人工智能技術(shù)在軋制中的應(yīng)用

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)進(jìn)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)科以及正在迅速進(jìn)展的學(xué)科。它是在計算機科學(xué)、操縱論、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)上進(jìn)展起來的，因此又能夠把它看作是一門綜合性的邊緣學(xué)科。它要緊研究如何用機器（計算機）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，并得到了專門高的評價。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)革命后的又一次革命，并稱前三次工業(yè)革命要

2、緊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，信息正在往常所未有的速度膨脹，信息和知識已成為人們的一個熱門話題。然而，在那個話題的背后還蘊含著另外一個更深層的問題智能。一般講來，信息是由數(shù)據(jù)所表達(dá)的客觀事實，知識是信息通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特不龐大，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一個重大課題。必須開發(fā)那種由機器實現(xiàn)的人工智能，就

3、像在工業(yè)社會人類需要用機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。人工智能的前景是特不誘人的，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)者依照對它的已有認(rèn)識所作的一些不同解釋。它是一個含義專門廣的詞語，在其進(jìn)展工程中，具有不同學(xué)科背景的人工智能學(xué)者

4、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，能夠從“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，人工智能是相關(guān)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器（計算機）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，能夠?qū)⑷斯ぶ悄芏x為：人工智能是一門研究如何構(gòu)造智能機器（智能計算機）或智能系統(tǒng)，使它能模擬、延伸、擴(kuò)展人類智能的學(xué)科。通俗地講，人工智能確實是要研究如何使機器具有能聽、會講、能看、會寫、能思維、會學(xué)習(xí)、能適應(yīng)環(huán)境變化

5、、能解決各種面臨的實際問題等功能的一門學(xué)科?？傊且箼C器能做需要人類智能才能完成的工作，甚至比人更高超3-4。1.2人工智能的研究目標(biāo)1-5關(guān)于人工智能的研究目標(biāo)，目前還沒有一個統(tǒng)一的講法，1978年，索羅門（A.Sloman）對人工智能給出了以下三個要緊目標(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理和智能構(gòu)造技術(shù)的研究。揭示人類智能的全然機理，用智能機器去模擬、延伸和擴(kuò)展人類智能應(yīng)該是人工智能研究的全然目標(biāo)，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)、計算機科學(xué)、系統(tǒng)科學(xué)、操縱論及微電子等多種學(xué)科，并有

6、賴于這些學(xué)科的共同進(jìn)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)有的計算機更聰慧，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、考慮、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)，人們需要依照現(xiàn)有計算機的特點，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)會隨人工智能的進(jìn)展而變化，并最終達(dá)到遠(yuǎn)期目標(biāo)。

7、1.3人工智能的產(chǎn)生與進(jìn)展2-5人工智能那個術(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，差不多有四十多年的歷史了。回憶其產(chǎn)生與進(jìn)展過程，可大致分為孕育、形成、知識應(yīng)用、綜合集成這四個時期。孕育期（1956年之前）：在人工智能誕生之前世界上的一些聞名科學(xué)家就差不多創(chuàng)立了數(shù)理邏輯、自動機理論、操縱論和信息論，并發(fā)明了通用電子數(shù)字計算機，這些成就差不多為人工智能的產(chǎn)生預(yù)備了必要的思想、理論和物質(zhì)技術(shù)條件。形成期（1956-1970年）：1956年夏季，包括數(shù)學(xué)家、計算機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)和計算機科學(xué)方面的杰出年輕科學(xué)家，在一起共同探討了

8、用機器模擬人類智能的有關(guān)問題，并由麥卡錫提議正式采納了“人工智能AI（Artificial Intelligence）”這一術(shù)語。從而，一個以研究如何用機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，在美國專門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年那個小組研制了一個稱為邏輯理論機（Logic Theory Machine, 簡稱LT）的數(shù)學(xué)定理邏輯證明程序。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

9、機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，該程序能夠從棋譜中學(xué)習(xí)，也能夠在下棋過程中積存經(jīng)驗、提高棋藝，這是用機器模擬人類學(xué)習(xí)過程的一次成功探究，其要緊貢獻(xiàn)在于發(fā)覺了啟發(fā)式搜索是表現(xiàn)智能行為的最差不多機制。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，該語言不僅能夠處理數(shù)值，而且能夠方便地處理符號，作為建筑智能系統(tǒng)的重要語言工具在人工智能領(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，推動了人工智能的進(jìn)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

