人工智能技術(shù)在軋制中的應(yīng)用20

1、1. 人工智能概述人工智能（ Artificial Intelligence，簡記為 AI ）是當(dāng)前科學(xué)技術(shù)發(fā)展中的一門前沿學(xué)科，同時也是一門新思想、新觀念、新理論、新技術(shù)不斷出現(xiàn)的新興學(xué)科以及正在迅速發(fā)展的學(xué)科。 它是在計算機(jī)科學(xué)、 控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)、語言學(xué)等多種學(xué)科相互滲透的基礎(chǔ)上發(fā)展起來的， 因此又可以把它看作是一門綜合性的邊緣學(xué)科。 它主要研究如何用機(jī)器 （計算機(jī)） 來模仿和實現(xiàn)人類的智能行為。它的出現(xiàn)及所取得的成就引起了人們的高度重視， 并得到了很高的評價。有人把人工智能同空間技術(shù)、原子能技術(shù)一起譽為 20 世紀(jì)的三大科學(xué)技術(shù)成就；有的人把它稱為繼三次工業(yè)革命后的又一

2、次革命， 并稱前三次工業(yè)革命主要是延長了人手的功能， 把人類從繁重的體力勞動中解放出來， 而人工智能則是延伸人腦的功能，實現(xiàn)腦力勞動的自動化 1-2 。隨著信息社會和知識經(jīng)濟(jì)時代的來臨，信息正在以前所未有的速度膨脹，信息和知識已成為人們的一個熱門話題。 然而，在這個話題的背后還蘊含著另外一個更深層的問題智能。 一般說來， 信息是由數(shù)據(jù)所表達(dá)的客觀事實， 知識是信息經(jīng)過智能性加工后的產(chǎn)物，智能是用來對信息和知識進(jìn)行加工的加工器。在信息社會，人類面對的信息量將非常龐大， 僅依靠人腦表現(xiàn)出來的自然智能是遠(yuǎn)遠(yuǎn)不夠的，如何用人造的智能去模仿和擴(kuò)展人類的自然智能， 實現(xiàn)信息的智能化處理，是信息社會所面臨的

3、一個重大課題。 必須開發(fā)那種由機(jī)器實現(xiàn)的人工智能，就像在工業(yè)社會人類需要用機(jī)器去放大和延伸自己的體能一樣， 在信息社會人類又需要用機(jī)器去放大和延伸自己的智能， 實現(xiàn)腦力勞動的自動化。 人工智能的前景是非常誘人的，同時也是任重而道遠(yuǎn)的 2 。1.1 人工智能的定義人工智能作為一門研究機(jī)器智能的學(xué)科， 其目的是要用人工的方法和技術(shù)，研制智能機(jī)器或智能系統(tǒng)，來模仿、延伸和擴(kuò)展人的智能。因此，它是人類邁向信息社會、迎接知識經(jīng)濟(jì)挑戰(zhàn)所必須具備的一項核心技術(shù) 3 。首先應(yīng)指出，人工智能和其它許多新興學(xué)科一樣，至今尚無一個統(tǒng)一的定義，所謂人工智能的定義， 是人工智能學(xué)者根據(jù)對它的已有認(rèn)識所作的一些不同解釋。

4、它是一個含義很廣的詞語， 在其發(fā)展工程中， 具有不同學(xué)科背景的人工智能學(xué)者對它有著不同的理解， 提出了一些不同的觀點。 綜合各種不同的人工智能觀點，可以從“能力”和“學(xué)科”兩個方面對人工智能進(jìn)行定義。從能力的角度來看，人工智能是相對于人的自然智能而言的， 所謂人工智能是指用人工的方法在機(jī)器（計算機(jī)）上實現(xiàn)的智能；從學(xué)科的角度來看，人工智能是作為一個學(xué)科名稱來使用的， 所謂人工智能是一門研究如何構(gòu)造智能機(jī)器和智能系統(tǒng)，使它能模擬、延伸和擴(kuò)展人類智能的學(xué)科。因此，可以將人工智能定義為： 人工智能是一門研究如何構(gòu)造智能機(jī)器（智能計算機(jī)）或智能系統(tǒng)，使它能模擬、延伸、擴(kuò)展人類智能的學(xué)科。通俗地說，人工

5、智能就是要研究如何使機(jī)器具有能聽、 會說、能看、會寫、能思維、會學(xué)習(xí)、能適應(yīng)環(huán)境變化、 能解決各種面臨的實際問題等功能的一門學(xué)科。 總之，它是要使機(jī)器能做需要人類智能才能完成的工作，甚至比人更高明3-4 。1.2 人工智能的研究目標(biāo) 1-51978 年，索羅門關(guān)于人工智能的研究目標(biāo)，目前還沒有一個統(tǒng)一的說法，（ A.Sloman）對人工智能給出了以下三個主要目標(biāo) ：對智能行為有效解釋的理論分析；解釋人類智能；構(gòu)造智能的人工制品。 要實現(xiàn)索羅門的這些目標(biāo)，需要同時開展對智能機(jī)理和智能構(gòu)造技術(shù)的研究。 揭示人類智能的根本機(jī)理， 用智能機(jī)器去模擬、 延伸和擴(kuò)展人類智能應(yīng)該是人工智能研究的根本目標(biāo)，

6、或者叫遠(yuǎn)期目標(biāo)。人工智能的遠(yuǎn)期目標(biāo)涉及到腦科學(xué)、認(rèn)知科學(xué)、計算機(jī)科學(xué)、系統(tǒng)科學(xué)、控制論及微電子等多種學(xué)科， 并有賴于這些學(xué)科的共同發(fā)展。 但從目前這些學(xué)科的現(xiàn)狀來看，實現(xiàn)人工智能的遠(yuǎn)期目標(biāo)還需要一個較長的時期。在這種情況下，人工智能研究的近期目標(biāo)是研究如何使現(xiàn)有的計算機(jī)更聰明，即使它能夠運用知識去處理問題， 能夠模擬人類的智能行為， 如推理、思考、分析、決策、預(yù)測、理解、規(guī)劃、設(shè)計和學(xué)習(xí)等。為了實現(xiàn)這一目標(biāo)，人們需要根據(jù)現(xiàn)有計算機(jī)的特點， 研究實現(xiàn)智能的有關(guān)理論、 方法和技術(shù)， 建立相應(yīng)的智能系統(tǒng)。實際上，人工智能的遠(yuǎn)期目標(biāo)與近期目標(biāo)是相互依存的。遠(yuǎn)期目標(biāo)為近期目標(biāo)指明了方向， 而近期目標(biāo)則為

7、遠(yuǎn)期目標(biāo)奠定了理論和技術(shù)基礎(chǔ)。 同時，近期目標(biāo)和遠(yuǎn)期目標(biāo)之間并無嚴(yán)格界限， 近期目標(biāo)會隨人工智能的發(fā)展而變化， 并最終達(dá)到遠(yuǎn)期目標(biāo)。1.3 人工智能的產(chǎn)生與發(fā)展 2-5人工智能這個術(shù)語自 1956 年正式提出， 并作為一個新興學(xué)科的名稱被使用以來，已經(jīng)有四十多年的歷史了?；仡櫰洚a(chǎn)生與發(fā)展過程，可大致分為孕育、形成、知識應(yīng)用、綜合集成這四個階段。孕育期（ 1956 年之前）：在人工智能誕生之前世界上的一些著名科學(xué)家就已經(jīng)創(chuàng)立了數(shù)理邏輯、自動機(jī)理論、控制論和信息論， 并發(fā)明了通用電子數(shù)字計算機(jī)， 這些成就已經(jīng)為人工智能的產(chǎn)生準(zhǔn)備了必要的思想、理論和物質(zhì)技術(shù)條件。形成期（ 1956-1970 年）：

