，包括屈服强度、抗拉强度、延伸率和韧性。C

38、ASPPC技术可以有不同的应用方式，即离线预测、在线预测、在线控制和化学成分及工艺参数设计与优化等。离线预测是CASPPC技术的最基本的应用方式。专家系统建立后，只要输入化学成分、加工和冷却条件，所轧产品的组织变化和最终力学性能都可以预测出来，并且可以绘制TTT和CCT曲线，这样就节约了常规实验手段所需的时间和资金。同时也可通过离线预测软件的反复运算，对新钢种进行设计和优化。在线预测、在线控制是CASPPC技术在线应用的两个阶段。在线预测是指在线对成品长向与宽向（对板材）性能进行预测，从而节约实际检测时间。这对板卷的生产特别适用，因为通常只检测板带卷头尾两端的性能，而板卷中间部分的性能则难于测

39、试与保证。日本和韩国（浦项钢铁有限公司）都已建立了钢板组织和性能在线预测的生产线。在线控制是CASPPC技术的最终目标。需要轧制参数的在线检测和精确的模型及反应迅速的计算机系统。在此阶段，可以在生产过程中对热轧过程中对热轧钢材组织和性能进行实时控制，从而减少钢材组织和提高生产率，与其它技术相结合，可以实现轧制力的精确预报。图6是CASPPC技术实际应用图示。图6. CASPPC技术在热轧带钢生产中的应用（3） 带钢厚度偏差诊断与监控专家系统10由东北大学轧制技术及连轧自动化国家重点实验室开发的带钢厚度偏差诊断与监控专家系统(Thickness Deviation Diagnosis and S

40、upervision Expert System系统，简称TDD-ES系统)，在对现场数据进行分析处理的基础上，利用对厚差曲线的频谱分析，对厚度偏差的来源及特征作出及时诊断。为了向建立的专家系统提供轧制信息，开发了热连轧精轧机组数据采集及信息处理系统。通过传感器采集过程数据、工艺设定数据、轧机设备参数和钢板参数等，为生产过程的优化、诊断、模拟和监控提供支撑服务。主要检测精轧机组各架轧制力、辊缝、速度、电流、活套角度、出口左和宽差等值。对数据采集系统得到的检测数据和过程控制数据进行高通、低通滤波，对轧件头尾温差趋势项进行处理，对所得的厚差曲线数据用改进的富氏变换进行频谱分析，根据其频谱特点来诊断

41、带钢厚度偏差的原因。用于现场诊断的实例表明，厚差曲线的高频分量，恰与支撑辊的旋转速度相对应，而其低频分量恰与加热炉内水管的距离相对应。这就有力的说明，厚差的高频部分是由于支撑辊的偏心引起的，而低频部分是加热水印引起的。本专家系统的诊断结果，可以对现场生产中加热制度改进、换辊时间的确定等操作要素提供指导。目前TDD-ES系统已经在热轧带钢生产线得到应用，并在提高热轧带钢厚度精度方面发挥了作用。2.2神经网络在轧制中的应用2.2.1概述随着社会不断的进步和科学技术突飞猛进的发展，人们对钢铁产品的质量要求越来越严格，我国钢铁产品的标准也逐渐向国际先进标准看齐。为了提高产品质量、降低成本，使我国的冶金

42、企业的生产水平尽早达到国际先进水平，满足国际国内钢铁市场激烈竞争的需求，在轧钢生产过程中，越来越多的现代化技术已得到应用，如轧制过程的自动控制，产品性能的预报等等，为产品质量的提高提供了条件。所有这些技术的成功应用都是建立在许许多多的数学模型的基础之上的，如果没有一个比较切合实际的数学模型，这些过程就很难实施。因此对于一个冶金工作者来说，针对生产的实际情况，寻找符合实际的数学模型是一步很重要的工作。传统的数学模型大多数是建立在前人大量的实验基础之上的，而且大多数都是属于经验共识，其适用范围也比较窄，计算的精度比较低。随着技术的发展，这些数学模型很难满足生产的要求。轧钢系统是一个很复杂的系统，多

43、个因素之间相互影响、相互制约，他们之间的关系相当复杂，而且有些关系结构是不确定的，他们是随着生产条件的变化而变化。所以，采用传统的模型方法，即采用在实验的基础上建立确定的数学模型结构，然后再直接用在生产过程中，通过在生产中调整数学模型中的一些参数来对生产过程进行控制的建模方法。这样的模型的建立过程往往事先进行了很多的假设，计算精度低，甚至可能得出错误的结果，给企业带来很大的损失。人工神经网络是模拟脑神经传递信息的方法建立起来的一种人工智能的模式识别方法，具有自学习、自组织、自适应和非线性动态处理等特性，为解决非线性系统及模型未知系统的预测和控制，提供了一种新的途径。人工神经网络(ANN)在轧制