10、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。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)。在機器學(xué)習(xí)、定理證明、問題求解、機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、懷疑和批判。在這種極其困

11、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。通過認(rèn)確實反思、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)人同意。從此，人工智能的研究又迎來了蓬勃進(jìn)展的新時期，即以知識為中心的時期，為人工智能的進(jìn)展開發(fā)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)等都有了快速進(jìn)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

12、計算機技術(shù)的飛速進(jìn)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、知識獵取困難、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)用型進(jìn)展。大型專家系統(tǒng)開發(fā)采納了多種人工智能語言、多種知識表示方法、多種推理機制和多種操縱策略相結(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)

13、環(huán)境和分布式環(huán)境下的多智能體協(xié)同系統(tǒng)等方向進(jìn)展。盡管如此，從目前來看，人工智能仍處于學(xué)科進(jìn)展的早期時期，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究。1.4人工智能研究的差不多內(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，在人工智能的不同進(jìn)展時期，研究的側(cè)重面也有區(qū)不，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)討論人工智能的差不多研究內(nèi)容。結(jié)合人工智能的遠(yuǎn)期目標(biāo)，認(rèn)為人工智能的差不多研究內(nèi)容應(yīng)包

14、括機器感知、機器思維、機器學(xué)習(xí)、機器行為、智能系統(tǒng)及智能計算機的構(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)于它的研究途徑要緊有兩種不同的觀點。一種觀點主張用生物學(xué)的方法進(jìn)行研究，搞清晰人類智能的本質(zhì)；另一種觀點主張通過運用計算機科學(xué)的方法進(jìn)行研究，實現(xiàn)人類智能在計算機上的模擬。前一種方法稱為以網(wǎng)絡(luò)連接為主的連接機制方法，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)機器智能，而計算機自身具有符號處理的推算

15、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，在已知差不多規(guī)則的情況下，無需大量的細(xì)節(jié)知識。便于模塊化，當(dāng)個不事實發(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?？蓪ν评斫Y(jié)論作出合理解釋，便于對各種可能性進(jìn)行選擇。然而，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

16、是決定性的作用。人的感知過程要緊是形象思維，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，其有效性在專門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)連接為主的連接機制方法以網(wǎng)絡(luò)連接為主的連接機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)的啟發(fā)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

17、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)元及其連接機制著手進(jìn)行研究，搞清晰大腦的結(jié)構(gòu)以及它進(jìn)行信息處理的過程與機理，揭示人類智能在機器上的模擬。該方法的要緊特征是：通過神經(jīng)元之間的并行協(xié)同作用實現(xiàn)信息處理，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，因而能夠?qū)崿F(xiàn)聯(lián)想功能，關(guān)于帶有噪聲、缺損、變形的信息能進(jìn)行有效的處理，取得比較中意的結(jié)果。通過神經(jīng)元間連接強度的動態(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，能夠比較快地求得一個近似解。然而，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

18、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)集成由上面的討論能夠看出，符號方法與連接機制方法各有長短。符號方法善于模擬人的邏輯思維過程，求解問題時，假如問題有解，它能夠準(zhǔn)確地求出最優(yōu)解，然而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。連接機制方法善于模擬人的形象思維過程求解問題，由于它能夠并行處理，因而能夠比較快地得到解，但解一般是近似的、次優(yōu)的；另外連接機制方法求解問題過程是隱式的，難以對

19、求解過程給出顯式的解釋。在這一情況下，假如能將兩者結(jié)合起來，就可達(dá)到取長補短的目的。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。一般來講，人在求解問題時差不多上兩種思維方式并用的，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)行認(rèn)確實論證或搜索，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)合起來的途徑要緊有兩種：一種是結(jié)合，即兩者分不保持原來的結(jié)構(gòu)，但緊密合作，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

20、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)格的要求越來越嚴(yán)格。操縱和系統(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年代開始將計算機應(yīng)用在信息采集和集中處理方面。到了7080年代，計算機被用于高爐、轉(zhuǎn)爐、連鑄機、加熱爐、軋鋼等的過程操縱。為了提高操縱的水平和實現(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年就差不多開發(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

21、等幾乎所有要緊產(chǎn)鋼國都差不多采納或者正在研制各種AI系統(tǒng)。近年來隨著社會進(jìn)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)差不多達(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)行操縱，試驗室中一般鋼的晶粒尺寸差不多能夠操縱在1m左右，工業(yè)規(guī)模生產(chǎn)中差不多獲得了晶粒尺寸在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，這就為軋制過程的操縱進(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)峻過剩，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