8、1956 年夏季，包括數(shù)學(xué)家、計算機(jī)專家麥卡錫教授在內(nèi)的10 位來自美國數(shù)學(xué)、神經(jīng)學(xué)、心理學(xué)、信息科學(xué)和計算機(jī)科學(xué)方面的杰出年輕科學(xué)家，在一起共同探討了用機(jī)器模擬人類智能的有關(guān)問題，并由麥卡錫提議正式采用了 “人工智能 AI （ Artificial Intelligence）”這一術(shù)語。從而，一個以研究如何用機(jī)器來模擬人類智能的新興學(xué)科人工智能誕生了。在此之后，在美國很快就形成了三個以人工智能為研究目標(biāo)的研究小組。一個是紐厄爾和西蒙的卡內(nèi)基蘭德小組（也稱心理學(xué)小組） ，1957 年這個小組研制了一個稱為邏輯理論機(jī)（ Logic Theory Machine, 簡稱 LT）的數(shù)學(xué)定理邏輯證明程

9、序。該程序模擬了人類用數(shù)理邏輯證明定理時的思維規(guī)律， 開創(chuàng)了用計算機(jī)研究人類思維活動規(guī)律的工作。另一個小組為 IBM 工程課題研究小組， 1956 年塞繆爾在 IBM 704 計算機(jī)上研制成功了具有自學(xué)習(xí)、自組織和自適應(yīng)能力的西洋跳棋程序， 該程序可以從棋譜中學(xué)習(xí)， 也可以在下棋過程中積累經(jīng)驗、 提高棋藝，這是用機(jī)器模擬人類學(xué)習(xí)過程的一次成功探索， 其主要貢獻(xiàn)在于發(fā)現(xiàn)了啟發(fā)式搜索是表現(xiàn)智能行為的最基本機(jī)制。第三個為 MIT 小組， 1958 年麥卡錫建立了行動規(guī)劃咨詢系統(tǒng)； 1960 年研制了人工智能語言 LISP，該語言不僅可以處理數(shù)值，而且可以方便地處理符號， 作為建造智能系統(tǒng)的重要語言工

10、具在人工智能領(lǐng)域得到了廣泛應(yīng)用； 1961 年，明斯基發(fā)表了“走向人工智能的步驟”論文，推動了人工智能的發(fā)展。 在其它方面， 人工智能也有了跳躍性的進(jìn)展， 這一切都推動了人工智能的應(yīng)用。知識應(yīng)用期（ 1971-80 年代末）：進(jìn)入 20 世紀(jì) 70 年代后，人工智能的研究已不僅僅局限于少數(shù)幾個國家，許多國家都相繼開展了這方面的研究工作，研究成果大量涌現(xiàn)。例如 1972 年法國馬賽大學(xué)的科麥瑞爾（ A.Comerauer）提出并實現(xiàn)了邏輯程序語言 PROLOG；斯坦福大學(xué)的肖特里菲（ E.H.Shortliffe ）等人從 1972 年開始研制用于診斷和治療感染性疾病的專家系統(tǒng) MYCIN 等。

11、但困難和問題也接踵而來，人工智能面臨著巨大的壓力和挑戰(zhàn)。在機(jī)器學(xué)習(xí)、定理證明、問題求解、機(jī)器翻譯等方面都出現(xiàn)了大量的問題，甚至在人工智能的本質(zhì)、理論、思想及機(jī)理方面，也受到了來自哲學(xué)、心理學(xué)、神經(jīng)生理學(xué)等社會各界的責(zé)難、 懷疑和批評。 在這種極其困難的環(huán)境下， 仍有一大批人工智能學(xué)者不畏艱辛、潛心研究。經(jīng)過認(rèn)真的反思、總結(jié)，費根鮑姆關(guān)于以知識為中心開展人工智能研究的觀點被大多數(shù)人接受。 從此，人工智能的研究又迎來了蓬勃發(fā)展的新時期，即以知識為中心的時期，為人工智能的發(fā)展開辟了新的出路。自人工智能從對一般思維規(guī)律的探討轉(zhuǎn)向以知識為中心的研究以來，專家系統(tǒng)的研究在多個領(lǐng)域中都取得了重大突破， 各種

12、不同功能、 不同類型的專家系統(tǒng)如雨后春筍般的建立起來， 化學(xué)專家系統(tǒng)、地質(zhì)勘探專家系統(tǒng)、 數(shù)學(xué)專家系統(tǒng)、醫(yī)療專家系統(tǒng)等都有了快速發(fā)展， 產(chǎn)生了巨大的經(jīng)濟(jì)效益與社會效益。 此外，在知識表示、不精確推理、人工智能語言等方面也有了重大進(jìn)展。但隨著專家系統(tǒng)應(yīng)用的不斷深入和計算機(jī)技術(shù)的飛速發(fā)展，專家系統(tǒng)本身所存在的應(yīng)用領(lǐng)域狹窄、 缺乏常識性知識、 知識獲取困難、 推理方法單一等問題被逐漸暴露出來，人工智能又面臨著一次考驗。綜合集成期（ 20 世紀(jì) 80 年代末至今）在專家系統(tǒng)方面，從 20 世紀(jì) 80 年代末開始逐步走向多技術(shù)、多方法的綜合集成與多學(xué)科、 多領(lǐng)域的綜合應(yīng)用型發(fā)展。 大型專家系統(tǒng)開發(fā)采用了

13、多種人工智能語言、多種知識表示方法、 多種推理機(jī)制和多種控制策略相結(jié)合的方式， 并開始運用各種專家系統(tǒng)外殼、專家系統(tǒng)開發(fā)工具和專家系統(tǒng)開發(fā)環(huán)境等。目前，人工智能技術(shù)正在向大型分布式人工智能、大型分布式多專家系統(tǒng)、廣義知識表達(dá)、綜合知識庫、并行推理、多種專家系統(tǒng)開發(fā)工具、大型分布式人工智能開發(fā)環(huán)境和分布式環(huán)境下的多智能體協(xié)同系統(tǒng)等方向發(fā)展。盡管如此，從目前來看，人工智能仍處于學(xué)科發(fā)展的早期階段，其理論、方法和技術(shù)都不太成熟， 人們對它的認(rèn)識也比較膚淺， 都還有待于人工智能工作者的長期探索。1.4 人工智能研究的基本內(nèi)容在人工智能的研究中有許多學(xué)派，不同學(xué)派的研究內(nèi)容與研究方法都不相同。另外，人工

14、智能又有多種研究領(lǐng)域，各個研究領(lǐng)域的研究重點亦不相同。再者，在人工智能的不同發(fā)展階段， 研究的側(cè)重面也有區(qū)別， 本來是研究的重點內(nèi)容一旦理論和技術(shù)上的問題都得到了解決， 就不再成為研究內(nèi)容。 因此我們只能在較大的范圍內(nèi)討論人工智能的基本研究內(nèi)容。 結(jié)合人工智能的遠(yuǎn)期目標(biāo)， 認(rèn)為人工智能的基本研究內(nèi)容應(yīng)包括機(jī)器感知、機(jī)器思維、機(jī)器學(xué)習(xí)、機(jī)器行為、智能系統(tǒng)及智能計算機(jī)的構(gòu)造技術(shù)等方面3 。1.5 人工智能的研究途徑 1-5自人工智能作為一門學(xué)科面世以來，關(guān)于它的研究途徑主要有兩種不同的觀點。一種觀點主張用生物學(xué)的方法進(jìn)行研究， 搞清楚人類智能的本質(zhì)； 另一種觀點主張通過運用計算機(jī)科學(xué)的方法進(jìn)行研究