44、领域中所应用的神经网络实际上是一组计算机程序，这组程序提供了一套具有记忆功能的算法，能够对存在因果关系的事物根据输入条件的变化来预测结果。人工神经网络根据其网络结构和学习规则可分为很多的种类，其中应用最广泛的是BP神经网络。在实际应用中，人工神经网络（BP网络）主要有两个方面的用途：用于模式识别；用于非线性系统的函数拟合。这两个方面的用途在轧钢领域都得到了比较成功的应用。一般来说，在金属轧制过程中，有以下几方面可以应用神经网络6：（1）过程模型。当积累了足够的生产过程历史数据之后，就可以利用神经网络建立精确的神经网络数学模型。（2）过程优化。一旦建立起过程模型，就可以用来确定达到优化目的所需要

45、的优化的过程变量设置点。（3）开环咨询系统。如果将神经网络模型与简单的专家系统结合起来，网络从实时数据得到的优化结果可以显示给工程的操作人员，操作人员可以改变操作参数以避免过程失常。（4）产品质量预测。一般工厂只能在产品完成一段时间后，才能从实验室里得到产品的质量检验结果，而神经网络模型可以实现在线预测产品质量，并及时调整过程参数。（5）可预测的多变量统计过程控制。网络模型可用来观察所有有疑问的变量对统计过程控制器（SPC）所设置的控制点的影响。采用多变量控制，可以精确预测SPC图上的未来几个点的位置，可以较早地预测过程失误的可能性。（6）预测设备维修计划。设备在连续使用中性能要降低。用神经网

46、络可以监测设备性能，预测设备实效的可能时间，以制定设备维修计划。（7）传感器监测。可用神经网络监测实效的传感器，并提供失效警报，而且当重新安装传感器后，网络可以提供合适的重新设置值。（8）闭环实时控制。网络模型可以对复杂的闭环实时控制问题给出解决方法，预测和优化非常迅速，可以用于实时闭环控制。2.2.2神经网络的应用实例在实际生产过程中，神经网络在热带钢连轧机控制、微合金钢热轧奥氏体晶粒尺寸及流变应力模型、冷轧轧制力的预测、热连轧精轧机组带钢宽度变化预测、热变形中屈服应力的预测、轧辊偏心的识别、板形板厚综合控制等方面都得到了广泛的应用16-31。（1）人工神经网络在轧制过程控制方面的应用现代的

47、板带钢生产工艺都采用连轧的方式，轧制力预报是连轧精轧机组计算机设定模型的核心，其预报精度直接影响辊缝的设定。轧制力预报涉及一些非线性模型，包括温降模型、变形抗力模型、应力状态模型等等。因此，采用传统设定模型的方法，各个模型系数的建立需要采集大批的数据，在预先建立的模型的基础上，进行非线性回归来确定，因用于统计的数据不可能是同一环境下的数据，故回归所得模型对于环境变动具有平均性。人工神经网络具有自学习、自适应、高度非线性拟合的优点，因此能提高预测的精度，采用一个三层的BP网络对各架轧机的轧制力进行了离线和在线的学习预报，结果表明人工神经网络的预报结构比采用传统的模型法的预报结果精度高，而且神经网

48、络的预报具有在线自适应的能力32。在精轧机组负荷分配方面，采用具有两层隐含层的BP网络，对精轧机组的负荷分配进行识别，与传统的能耗法负荷分配相比，神经网络的方法更加准确、高速、简便易行，可以排除人的主观性，而且可以根据生产实际情况进行动态调整，能更好地适应生产的变化。 钢材的力学性能的预测是一个很复杂的问题，它的影响因素很多，采用传统的回归模型的方法进行预测，由于有些因素的影响是非线性的，其模型结构很难确定，最终的预测精度就很难保证。采用神经网络的方法对轧后机械性能进行预报，其精度高，简化了人工设定模型的工作，能够达到预期的目的33-34。（2）轧制力的高精度ANN预报10提高轧制力预报精度对提高设定精度及第一块钢和带钢头部的命中率都具有重要意义。轧制力直接影响到负荷分配、AGC和AFC等环节，是所有轧制参数中最为活跃的参数。过去利用传统轧制理论已经使轧制力的计算精度有了大幅度的提高，但是仍然不能满足用户对产品质量越来越严格的要求。沿用修正数学模型的方法来提高轧制力计算精度的传统做法