22、善經(jīng)營治理6?，F(xiàn)代金屬軋制過程特不是連軋過程的操縱特不復(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。從操縱的角度來看，金屬軋制過程具有典型的多變量、非線性、強耦合特征。回憶軋制理論的進(jìn)展歷程，假如講20世紀(jì)30年代卡爾曼（Kraman）理論及其后繼的工程法（Slab Method）為軋制理論的進(jìn)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

23、的廣泛應(yīng)用能夠講為軋制理論與技術(shù)的進(jìn)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)生了的情況。它不是從差不多原理動身，而是以事實和數(shù)據(jù)作依照，來實現(xiàn)對過程的優(yōu)化操縱。人工智能在軋制領(lǐng)域中的應(yīng)用其意義是深遠(yuǎn)的。從某種意義上講，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)一輪新的競爭差不多開始4。目前，人工智能技術(shù)在軋制過程差不多得到成功的應(yīng)用，從生產(chǎn)打算的編排、坯料的治理、加熱中的優(yōu)化燃燒操縱、軋制中的設(shè)定計算及厚度和板形操縱以及成品庫的治理等都有人工智能方法成功應(yīng)用

24、的例子。人工智能技術(shù)差不多成為現(xiàn)代化軋機高精度操縱的一個特不有效的工具8-10。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，差不多廣泛應(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)，它從人類專家那兒獲得知識，并用來解決只有專家才能解決的困難問題。因此，能夠如此來定義專家系統(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，其水平能夠達(dá)到甚至超過人類專家的水平3。專家系統(tǒng)能夠解決的問題一般包

25、括解釋、預(yù)測、診斷、設(shè)計、規(guī)劃、監(jiān)視、修理、指導(dǎo)和操縱等，預(yù)報性能的專家系統(tǒng)也差不多從學(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)也獲得進(jìn)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11。圖1.專家系統(tǒng)的一般結(jié)構(gòu)8依照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)具有如下的差不多特征：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；圖1.專家系統(tǒng)的一般結(jié)構(gòu)8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

26、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）不受時刻、地點限制地提供專業(yè)知識。 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。例如關(guān)于軋鋼專家來講，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

27、面的沖突（對話部分）；（2）包括數(shù)據(jù)、事實和規(guī)則等知識的采集和治理（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（對話部分和推論機制）；（4）認(rèn)識問題和解決問題（對話部分和推論機制）；（5）講明解決方法（講明部分）；（6）專家系統(tǒng)要緊是處理講明性知識，也確實是講專家系統(tǒng)支持推論。2.1.2專家系統(tǒng)的開發(fā)步驟11 一般專家系統(tǒng)的開發(fā)可分為7個時期，18個步驟8。（1）第一時期：專家系統(tǒng)應(yīng)用推斷步驟1：決定對某個項目采納專家系統(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）第二時期：知識的采集步驟2：制定目標(biāo)打算,承擔(dān)開發(fā)專家系統(tǒng)的知識工程師要理解

28、該項目范疇內(nèi)的專業(yè)術(shù)語及該項目的概要情況。步驟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)時期的必要性。（3）第三時期:解決問題方法的設(shè)計，這是開發(fā)專家系統(tǒng)的關(guān)鍵時期之一,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)接口的要緊條件。步驟6：確定計算機處理的內(nèi)部程序,完成程序設(shè)計,并把通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)計解決差不多問題的程序(前半

29、部分),和把它與操縱系統(tǒng)所具有的操縱機構(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)計解決差不多問題的程序的同時,選定合適的硬件/軟件工具。（4）第四時期：關(guān)鍵開發(fā)時期1）推理部分工具,包括四個步驟。步驟9：確定與整個操縱系統(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：推理部分的試驗。將和操縱系統(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

30、試驗,以證明所設(shè)計專家系統(tǒng)的有用性。2)輔助部分工具,包括兩個步驟。步驟13：建立樣機系統(tǒng)。將所開發(fā)的專家系統(tǒng)轉(zhuǎn)換到與最終操縱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。那個地點所講的輔助部分,包括主系統(tǒng)方面的前處理和后處理,是依照原系統(tǒng)的設(shè)計和制作順序開發(fā)的。（5）第五時期：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）第六時期：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,運用所開發(fā)的專家系統(tǒng)來檢驗事實上用性和可靠性。步驟17:向?qū)嶋H運行的過渡做好預(yù)備,制定在實際運行條件下系統(tǒng)的維護(hù)治