15、，實現(xiàn)人類智能在計算機(jī)上的模擬。前一種方法稱為以網(wǎng)絡(luò)連接為主的連接機(jī)制方法，后一種方法為以符號處理為核心的方法。（ 1）以符號處理為核心的方法以符號處理為核心的方法又稱為自上而下方法或符號主義，這種方法起源于 20 世紀(jì) 50 年代中期。堅持這種方法的人認(rèn)為， 人工智能的研究目標(biāo)是實現(xiàn)機(jī)器智能，而計算機(jī)自身具有符號處理的推算能力， 這種能力本身就蘊含著演繹推理的內(nèi)涵，因而可通過運行相應(yīng)的程序系統(tǒng)來體現(xiàn)出某種基于邏輯思維的智能行為，達(dá)到模擬人類智能活動的效果。 由于該方法的核心是符號處理， 因此人們把它稱為以符號處理為核心的方法或符號主義。該方法的特征是：立足于邏輯運算和符號操作，適合于模擬人的

16、邏輯思維過程，解決需要進(jìn)行邏輯推理的復(fù)雜問題。 知識可用顯式的符號表示， 在已知基本規(guī)則的情況下， 無需大量的細(xì)節(jié)知識。 便于模塊化， 當(dāng)個別事實發(fā)生變化時易于修改。 能與傳統(tǒng)的符號數(shù)據(jù)庫進(jìn)行連接。 可對推理結(jié)論作出合理解釋，便于對各種可能性進(jìn)行選擇。但是，人們并非僅僅依靠邏輯來求解問題，有時非邏輯推理在求解問題的過程中起著更重要的作用， 甚至是決定性的作用。 人的感知過程主要是形象思維，這是邏輯推理做不到的， 因而無法用符號方法進(jìn)行模擬。 另外，用符號表示概念時，其有效性在很大程度上取決于符號表示的正確性， 當(dāng)把有關(guān)信息轉(zhuǎn)換成推理機(jī)構(gòu)能進(jìn)行處理的符號時， 將會丟失一些重要信息， 它對帶有噪聲

17、的信息以及不完整的信息也難以進(jìn)行處理。 這就表明單憑符號方法來解決人工智能中的所有問題是不可能的。（ 2）以網(wǎng)絡(luò)連接為主的連接機(jī)制方法以網(wǎng)絡(luò)連接為主的連接機(jī)制方法是近些年比較熱門的一種方法，它屬于非符號處理范疇， 是在人腦神經(jīng)元及其相互連接而成網(wǎng)絡(luò)的啟示下， 試圖通過許多人工神經(jīng)元間的并行協(xié)同作用來實現(xiàn)對人類智能的模擬。 這種方法又稱自下而上方法或連接主義。 堅持這種方法的人認(rèn)為， 大腦是人類一切智能活動的基礎(chǔ)， 因而從大腦神經(jīng)元及其連接機(jī)制著手進(jìn)行研究， 搞清楚大腦的結(jié)構(gòu)以及它進(jìn)行信息處理的過程與機(jī)理，揭示人類智能在機(jī)器上的模擬。該方法的主要特征是：通過神經(jīng)元之間的并行協(xié)同作用實現(xiàn)信息處理，

18、處理過程具有并行性、 動態(tài)性、全局性。 通過神經(jīng)元間分布式的物理聯(lián)系存儲知識及信息，因而可以實現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息能進(jìn)行有效的處理，取得比較滿意的結(jié)果。 通過神經(jīng)元間連接強(qiáng)度的動態(tài)調(diào)整來實現(xiàn)對人類學(xué)習(xí)、分類等的模擬。 適合于模擬人類的形象思維過程。 求解問題時，可以比較快地求得一個近似解。但是，這種方法不適合模擬人們的邏輯思維過程，而且就目前神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀來看，由固定的體系結(jié)構(gòu)與組成方案所構(gòu)成的系統(tǒng)還達(dá)不到開發(fā)多種多樣知識的要求，因此單靠連接機(jī)制方法來解決人工智能中的全部問題也是不現(xiàn)實的。（ 3）系統(tǒng)集成由上面的討論可以看出，符號方法與連接機(jī)制方法各有長短。符號方法善

19、于模擬人的邏輯思維過程， 求解問題時， 如果問題有解， 它可以準(zhǔn)確地求出最優(yōu)解，但是求解過程中的運算量將隨問題復(fù)雜性的增加而呈指數(shù)性的增長； 另外符號方法要求知識與信息都用符號表示， 這一形式化的過程需由人來完成， 它自身不具有這一能力。 連接機(jī)制方法善于模擬人的形象思維過程求解問題， 由于它可以并行處理，因而可以比較快地得到解，但解一般是近似的、次優(yōu)的；另外連接機(jī)制方法求解問題過程是隱式的， 難以對求解過程給出顯式的解釋。 在這一情況下，如果能將兩者結(jié)合起來，就可達(dá)到取長補(bǔ)短的目的。再者，就人類的思維過程來看，邏輯思維與形象思維只是人類智能中思維方式的兩個方面。一般來說，人在求解問題時都是兩

20、種思維方式并用的， 通過形象思維得到一個直覺的解或給出一種假設(shè)， 然后用邏輯思維進(jìn)行仔細(xì)的論證或搜索， 最終得到一個最優(yōu)解。 因此，從模擬人類智能的角度來看，也應(yīng)該將兩者結(jié)合起來。就目前的研究而言，把兩種方法結(jié)合起來的途徑主要有兩種：一種是結(jié)合，即兩者分別保持原來的結(jié)構(gòu)， 但密切合作，任何一方都可把自己不能解決的問題轉(zhuǎn)化給另一方； 另一種是統(tǒng)一， 即把兩者自然地統(tǒng)一在一個體系中， 既有邏輯思維的功能，又有形象思維的功能。2.人工智能在軋制中的應(yīng)用在過去的幾十年中，鋼鐵工業(yè)一直面臨著擴(kuò)大生產(chǎn)能力、提高生產(chǎn)率、降低成本和開發(fā)價值更高的新產(chǎn)品的挑戰(zhàn)。進(jìn)入90 年代后，用戶對鋼鐵產(chǎn)品的質(zhì)量和品種規(guī)格的

21、要求越來越嚴(yán)格。 控制和系統(tǒng)技術(shù)是解決這些問題的重要手段之一。鋼鐵工業(yè)從 60 年代開始將計算機(jī)應(yīng)用在信息采集和集中處理方面。到了 7080 年代，計算機(jī)被用于高爐、轉(zhuǎn)爐、連鑄機(jī)、加熱爐、軋鋼等的過程控制。為了提高控制的水平和實現(xiàn)完全的自動化， 90 年代又開始引入以專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等為代表的人工智能技術(shù) （AI ）。日本的鋼鐵工業(yè)早在 1988 年就已經(jīng)開發(fā)出75 種 AI 應(yīng)用系統(tǒng)。英國、奧地利、芬蘭、瑞典、澳大利亞、韓國、美國、加拿大等幾乎所有主要產(chǎn)鋼國都已經(jīng)采用或者正在研制各種AI 系統(tǒng)。近年來隨著社會發(fā)展與科學(xué)技術(shù)的進(jìn)步，用戶對鋼鐵產(chǎn)品質(zhì)量、品種、性能的要求越來越高， 鋼材質(zhì)量指標(biāo)