31、理規(guī)劃。（7）第七時期：實際運行時期步驟18：在實際運行過程中,系統(tǒng)開發(fā)人員的責(zé)任確實是對系統(tǒng)進(jìn)行維護(hù)和治理。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)在差不多開發(fā)出不銹鋼帶鋼軋機的軋制規(guī)程設(shè)定與操縱專家系統(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)；板形操縱專家系統(tǒng)；棒材生產(chǎn)線生產(chǎn)節(jié)奏操縱專家系統(tǒng)；熱軋鋼材組織和性能預(yù)測及操縱專家系統(tǒng)、板坯治理專家系統(tǒng)；板卷傳送專家系統(tǒng)等6-16。軋鋼機是復(fù)雜的機械設(shè)備，過程參數(shù)的正確設(shè)定存在一定的難度。比利時ARBED公司開發(fā)的專家系統(tǒng)能夠依照產(chǎn)品的種類和鋼種，給出最佳設(shè)定參數(shù)的建議，而且能夠在發(fā)覺幾何缺陷時給出如何處理的建議。加拿大

32、STELCO公司用在五機架串聯(lián)式冷軋機上的專家系統(tǒng)也是關(guān)心工作人員設(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)覺專家系統(tǒng)的作用特不明顯：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%。同時專家系統(tǒng)還能夠用于培訓(xùn)工人，培訓(xùn)需要的時刻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)，推理速度專門快，能夠把發(fā)覺故障的時刻縮短為原來的1/512。芬蘭Rautaruukki公司開發(fā)出制定生產(chǎn)打算的專家系統(tǒng)，利用它能夠找出生產(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

33、打算，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作業(yè)打算專家系統(tǒng)，用于Gary廠，也得到比較中意的效果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，盡管已開發(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)驗的設(shè)計者，通過人機對話的方式進(jìn)行設(shè)計參數(shù)的選擇和修改，才能滿足生產(chǎn)要求。圖2.工字鋼專家系統(tǒng)的總體結(jié)構(gòu)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。

34、該系統(tǒng)功能如下：設(shè)計新孔型。能夠選擇直軋孔型系統(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。能夠繪出標(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。可使誤操作不引起系統(tǒng)中斷。經(jīng)歷功能。該系統(tǒng)經(jīng)現(xiàn)場應(yīng)用結(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，得到中意解，能夠使咬入角、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。圖2.工

35、字鋼專家系統(tǒng)的總體結(jié)構(gòu)（2）熱軋鋼材組織和性能預(yù)測及操縱專家系統(tǒng) 14。圖3圖3. CASPPC技術(shù)的組成CASPPC是在物理冶金理論、軋制理論及計算機應(yīng)用技術(shù)獲得可喜進(jìn)展的基礎(chǔ)上建立起來的，是以采納建立在物理冶金理論基礎(chǔ)上的一系列數(shù)學(xué)模型而進(jìn)展起來的計算機預(yù)測和操縱技術(shù)。CASSPPC技術(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)的精確操縱等是一項極其有用的新技術(shù)，能夠使軋鋼學(xué)科得到進(jìn)一步進(jìn)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4圖4 軋制模塊的組成圖5圖5. 相變模塊的組成性能模塊依照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)

36、性能，包括屈服強度、抗拉強度、延伸率和韌性。CASPPC技術(shù)能夠有不同的應(yīng)用方式，即離線預(yù)測、在線預(yù)測、在線操縱和化學(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)的最差不多的應(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)性能都能夠預(yù)測出來，同時能夠繪制TTT和CCT曲線，如此就節(jié)約了常規(guī)實驗手段所需的時刻和資金。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、在線操縱是CASPPC技術(shù)在線應(yīng)用的兩個時期。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)約實際檢測時刻。這對板卷的生產(chǎn)特不適用，因為通常只檢測板

37、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。在線操縱是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)迅速的計算機系統(tǒng)。在現(xiàn)在期，能夠在生產(chǎn)過程中對熱軋過程中對熱軋鋼材組織和性能進(jìn)行實時操縱，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，能夠?qū)崿F(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

38、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)提供軋制信息，開發(fā)了熱連軋精軋機組數(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)。要緊檢測精軋機組各架軋制力、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)和過程操縱數(shù)據(jù)進(jìn)行高通、低通濾波，對軋件

39、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，依照其頻譜特點來診斷帶鋼厚度偏差的緣故。用于現(xiàn)場診斷的實例表明，厚差曲線的高頻重量，恰與支撐輥的旋轉(zhuǎn)速度相對應(yīng)，而其低頻重量恰與加熱爐內(nèi)水管的距離相對應(yīng)。這就有力的講明，厚差的高頻部分是由于支撐輥的偏心引起的，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，能夠?qū)ΜF(xiàn)場生產(chǎn)中加熱制度改進(jìn)、換輥時刻的確定等操作要素提供指導(dǎo)。目前TDD-ES系統(tǒng)差不多在熱軋帶鋼生產(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)的進(jìn)展，人們對鋼鐵產(chǎn)品的質(zhì)量要求

40、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，如軋制過程的自動操縱，產(chǎn)品性能的預(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)用差不多上建立在許許多多的數(shù)學(xué)模型的基礎(chǔ)之上的，假如沒有一個比較切合實際的數(shù)學(xué)模型，這些過程就專門難實施。因此關(guān)于一個冶金工作者來講，針對生產(chǎn)的實際情況，查找符合實際的數(shù)學(xué)模型是一步專門重要的工作。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)差不多上屬于經(jīng)驗共識，其適用范

41、圍也比較窄，計算的精度比較低。隨著技術(shù)的進(jìn)展，這些數(shù)學(xué)模型專門難滿足生產(chǎn)的要求。軋鋼系統(tǒng)是一個專門復(fù)雜的系統(tǒng)，多個因素之間相互阻礙、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。因此，采納傳統(tǒng)的模型方法，即采納在實驗的基礎(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)行操縱的建模方法。如此的模型的建立過程往往事先進(jìn)行了專門多的假設(shè)，計算精度低，甚至可能得出錯誤的結(jié)果，給企業(yè)帶來專門大的損失。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不方法，具有自學(xué)習(xí)、自組織、自適應(yīng)

42、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)測和操縱，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程序，這組程序提供了一套具有經(jīng)歷功能的算法，能夠?qū)Υ嬖谝蚬P(guān)系的事物依照輸入條件的變化來預(yù)測結(jié)果。人工神經(jīng)網(wǎng)絡(luò)依照其網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)規(guī)則可分為專門多的種類，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)）要緊有兩個方面的用途：用于模式識不；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。一般來講，在金屬軋制過程中，有以下幾方面能夠應(yīng)用神經(jīng)網(wǎng)絡(luò)6：（1）過程模型。當(dāng)積存了足夠的生產(chǎn)過程歷史數(shù)據(jù)之

43、后，就能夠利用神經(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，就能夠用來確定達(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)。假如將神經(jīng)網(wǎng)絡(luò)模型與簡單的專家系統(tǒng)結(jié)合起來，網(wǎng)絡(luò)從實時數(shù)據(jù)得到的優(yōu)化結(jié)果能夠顯示給工程的操作人員，操作人員能夠改變操作參數(shù)以幸免過程失常。（4）產(chǎn)品質(zhì)量預(yù)測。一般工廠只能在產(chǎn)品完成一段時刻后，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)模型能夠?qū)崿F(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)計過程操縱。網(wǎng)絡(luò)模型可用來觀看所有有疑問的變量對統(tǒng)計過程操縱器（SPC）所設(shè)置的操縱點的阻礙。采納多變量操縱，能夠精確預(yù)測SP

44、C圖上的以后幾個點的位置，能夠較早地預(yù)測過程失誤的可能性。（6）預(yù)測設(shè)備維修打算。設(shè)備在連續(xù)使用中性能要降低。用神經(jīng)網(wǎng)絡(luò)能夠監(jiān)測設(shè)備性能，預(yù)測設(shè)備實效的可能時刻，以制定設(shè)備維修打算。（7）傳感器監(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)能夠提供合適的重新設(shè)置值。（8）閉環(huán)實時操縱。網(wǎng)絡(luò)模型能夠?qū)?fù)雜的閉環(huán)實時操縱問題給出解決方法，預(yù)測和優(yōu)化特不迅速，能夠用于實時閉環(huán)操縱。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)在熱帶鋼連軋機操縱、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、熱連軋精軋機組帶鋼寬度變化預(yù)測、熱變形中屈服應(yīng)力的預(yù)測