22、已經(jīng)達(dá)到相當(dāng)高的程度， 例如在內(nèi)部組織結(jié)構(gòu)方面，已實現(xiàn)了對微米、 亞微米級的組織進(jìn)行控制， 試驗室中普通鋼的晶粒尺寸已經(jīng)可以控制在 1 m 左右，工業(yè)規(guī)模生產(chǎn)中已經(jīng)獲得了晶粒尺寸在 34m 左右的細(xì)晶結(jié)構(gòu)鋼；另外，有些專門用途的鋼材還有深沖、超深沖、可焊接性、耐磨、耐腐蝕等使用性能方面的嚴(yán)格要求， 這就為軋制過程的控制進(jìn)一步增加了難度。同時，在鋼鐵行業(yè)內(nèi)部存在著激烈的競爭， 全世界范圍內(nèi)生產(chǎn)能力嚴(yán)重過剩，給企業(yè)生存帶來極大的壓力，迫使企業(yè)提高生產(chǎn)技術(shù)水平，改善經(jīng)營管理6 ?，F(xiàn)代金屬軋制過程特別是連軋過程的控制非常復(fù)雜，它涉及到壓力、速度、流量、溫度等大量物理參數(shù)，以及彈性變形、塑性變形、熱力耦

23、合等復(fù)雜過程、工件內(nèi)部組織結(jié)構(gòu)與性能的變化等多方面的問題。 從控制的角度來看， 金屬軋制過程具有典型的多變量、非線性、強(qiáng)耦合特征?；仡欆堉评碚摰陌l(fā)展歷程，如果說 20 世紀(jì) 30 年代卡爾曼（ Kraman）理論及其后繼的工程法（ Slab Method）為軋制理論的發(fā)展樹立了第一個里程碑， 60 年代變分法、上下界法等一系列基于能量原理的近代解法標(biāo)志著第二個里程碑， 7080 年代以有限元（ FEM ）為代表的現(xiàn)代數(shù)值模擬解析方法確立了第三個里程碑的話，那么 90 年代人工智能在軋制領(lǐng)域中的廣泛應(yīng)用可以說為軋制理論與技術(shù)的發(fā)展樹立了第四個里程碑6-7 。人工智能與傳統(tǒng)方法不同，它避開了過去那

24、種對軋制過程深層規(guī)律的無止境的探求，轉(zhuǎn)而模擬人腦來處理那些實實在在發(fā)生了的事情。 它不是從基本原理出發(fā)，而是以事實和數(shù)據(jù)作根據(jù)， 來實現(xiàn)對過程的優(yōu)化控制。 人工智能在軋制領(lǐng)域中的應(yīng)用其意義是深遠(yuǎn)的。 從某種意義上說， 它引起了人們對軋制過程本質(zhì)認(rèn)識方法的一次革命。 圍繞人工智能在軋制中的應(yīng)用， 在世界范圍內(nèi)一輪新的競爭已經(jīng)開始 4 。11。目前，人工智能技術(shù)在軋制過程已經(jīng)得到成功的應(yīng)用，從生產(chǎn)計劃的編排、坯料的管理、加熱中的優(yōu)化燃燒控制、 軋制中的設(shè)定計算及厚度和板形控制以及成品庫的管理等都有人工智能方法成功應(yīng)用的例子。 人工智能技術(shù)已經(jīng)成為現(xiàn)代化軋機(jī)高精度控制的一個非常有效的工具 8-10

25、。2.1 專家系統(tǒng)在軋制中的應(yīng)用2.1.1 概述專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個研究領(lǐng)域，已經(jīng)廣泛應(yīng)用于醫(yī)療診斷、地質(zhì)勘探、石油化工、軍事、冶金材料等各個方面，產(chǎn)生了巨大的社會效益和經(jīng)濟(jì)效益。 專家系統(tǒng)是一種基于知識的系統(tǒng)， 它從人類專家那里獲得知識，并用來解決只有專家才能解決的困難問題。 因此，可以這樣來定義專家系統(tǒng)：專家系統(tǒng)是一種具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗的程序系統(tǒng)， 它應(yīng)用人工智能技術(shù)、模擬人類專家求解問題的思維過程求解領(lǐng)域內(nèi)的各種問題， 其水平可以達(dá)到甚至超過人類專家的水平 3 。專家系統(tǒng)可以解決的問題一般包括解釋、預(yù)測、診斷、設(shè)計、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等， 預(yù)

26、報性能的專家系統(tǒng)也已經(jīng)從學(xué)術(shù)研究開始而進(jìn)入實際應(yīng)用研究。隨著人工智能整體水平的提高， 專家系統(tǒng)也獲得發(fā)展。 正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等根據(jù)目前人們的一般看法，不管是哪一種類型的專家系統(tǒng)，都應(yīng)具有如下的基本特征：具有專家水平的專門知識；具有符號處理能力；具有對一般問題求解的能力；具有一定的復(fù)雜度和難度；具有解釋功能；具有獲取知識的能力。圖 1 給出了一個專家系統(tǒng)的一般結(jié)構(gòu)，其中給出了專家系統(tǒng)必要的特性。在一個專家系統(tǒng)中，知識庫不僅是數(shù)據(jù)、事實和規(guī)則的總和，而且也包括用于描述物理關(guān)系的部分簡單模型。一個知識庫應(yīng)該達(dá)到下列要求：（ 1）將專家掌握的各種技術(shù)知識和訣竅編

27、制成文件和技術(shù)資料庫；（ 2）解除專家們重復(fù)性的日常工作負(fù)擔(dān)；（ 3）有一個支持專家們解決問題的外存儲器；（ 4）擴(kuò)大專家知識，以贏得更廣泛的用戶；（ 5）不受時間、地點限制地提供專業(yè)知識。8圖 1.專家系統(tǒng)的一般結(jié)構(gòu)采集專家知識的范圍不僅包括本課題的專家，而且還要咨詢來自不同操作部門的物理學(xué)家和工程師。例如對于軋鋼專家來說，還包括技術(shù)、鋼廠、質(zhì)量監(jiān)督和技術(shù)數(shù)據(jù)處理等部門， 以便將原來分散的專業(yè)知識相互聯(lián)系起來并使之系統(tǒng)化，同時將多個專家解決問題的策略加以比較并驗證專家知識。專家系統(tǒng)必須具有下列能力：（ 1）在一定環(huán)境下進(jìn)行通訊而沒有定義方面的沖突（對話部分） ；（ 2）包括數(shù)據(jù)、事實和規(guī)則等

28、知識的采集和管理 （知識采集系統(tǒng)和知識庫） ；（ 3）區(qū)分相關(guān)信息和不相關(guān)信息（對話部分和推論機(jī)制） ；（ 4）認(rèn)識問題和解決問題（對話部分和推論機(jī)制） ；（ 5）說明解決方法（說明部分） ；（ 6）專家系統(tǒng)主要是處理說明性知識，也就是說專家系統(tǒng)支持推論。2.1.2 專家系統(tǒng)的開發(fā)步驟 118一般專家系統(tǒng)的開發(fā)可分為7 個階段， 18 個步驟。步驟 1：決定對某個項目采用專家系統(tǒng)， 并組織開發(fā)隊， 確定開發(fā)目標(biāo)并得到項目經(jīng)理的承認(rèn)，初步確定開發(fā)體制和工作進(jìn)度表。（ 2）第二階段：知識的采集步驟 2：制定目標(biāo)計劃 , 承擔(dān)開發(fā)專家系統(tǒng)的知識工程師要理解該項目范疇內(nèi)的專業(yè)術(shù)語及該項目的概要情況。步

29、驟 3：知識的采集和整理。在詳細(xì)詢問專家并記錄下專家知識的同時 , 將這些知識加以整理 , 消除可能存在的矛盾 , 并防止知識的遺漏。步驟 4：確定開發(fā)工作的進(jìn)度表。在整理知識的基礎(chǔ)上 , 修改初步工作進(jìn)度表 , 同時研究確定各開發(fā)階段的必要性。（ 3）第三階段 : 解決問題方法的設(shè)計，這是開發(fā)專家系統(tǒng)的關(guān)鍵階段之一 , 包括四個步驟。步驟 5：數(shù)據(jù)來源的確認(rèn)和規(guī)定本專家系統(tǒng)推理結(jié)果的輸出條件和形式 , 確認(rèn)外圍系統(tǒng)和業(yè)務(wù)系統(tǒng)接口的主要條件。步驟 6：確定計算機(jī)處理的內(nèi)部程序 , 完成程序設(shè)計 , 并把經(jīng)過整理的專家知識納入此程序中。步驟 7：詳細(xì)設(shè)計解決問題的方案。包括設(shè)計解決基本問題的程序

30、 ( 前半部分 ), 和把它與控制系統(tǒng)所具有的控制機(jī)構(gòu)和知識表達(dá)方法結(jié)合起來形成解決具體問題的程序 ( 后半部分 ) 。步驟 8：合適工具的選定 , 在設(shè)計解決基本問題的程序的同時 , 選定合適的硬件 / 軟件工具。（ 4）第四階段：關(guān)鍵開發(fā)階段1）推理部分工具 , 包括四個步驟。步驟 9：確定與整個控制系統(tǒng)其它部分進(jìn)行數(shù)據(jù)通訊的格式。 決定推理部分和外圍系統(tǒng)接口的詳細(xì)內(nèi)容。步驟 10：數(shù)據(jù)結(jié)構(gòu)的設(shè)計。 在知識處理中 , 決定所使用數(shù)據(jù)的預(yù)處理方法和在知識庫中數(shù)據(jù)表達(dá)方法。步驟 11：完成推理部分的制作。 規(guī)定程序設(shè)計規(guī)則、 推理部分的功能 , 完成詳細(xì)設(shè)計和具體制作。步驟 12：推理部分的試

31、驗。將和控制系統(tǒng)的其它部分進(jìn)行通訊的格式包括進(jìn)來 , 進(jìn)行推理部分的試驗 , 以證明所設(shè)計專家系統(tǒng)的實用性。2) 輔助部分工具 , 包括兩個步驟。步驟 13：建立樣機(jī)系統(tǒng)。將所開發(fā)的專家系統(tǒng)轉(zhuǎn)換到與最終控制對象的范圍和動作條件相吻合的目標(biāo)系統(tǒng)上來。步驟 14：輔助部分的設(shè)計與制作。 這里所說的輔助部分 , 包括主系統(tǒng)方面的前處理和后處理 , 是根據(jù)原系統(tǒng)的設(shè)計和制作順序開發(fā)的。（ 5）第五階段：系統(tǒng)測試步驟 15：系統(tǒng)測試。測試方法和其它系統(tǒng)一樣 , 想象使用時的情況和條件 , 用真實數(shù)據(jù)進(jìn)行測試。（ 6）第六階段：試運行和性能評價步驟 16：現(xiàn)場試驗。以用戶為主 , 在實際運行條件下 , 運

32、用所開發(fā)的專家系統(tǒng)來檢驗其實用性和可靠性。步驟 17: 向?qū)嶋H運行的過渡做好準(zhǔn)備 , 制定在實際運行條件下系統(tǒng)的維護(hù)管理規(guī)劃。（ 7）第七階段：實際運行階段步驟 18：在實際運行過程中 , 系統(tǒng)開發(fā)人員的責(zé)任就是對系統(tǒng)進(jìn)行維護(hù)和管理。2.1.3 應(yīng)用實例專家系統(tǒng)在軋鋼領(lǐng)域得到了廣泛的應(yīng)用，現(xiàn)在已經(jīng)開發(fā)出不銹鋼帶鋼軋機(jī)的軋制規(guī)程設(shè)定與控制專家系統(tǒng)； 工字鋼孔型設(shè)計專家系統(tǒng)、 帶材厚度精度診斷專家系統(tǒng)；板形控制專家系統(tǒng)； 棒材生產(chǎn)線生產(chǎn)節(jié)奏控制專家系統(tǒng)； 熱軋鋼材組織和性能預(yù)測及控制專家系統(tǒng)、板坯管理專家系統(tǒng)；板卷傳送專家系統(tǒng)等6-16 。軋鋼機(jī)是復(fù)雜的機(jī)械設(shè)備，過程參數(shù)的正確設(shè)定存在一定的難度。

33、比利時ARBED 公司開發(fā)的專家系統(tǒng)可以根據(jù)產(chǎn)品的種類和鋼種，給出最佳設(shè)定參數(shù)的建議，而且可以在發(fā)現(xiàn)幾何缺陷時給出如何處理的建議。加拿大STELCO 公司用在五機(jī)架串聯(lián)式冷軋機(jī)上的專家系統(tǒng)也是幫助工作人員設(shè)定過程參數(shù)。比較使用專家系統(tǒng)前后的操作結(jié)果， 發(fā)現(xiàn)專家系統(tǒng)的作用非常明顯： 頭批帶卷廢品頭的重量平均減少了 25%；頭批帶卷以后的軋制速度平均提高了 12%。并且專家系統(tǒng)還可以用于培訓(xùn)工人， 培訓(xùn)需要的時間從幾年減少到幾個月。 專家系統(tǒng)還應(yīng)用于設(shè)備的維護(hù)。1989年初安裝在阿根廷 Propulsora Siderurgica冷軋廠的專家系統(tǒng)，推理速度很快，可以把發(fā)現(xiàn)故障的時間縮短為原來的 1

34、/512 。芬蘭 Rautaruukki 公司開發(fā)出制定生產(chǎn)計劃的專家系統(tǒng)，利用它可以找出生產(chǎn)中的限制性環(huán)節(jié)。日本川崎公司應(yīng)用專家系統(tǒng)為無縫鋼管的軋制作業(yè)制定計劃，用時由原來的2 天左右縮短為 12 小時。美國 USX 公司于 1990 年引進(jìn)美國西北大學(xué)鋼資源中心研制的鋼板軋機(jī)作業(yè)計劃專家系統(tǒng)，用于Gary 廠，也得到比較滿意的效果12。（ 1）工字鋼孔型設(shè)計專家系統(tǒng)13工字鋼在軋制過程中， 斷面各部分變形不均勻， 變形不同時，變形過程復(fù)雜。由于涉及的參數(shù)眾多、考慮的因素復(fù)雜，因此以手工設(shè)計工字鋼孔型系統(tǒng)難度大，雖然已開發(fā)出工字鋼 CARD 軟件，但通過該軟件設(shè)計孔型時，還需要有豐富設(shè)計經(jīng)驗

35、的設(shè)計者， 通過人機(jī)對話的方式進(jìn)行設(shè)計參數(shù)的選擇和修改， 才能滿足生產(chǎn)要求。北京科技大學(xué)吳龍翔、楊覺先等開發(fā)的工字鋼孔型設(shè)計專家系統(tǒng)，其總體結(jié)構(gòu)如圖 2 所示。該系統(tǒng)功能如下：設(shè)計新孔型。 可以選擇直軋孔型系統(tǒng)、直邊斜軋孔型系統(tǒng)、 直軋直邊斜軋孔型系統(tǒng)、 直軋彎邊斜軋直邊斜軋孔型系統(tǒng)等孔型系統(tǒng)中的任一種進(jìn)行設(shè)計。 繪圖功能。 可以繪出標(biāo)有尺寸的孔型樣板圖、 配輥圖、軋件與孔型重疊圖和軋件咬入狀況圖。優(yōu)化功能。 可用專家啟發(fā)性知識進(jìn)行多目標(biāo)優(yōu)化， 得到滿足多個目標(biāo)的優(yōu)化解。 解釋功能。 能對系統(tǒng)的設(shè)計過程進(jìn)行解釋。 輸入防錯糾錯功能?？墒拐`操作不引起系統(tǒng)中斷。記憶功能。 該系統(tǒng)經(jīng)現(xiàn)場應(yīng)用 圖 2