45、、軋輥偏心的識不、板形板厚綜合操縱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)在軋制過程操縱方面的應(yīng)用現(xiàn)代的板帶鋼生產(chǎn)工藝都采納連軋的方式，軋制力預(yù)報是連軋精軋機組計算機設(shè)定模型的核心，其預(yù)報精度直接阻礙輥縫的設(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，采納傳統(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)，故回歸所得模型關(guān)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，采納一個三層的BP網(wǎng)絡(luò)對各

46、架軋機的軋制力進(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)比采納傳統(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。在精軋機組負(fù)荷分配方面，采納具有兩層隱含層的BP網(wǎng)絡(luò)，對精軋機組的負(fù)荷分配進(jìn)行識不，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，能夠排除人的主觀性，而且能夠依照生產(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)測是一個專門復(fù)雜的問題，它的阻礙因素專門多，采納傳統(tǒng)的回歸模型的方法進(jìn)行預(yù)測，由于有些因素的阻礙是非線性的，其模型結(jié)構(gòu)專門難確定，最終的預(yù)測精度就專門難保證。采納神經(jīng)網(wǎng)絡(luò)的方法對軋后機械性能進(jìn)行

47、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。軋制力直接阻礙到負(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)軋制理論差不多使軋制力的計算精度有了大幅度的提高，然而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)做法已專門難再有大幅度的提高，人工智能則為之開發(fā)了一條新途徑。采納數(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償，

48、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組進(jìn)行軋制力MM+ANN的預(yù)測，輸入?yún)⒘繛檐埣某煞帧挾?、厚度、變形量、溫度、軋制速度等，輸出為精軋機組7個機架的軋制力。（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，對微合金鋼熱軋操縱參數(shù)的選取進(jìn)行了研究。首先，制定了一套獵取樣本數(shù)據(jù)的實驗方案。該方案利用Gleeble-1500熱力模擬機提取了軋制溫度、應(yīng)變量、應(yīng)變速率和相應(yīng)的應(yīng)力應(yīng)變曲線，并通過顯微觀看獵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。采納BP算法訓(xùn)練網(wǎng)絡(luò)，對熱軋操

49、縱參數(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)模型運用于熱軋操縱預(yù)報，提高了預(yù)測精度并取得較好的效果。操縱軋制的要緊目的是操縱軋制過程中產(chǎn)品顯微組織的演化，從而改進(jìn)其綜合機械性能，獲得高強度、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)力的軋制操縱參數(shù)的選取就成為操縱軋制的前提條件。因此，熱軋過程中軋制

50、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特不復(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，它依靠于回歸方法，使用不同的回歸方法能夠獲得不同的經(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)，同時無法處理離散的數(shù)據(jù)。而神經(jīng)網(wǎng)絡(luò)卻能夠幸免這些問題，它建立起的數(shù)學(xué)模型更能精確的逼近輸

51、入與輸出之間的映射，消除了回歸法處理非線性問題時的缺點，對離散數(shù)據(jù)有專門強的處理能力。由于神經(jīng)網(wǎng)絡(luò)不需要建立輸入與輸出之間的復(fù)雜關(guān)系，而是通過一組權(quán)重來實現(xiàn)輸入與輸出之間的映射，使得模型的預(yù)報結(jié)果更接近于實際情況，精度更高，因此把神經(jīng)網(wǎng)絡(luò)引入熱軋鋼組織性能預(yù)報系統(tǒng)有著專門大的潛力。該研究拓寬了熱軋鋼材組織性能預(yù)報的領(lǐng)域，實踐證明，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于微合金鋼軋制過程中組織性能預(yù)報方面，具有寬敞的應(yīng)用前景。2.3模糊理論及其在軋制中的應(yīng)用2.3.1概述模糊數(shù)學(xué)的概念是60年代初美國California大學(xué)的Zadeh教授在其模糊集合論中首先提出的。1966年，P.H.Marinos發(fā)表了模糊邏輯的研