36、.工字鋼專家系統(tǒng)的總體結(jié)構(gòu)結(jié)果表明：工字鋼孔型設(shè)計專家系統(tǒng)能夠自動設(shè)計出合理的孔型， 能夠進(jìn)行啟發(fā)式多目標(biāo)優(yōu)化， 得到滿意解， 可以使咬入角、軋制力、軋制力矩得到良好的均衡效果， 有利于提高軋制過程的穩(wěn)定性和降低能耗。（ 2）熱軋鋼材組織和性能預(yù)測及控制專家系統(tǒng) 14 。除化學(xué)成分外，熱軋工藝參數(shù)是影響熱軋鋼材組織和性能的關(guān)鍵因素，對某一特定鋼種， 可以通過改變軋制工藝參數(shù)改變其組織和性能。 鋼材熱軋已從單純的為獲得所需形狀和尺寸的分方向發(fā)展成性能控制塑性加工。 但是以外的熱軋工藝參數(shù)與組織性能的關(guān)系是通過大量實驗室和現(xiàn)場試驗而得到的，需大量人力、物力和財力及時間， 且有局限性；如需進(jìn)一步提高

37、鋼材強(qiáng)韌性， 開發(fā)新品種，就必須再進(jìn)行有關(guān)試驗工作； 再則，在生產(chǎn)過程中并不能對熱軋鋼材組織和性能進(jìn)行實時控制（開環(huán)或閉環(huán)） ，因此利用高速計算機(jī)應(yīng)用技術(shù)，建立熱軋鋼材組織和性能預(yù)測及控制專家系統(tǒng)（也稱計算機(jī)輔助組織和性能預(yù)測及控制技術(shù)，即Computer AidedStructure/Property Prediction and Control ，簡稱CASPPC），是當(dāng)前軋鋼技術(shù)發(fā)展的重要內(nèi)容之一。CASPPC 是在物理冶金理論、 軋制理論及計算機(jī)應(yīng)用技術(shù)獲得可喜進(jìn)展的基礎(chǔ)上建立起來的，是以采用建立在物理冶金理論基礎(chǔ)上的一系列數(shù)學(xué)模型而發(fā)展起來的計算機(jī)預(yù)測和控制技術(shù)。 CASSPPC 技

38、術(shù)對離線熱軋生產(chǎn)程序的最優(yōu)化或在線生產(chǎn)工藝參數(shù)的精確控制等是一項極其有用的新技術(shù)，可以使軋鋼學(xué)科得到進(jìn)一步發(fā)展。CASPPC 技術(shù)的組織與功能： 該專家系統(tǒng)通常由軋制、相變和性能三個模塊組成，如圖 3 所示：圖 3. CASPPC 技術(shù)的組成軋制模塊用于推定鋼材加熱和熱軋過程中奧氏體組織狀態(tài)的變化、 微合金元素的固溶作用和析出行為， 它是由晶粒長大、 回復(fù)和再結(jié)晶、析出三個子模塊組成，如圖4所示。因為微量元素的固溶、 析出行為對回復(fù)和再結(jié)晶行為有明顯的影響， 所以要求這三個子模型必須有機(jī)地結(jié)合。相變模塊是根據(jù)軋制模塊推出的奧氏體晶粒直徑、 再結(jié)晶百分?jǐn)?shù)、 加工硬化程度等信息，分析軋后連續(xù)冷卻過

39、程中奧氏體向鐵素體、珠光體和貝氏體相變的行為， 并通過熱力學(xué)模型、 形核速率模型、 長大速率模型，隨時計算各種轉(zhuǎn)變相的體積膨脹率，推圖 4軋制模塊的組成定軋后冷卻時的相變速率和最終成品的組織，如圖 5 所示。性能模塊根據(jù)相變模塊推出的最終成品組織推定熱軋鋼材的最終力學(xué)性能， 包括屈服強(qiáng)度、抗拉強(qiáng)度、延伸率和韌性。CASPPC 技術(shù)可以有不同的應(yīng)用方式，即離線預(yù)測、 在線預(yù)測、在線控制和化學(xué)成分及工藝參數(shù)設(shè)計與優(yōu)化等。離線預(yù)測是CASPPC 技術(shù)的最基本的應(yīng)用方式。 專家系統(tǒng)建立后，只要輸入化學(xué)成分、 加工和冷卻條件，所軋產(chǎn)品的組織變化和最終力學(xué)性能都可以預(yù)測出來，并且可以繪制 TTT 和 CC

40、T曲線，這樣就節(jié)約了常規(guī)實驗手段所需的時間和資金。同時也可通過離線預(yù)測軟件的反復(fù)運算，對新鋼種進(jìn)行設(shè)計和優(yōu)化。 在線預(yù)測、在線控制是 CASPPC 技術(shù)在線應(yīng)用的兩個階段。在線預(yù)測是指在線對成品長向與寬向（對板材）性能進(jìn)行預(yù)測，從而節(jié)約實際檢測時間。這對板卷的生產(chǎn)特別適用， 因為通常只檢測板帶卷頭尾兩端的性能， 而板卷中間部分的性能則難于測試與保證。 日本和圖 5.相變模塊的組成韓國（浦項鋼鐵有限公司） 都已建立了鋼板組織和性能在線預(yù)測的生產(chǎn)線。在線控制是CASPPC 技術(shù)的最終目標(biāo)。需要軋制參數(shù)的在線檢測和精確的模型及反應(yīng)迅速的計算機(jī)系統(tǒng)。在此階段，可以在生產(chǎn)過程中對熱軋過程中對熱軋鋼材組織

41、和性能進(jìn)行實時控制，從而減少鋼材組織和提高生產(chǎn)率，與其它技術(shù)相結(jié)合，可以實現(xiàn)軋制力的精確預(yù)報。 圖 6 是 CASPPC 技術(shù)實際應(yīng)用圖示。圖 6. CASPPC 技術(shù)在熱軋帶鋼生產(chǎn)中的應(yīng)用（ 3） 帶鋼厚度偏差診斷與監(jiān)控專家系統(tǒng) 10由東北大學(xué)軋制技術(shù)及連軋自動化國家重點實驗室開發(fā)的帶鋼厚度偏差診斷與監(jiān)控專家系統(tǒng) (Thickness Deviation Diagnosis and Supervision Expert System 系統(tǒng)，簡稱 TDD-ES 系統(tǒng) )，在對現(xiàn)場數(shù)據(jù)進(jìn)行分析處理的基礎(chǔ)上，利用對厚差曲線的頻譜分析，對厚度偏差的來源及特征作出及時診斷。為了向建立的專家系統(tǒng)提供軋制

42、信息， 開發(fā)了熱連軋精軋機(jī)組數(shù)據(jù)采集及信息處理系統(tǒng)。 通過傳感器采集過程數(shù)據(jù)、 工藝設(shè)定數(shù)據(jù)、 軋機(jī)設(shè)備參數(shù)和鋼板參數(shù)等，為生產(chǎn)過程的優(yōu)化、診斷、模擬和監(jiān)控提供支撐服務(wù)。主要檢測精軋機(jī)組各架軋制力、輥縫、速度、電流、活套角度、出口左和寬差等值。對數(shù)據(jù)采集系統(tǒng)得到的檢測數(shù)據(jù)和過程控制數(shù)據(jù)進(jìn)行高通、 低通濾波，對軋件頭尾溫差趨勢項進(jìn)行處理， 對所得的厚差曲線數(shù)據(jù)用改進(jìn)的富氏變換進(jìn)行頻譜分析，根據(jù)其頻譜特點來診斷帶鋼厚度偏差的原因。用于現(xiàn)場診斷的實例表明，厚差曲線的高頻分量， 恰與支撐輥的旋轉(zhuǎn)速度相對應(yīng)， 而其低頻分量恰與加熱爐內(nèi)水管的距離相對應(yīng)。 這就有力的說明， 厚差的高頻部分是由于支撐輥的偏心

43、引起的，而低頻部分是加熱水印引起的。 本專家系統(tǒng)的診斷結(jié)果， 可以對現(xiàn)場生產(chǎn)中加熱制度改進(jìn)、換輥時間的確定等操作要素提供指導(dǎo)。目前 TDD-ES 系統(tǒng)已經(jīng)在熱軋帶鋼生產(chǎn)線得到應(yīng)用， 并在提高熱軋帶鋼厚度精度方面發(fā)揮了作用。2.2 神經(jīng)網(wǎng)絡(luò)在軋制中的應(yīng)用2.2.1 概述隨著社會不斷的進(jìn)步和科學(xué)技術(shù)突飛猛進(jìn)的發(fā)展，人們對鋼鐵產(chǎn)品的質(zhì)量要求越來越嚴(yán)格， 我國鋼鐵產(chǎn)品的標(biāo)準(zhǔn)也逐漸向國際先進(jìn)標(biāo)準(zhǔn)看齊。 為了提高產(chǎn)品質(zhì)量、降低成本， 使我國的冶金企業(yè)的生產(chǎn)水平盡早達(dá)到國際先進(jìn)水平， 滿足國際國內(nèi)鋼鐵市場激烈競爭的需求， 在軋鋼生產(chǎn)過程中， 越來越多的現(xiàn)代化技術(shù)已得到應(yīng)用， 如軋制過程的自動控制， 產(chǎn)品性能

44、的預(yù)報等等， 為產(chǎn)品質(zhì)量的提高提供了條件。所有這些技術(shù)的成功應(yīng)用都是建立在許許多多的數(shù)學(xué)模型的基礎(chǔ)之上的，如果沒有一個比較切合實際的數(shù)學(xué)模型， 這些過程就很難實施。 因此對于一個冶金工作者來說， 針對生產(chǎn)的實際情況， 尋找符合實際的數(shù)學(xué)模型是一步很重要的工作。傳統(tǒng)的數(shù)學(xué)模型大多數(shù)是建立在前人大量的實驗基礎(chǔ)之上的，而且大多數(shù)都是屬于經(jīng)驗共識， 其適用范圍也比較窄， 計算的精度比較低。 隨著技術(shù)的發(fā)展，這些數(shù)學(xué)模型很難滿足生產(chǎn)的要求。 軋鋼系統(tǒng)是一個很復(fù)雜的系統(tǒng)， 多個因素之間相互影響、 相互制約，他們之間的關(guān)系相當(dāng)復(fù)雜， 而且有些關(guān)系結(jié)構(gòu)是不確定的，他們是隨著生產(chǎn)條件的變化而變化。所以，采用傳統(tǒng)

45、的模型方法，即采用在實驗的基礎(chǔ)上建立確定的數(shù)學(xué)模型結(jié)構(gòu)， 然后再直接用在生產(chǎn)過程中， 通過在生產(chǎn)中調(diào)整數(shù)學(xué)模型中的一些參數(shù)來對生產(chǎn)過程進(jìn)行控制的建模方法。 這樣的模型的建立過程往往事先進(jìn)行了很多的假設(shè)， 計算精度低，甚至可能得出錯誤的結(jié)果，給企業(yè)帶來很大的損失。人工神經(jīng)網(wǎng)絡(luò)是模擬腦神經(jīng)傳遞信息的方法建立起來的一種人工智能的模式識別方法，具有自學(xué)習(xí)、自組織、自適應(yīng)和非線性動態(tài)處理等特性，為解決非線性系統(tǒng)及模型未知系統(tǒng)的預(yù)測和控制，提供了一種新的途徑。人工神經(jīng)網(wǎng)絡(luò) (ANN) 在軋制領(lǐng)域中所應(yīng)用的神經(jīng)網(wǎng)絡(luò)實際上是一組計算機(jī)程序， 這組程序提供了一套具有記憶功能的算法， 能夠?qū)Υ嬖谝蚬P(guān)系的事物根據(jù)

46、輸入條件的變化來預(yù)測結(jié)果。人工神經(jīng)網(wǎng)絡(luò)根據(jù)其網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)規(guī)則可分為很多的種類，其中應(yīng)用最廣泛的是 BP 神經(jīng)網(wǎng)絡(luò)。在實際應(yīng)用中，人工神經(jīng)網(wǎng)絡(luò)（ BP 網(wǎng)絡(luò)）主要有兩個方面的用途： 用于模式識別； 用于非線性系統(tǒng)的函數(shù)擬合。 這兩個方面的用途在軋鋼領(lǐng)域都得到了比較成功的應(yīng)用。一般來說，在金屬軋制過程中，有以下幾方面可以應(yīng)用神經(jīng)網(wǎng)絡(luò)6 ：（ 1）過程模型。當(dāng)積累了足夠的生產(chǎn)過程歷史數(shù)據(jù)之后，就可以利用神經(jīng)網(wǎng)絡(luò)建立精確的神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。（ 2）過程優(yōu)化。一旦建立起過程模型，就可以用來確定達(dá)到優(yōu)化目的所需要的優(yōu)化的過程變量設(shè)置點。（ 3）開環(huán)咨詢系統(tǒng)。如果將神經(jīng)網(wǎng)絡(luò)模型與簡單的專家系統(tǒng)結(jié)合起來，網(wǎng)

47、絡(luò)從實時數(shù)據(jù)得到的優(yōu)化結(jié)果可以顯示給工程的操作人員，操作人員可以改變操作參數(shù)以避免過程失常。（ 4）產(chǎn)品質(zhì)量預(yù)測。一般工廠只能在產(chǎn)品完成一段時間后，才能從實驗室里得到產(chǎn)品的質(zhì)量檢驗結(jié)果，而神經(jīng)網(wǎng)絡(luò)模型可以實現(xiàn)在線預(yù)測產(chǎn)品質(zhì)量，并及時調(diào)整過程參數(shù)。（ 5）可預(yù)測的多變量統(tǒng)計過程控制。網(wǎng)絡(luò)模型可用來觀察所有有疑問的變量對統(tǒng)計過程控制器（ SPC）所設(shè)置的控制點的影響。采用多變量控制，可以精確預(yù)測 SPC 圖上的未來幾個點的位置， 可以較早地預(yù)測過程失誤的可能性。（ 6）預(yù)測設(shè)備維修計劃。設(shè)備在連續(xù)使用中性能要降低。用神經(jīng)網(wǎng)絡(luò)可以監(jiān)測設(shè)備性能，預(yù)測設(shè)備實效的可能時間，以制定設(shè)備維修計劃。（ 7）傳感

48、器監(jiān)測?？捎蒙窠?jīng)網(wǎng)絡(luò)監(jiān)測實效的傳感器，并提供失效警報，而且當(dāng)重新安裝傳感器后，網(wǎng)絡(luò)可以提供合適的重新設(shè)置值。（ 8）閉環(huán)實時控制。網(wǎng)絡(luò)模型可以對復(fù)雜的閉環(huán)實時控制問題給出解決方法，預(yù)測和優(yōu)化非常迅速，可以用于實時閉環(huán)控制。2.2.2 神經(jīng)網(wǎng)絡(luò)的應(yīng)用實例在實際生產(chǎn)過程中，神經(jīng)網(wǎng)絡(luò)在熱帶鋼連軋機(jī)控制、微合金鋼熱軋奧氏體晶粒尺寸及流變應(yīng)力模型、 冷軋軋制力的預(yù)測、 熱連軋精軋機(jī)組帶鋼寬度變化預(yù)測、熱變形中屈服應(yīng)力的預(yù)測、 軋輥偏心的識別、 板形板厚綜合控制等方面都得到了廣泛的應(yīng)用 16-31。（ 1）人工神經(jīng)網(wǎng)絡(luò)在軋制過程控制方面的應(yīng)用現(xiàn)代的板帶鋼生產(chǎn)工藝都采用連軋的方式，軋制力預(yù)報是連軋精軋機(jī)組計