52、究報告。后來Zadeh又提出模糊語言變量那個重要的模糊邏輯概念，到1974年，Zadeh又進(jìn)行了模糊邏輯推理的研究。從此，模糊邏輯逐漸得到了進(jìn)展。然而，模糊邏輯的進(jìn)展在最初十年中并不順利，在模糊邏輯的進(jìn)展過程中，始終有一些專家對它持否定態(tài)度，阻礙了其進(jìn)展。在逆境中，仍有一些堅韌的科學(xué)家堅持進(jìn)行模糊邏輯理論和應(yīng)用方面的研究。1974年，英國倫敦Queen Marry學(xué)院的E.H.Mamdani首次用模糊邏輯和模糊推理實現(xiàn)了第一個試驗性的蒸汽機操縱，并取得了良好效果，它的成功標(biāo)志著人們采納模糊邏輯進(jìn)行工業(yè)操縱的開始；1976年，丹麥的P.M.Larson和J.J.Ostergaard也進(jìn)行了熱交換

53、模糊操縱的試驗，對象是一個雙輸入雙輸出系統(tǒng)，同時有專門強的耦合作用和非線性作用，操縱效果良好；1980年丹麥工程師L.P.Holmblad和J.J.Ostergaard在水泥窯爐上安裝了模糊操縱器并取得了成功，引起了廣泛關(guān)注，兩人開發(fā)出了第一個商業(yè)應(yīng)用的模糊操縱器。從此以后，模糊理論的應(yīng)用，得到了迅速的進(jìn)展6。目前，模糊理論幾乎滲透到了所有領(lǐng)域，各種模糊成果和模糊產(chǎn)品也逐漸由實驗室走向社會，有些差不多取得了明顯的社會效益和經(jīng)濟(jì)效益，像冶金、機械、石油、化工、電子等領(lǐng)域都有成功的應(yīng)用范例。80年代末期以來，模糊理論在金屬軋制過程中也得到了廣泛的應(yīng)用，并取得了良好的效果。模糊邏輯系統(tǒng)由模糊化部分（

54、外部信息的模糊處理部分）、模糊推理部分和模糊判決部分組成。模糊化：人們所表達(dá)的模糊信息不能直接用計算機處理，必須定量化表示立即其轉(zhuǎn)化為模糊量。該功能能夠用隸屬函數(shù)來實現(xiàn)。模糊推理。模糊推理可采納以“ifthen”形式表示的規(guī)則，即依照輸入的if部分（前件部）的數(shù)據(jù)，實行then部分（后件部）規(guī)定的處理。模糊判決。以隸屬函數(shù)的形式給出的模糊推理的結(jié)果需定量化，以便輸出給執(zhí)行機構(gòu)進(jìn)行操縱。2.3.2模糊理論在軋制過程中的應(yīng)用實例軋制過程中經(jīng)常會遇到各種模糊量，而操作工依據(jù)對生產(chǎn)線上各種現(xiàn)象觀看所作出的推理推斷實際上大多數(shù)是模糊的。例如溫度高了、壓力大了、速度快了、軋件偏了等等。目前，模糊邏輯和模糊

55、操縱在軋制中的應(yīng)用范圍專門廣，在冷軋帶鋼板形操縱、線材活套操縱、頭部厚度的模糊動態(tài)設(shè)定等方面都得到了應(yīng)用6。（1）熱連軋頭部厚度的模糊動態(tài)設(shè)定10熱軋帶鋼頭部板厚精度要緊依靠于精軋機初始設(shè)定計算精度，要想改善頭部厚度精度，必須提高構(gòu)成初始設(shè)定功能的的材料變形抗力預(yù)測模型、溫度預(yù)測模型以及軋機彈性變形等數(shù)學(xué)模型的精度。為了補償軋制過程數(shù)學(xué)模型的學(xué)習(xí)殘差以及使板厚偏差達(dá)到最小，開發(fā)了使用模糊理論的動態(tài)設(shè)定方法。在帶鋼穿帶過程中，利用在中間機架檢測出的軋制力預(yù)測誤差，使用模糊理論進(jìn)行要素分析，并自上游機架向下游機架動態(tài)地修正壓下位置。圖7. 熱連軋頭部模糊動態(tài)設(shè)定10圖7. 熱連軋頭部模糊動態(tài)設(shè)定1