49、算機(jī)設(shè)定模型的核心， 其預(yù)報精度直接影響輥縫的設(shè)定。 軋制力預(yù)報涉及一些非線性模型，包括溫降模型、變形抗力模型、應(yīng)力狀態(tài)模型等等。因此，采用傳統(tǒng)設(shè)定模型的方法， 各個模型系數(shù)的建立需要采集大批的數(shù)據(jù)， 在預(yù)先建立的模型的基礎(chǔ)上，進(jìn)行非線性回歸來確定， 因用于統(tǒng)計的數(shù)據(jù)不可能是同一環(huán)境下的數(shù)據(jù)，故回歸所得模型對于環(huán)境變動具有平均性。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)、高度非線性擬合的優(yōu)點，因此能提高預(yù)測的精度，采用一個三層的 BP 網(wǎng)絡(luò)對各架軋機(jī)的軋制力進(jìn)行了離線和在線的學(xué)習(xí)預(yù)報，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)的預(yù)報結(jié)構(gòu)比采用傳統(tǒng)的模型法的預(yù)報結(jié)果精度高，而且神經(jīng)網(wǎng)絡(luò)的預(yù)報具有在線自適應(yīng)的能力 32 。在精軋

50、機(jī)組負(fù)荷分配方面， 采用具有兩層隱含層的 BP 網(wǎng)絡(luò)，對精軋機(jī)組的負(fù)荷分配進(jìn)行識別，與傳統(tǒng)的能耗法負(fù)荷分配相比，神經(jīng)網(wǎng)絡(luò)的方法更加準(zhǔn)確、高速、簡便易行，可以排除人的主觀性， 而且可以根據(jù)生產(chǎn)實際情況進(jìn)行動態(tài)調(diào)整，能更好地適應(yīng)生產(chǎn)的變化。鋼材的力學(xué)性能的預(yù)測是一個很復(fù)雜的問題， 它的影響因素很多， 采用傳統(tǒng)的回歸模型的方法進(jìn)行預(yù)測， 由于有些因素的影響是非線性的， 其模型結(jié)構(gòu)很難確定，最終的預(yù)測精度就很難保證。 采用神經(jīng)網(wǎng)絡(luò)的方法對軋后機(jī)械性能進(jìn)行預(yù)報，其精度高，簡化了人工設(shè)定模型的工作，能夠達(dá)到預(yù)期的目的33-34 。（ 2）軋制力的高精度 ANN 預(yù)報 10提高軋制力預(yù)報精度對提高設(shè)定精度及

51、第一塊鋼和帶鋼頭部的命中率都具有重要意義。軋制力直接影響到負(fù)荷分配、 AGC 和 AFC 等環(huán)節(jié)，是所有軋制參數(shù)中最為活躍的參數(shù)。過去利用傳統(tǒng)軋制理論已經(jīng)使軋制力的計算精度有了大幅度的提高，但是仍然不能滿足用戶對產(chǎn)品質(zhì)量越來越嚴(yán)格的要求。沿用修正數(shù)學(xué)模型的方法來提高軋制力計算精度的傳統(tǒng)做法已很難再有大幅度的提高，人工智能則為之開辟了一條新途徑。采用數(shù)學(xué)模型 (MM) 與神經(jīng)網(wǎng)絡(luò) (ANN) 相結(jié)合方法，用數(shù)學(xué)模型的預(yù)報作為基值，用 ANN 作為數(shù)學(xué)模型計算誤差的實時補(bǔ)償， 兩者組成一個智能糾偏網(wǎng)絡(luò)，用于預(yù)報軋制力。利用該 ANN 網(wǎng)絡(luò)，對某廠熱軋帶鋼精軋機(jī)組進(jìn)行軋制力 MM+ANN 的預(yù)測，輸

52、入?yún)⒘繛檐埣某煞?、寬度、厚度、變形量、溫度、軋制速度等，輸出為精軋機(jī)組 7 個機(jī)架的軋制力。（ 3） 基于神經(jīng)網(wǎng)絡(luò)的微合金鋼熱軋奧氏體晶粒尺寸及流變應(yīng)力模型文獻(xiàn) 15 ，19 基于神經(jīng)網(wǎng)絡(luò)原理，對微合金鋼熱軋控制參數(shù)的選取進(jìn)行了研究。首先，制定了一套獲取樣本數(shù)據(jù)的實驗方案。該方案利用 Gleeble-1500 熱力模擬機(jī)提取了軋制溫度、 應(yīng)變量、應(yīng)變速率和相應(yīng)的應(yīng)力應(yīng)變曲線， 并通過顯微觀察獲取了實驗后樣品斷面的奧氏體晶粒尺寸。 通過歸一化把實驗所得數(shù)據(jù)進(jìn)行必要的處理。采用 BP 算法訓(xùn)練網(wǎng)絡(luò)，對熱軋控制參數(shù) (軋制溫度、應(yīng)變量、應(yīng)變速率 )和描述微合金鋼組織性能的參數(shù) ( 奧氏體晶粒尺寸及

53、流變應(yīng)力 )之間的映射關(guān)系進(jìn)行了函數(shù)逼近， 建立了奧氏體晶粒尺寸及流變應(yīng)力神經(jīng)網(wǎng)絡(luò)模型。 實踐證明，將該神經(jīng)網(wǎng)絡(luò)模型運用于熱軋控制預(yù)報， 提高了預(yù)測精度并取得較好的效果?？刂栖堉频闹饕康氖强刂栖堉七^程中產(chǎn)品顯微組織的演化，從而改進(jìn)其綜合機(jī)械性能， 獲得高強(qiáng)度、 高韌性和良好的焊接性能。 為使結(jié)構(gòu)鋼獲得良好的性能，最好的方法是使鋼的晶粒細(xì)化。 在熱變形過程中， 奧氏體晶粒尺寸及流變應(yīng)力的變化直接決定著熱軋后鋼材的組織性能。 因此，決定熱軋過程中奧氏體晶粒尺寸及流變應(yīng)力的軋制控制參數(shù)的選取就成為控制軋制的前提條件。 所以，熱軋過程中軋制溫度、 應(yīng)變量、應(yīng)變速率等軋制參數(shù)選取的預(yù)報系統(tǒng)是熱軋鋼質(zhì)量保障體系的核心。 由于微合金鋼在熱軋過程中的組織演變非常復(fù)雜， 近年來國內(nèi)外對熱軋鋼組織性能預(yù)報的研究遇到極大的困難， 尤其是找不到一個有效的數(shù)學(xué)模型來模擬熱軋過程。以往在材料科學(xué)中，多數(shù)情況下無法建立完整精確的理論模型，只能借助于回歸獲得一些經(jīng)驗公式來滿足工程技術(shù)上的需要，但回歸公式存在著局限性，它依賴于回歸方法， 使用不同的回歸方法可以獲得不同的經(jīng)驗公式，這將導(dǎo)致經(jīng)驗公式的繁多和不一致性；其次，當(dāng)輸入輸出變量多、作用復(fù)雜時，回歸公式無法完全再現(xiàn)實驗數(shù)據(jù)， 并且無法處理離散的數(shù)據(jù)。 而神經(jīng)網(wǎng)絡(luò)卻可以避免這些問題，它建立起的數(shù)學(xué)模型更能精確的逼近輸入與輸出之