56、0把i、i+1機架的軋制力預(yù)測誤差依照符號分不分為3個區(qū)域。表 為每個區(qū)域中起要緊作用的誤差因素以及下游機架的壓下位置修正規(guī)則。 圖8. 為軋制力誤差的模糊劃分。表1 要緊誤差和輥縫修正規(guī)則舉例圖8. 基于軋制力誤差圖8. 基于軋制力誤差fi和fi+1的模糊劃分10（2）模糊理論在冷軋帶鋼板形操縱中的應(yīng)用6為了滿足軋制產(chǎn)品高質(zhì)量的要求，希望提高操縱精度。而使用基于古典操縱理論的傳統(tǒng)操縱技術(shù)，要想進(jìn)一步提高操縱精度是困難的。因此，研究了新的操縱技術(shù)，特不是多變量最優(yōu)操縱、非干涉操縱等基于現(xiàn)代操縱理論的操縱技術(shù)。然而，軋制現(xiàn)象特不是關(guān)于軋制變形過程是非線性的，專門難建立正確的模型。在動作復(fù)雜的板形

57、操縱中，熟練的操作人員進(jìn)行適當(dāng)?shù)牟倏v操作就能使板形保持在同意的偏差范圍內(nèi)。這時，操作人員依照“假如偏差大，就加大操作量”的方法進(jìn)行操縱，沒有用數(shù)值表示，而是使用定性的知識推理進(jìn)行操縱操作。這種使用熟練的操作人員所具有的定性知識推理進(jìn)行操縱的方法確實是模糊操縱方法。冷軋帶鋼的板形操縱是通過數(shù)學(xué)模型進(jìn)行的。由于實際過程高度非線性，同時專門多參數(shù)之間存在相互耦合阻礙，因此在板形操縱中經(jīng)常需要操作者手動干預(yù)。操作者的技能和知識關(guān)于穩(wěn)定的板形操縱和改進(jìn)產(chǎn)品質(zhì)量差不多上特不重要的。為了把操作者的知識應(yīng)用到冷軋機的板形操縱中，采納了模糊理論。在帶鋼冷軋中，各種因素（軋制力及彎輥力的不均勻性、軋輥的熱凸度、軋

58、制速度、溫度場等）都阻礙帶鋼板形，冷軋過程又是動態(tài)且復(fù)雜的，在那個過程中專門難考慮所有的因素，因此操縱相對容易操縱的要緊因素，關(guān)于獲得好的操縱結(jié)果是相當(dāng)有效的。操縱輸入變量是帶鋼橫斷面板形對稱部分的板形變形參數(shù)；操縱輸出變量是工作輥和中間輥彎輥力的變化量。操縱變量的測量值為精確值，需要把精確量轉(zhuǎn)化為模糊量，這確實是操縱變量的模糊化過程。關(guān)于每種不規(guī)則板形，在操縱輸入變量與輸出變量之間都開發(fā)了模糊操縱規(guī)則。為了驗證所開發(fā)的模糊算法的合理性，利用神經(jīng)網(wǎng)絡(luò)建立了仿真器。結(jié)果表明，采納這種方式進(jìn)行冷軋帶鋼板形操縱有相當(dāng)有效的。（3）模糊邏輯的其它應(yīng)用6,10冷連軋機組中帶鋼板形操縱系統(tǒng)的冷卻水分段操縱

59、，通過閥門的開關(guān)開啟操縱噴射到軋輥輥面上的水量分布，從而達(dá)到操縱軋輥溫度分布和熱凸度，進(jìn)而操縱板形的目的。這種閥門開關(guān)-水量-軋輥溫度場-熱凸度-板形之間的關(guān)系，專門難用數(shù)學(xué)模型來精確描述，采納模糊操縱得到了專門好的效果。模糊操縱在軋制中應(yīng)用的另一個例子是線材軋制中的活套操縱。線材精軋機前的活套調(diào)節(jié)是由人工調(diào)節(jié)精軋機速度給定電位器來完成的，這不僅給操作者增加了負(fù)擔(dān)，還會產(chǎn)生操作失誤，出現(xiàn)局部拉鋼或堆鋼事故。為此，采納用Fuzzy-PI調(diào)節(jié)器來承擔(dān)調(diào)節(jié)的功能，實現(xiàn)了活套閉環(huán)操縱。2.4協(xié)同智能系統(tǒng)在軋制中的應(yīng)用2.4.1概述單獨使用一種智能工具其能力總是有限的。神經(jīng)網(wǎng)絡(luò)適于模擬人腦的經(jīng)歷功能（形

60、象思維），專家系統(tǒng)適于模擬人腦的分析推斷功能（邏輯思維），而傳感器用于模擬人的眼、耳等器官的信息收集功能。要全方位模擬人腦的功能，需要使用協(xié)同人工智能技術(shù)。協(xié)同人工智能（Synergetic Artificial Intelligence, 簡寫為SAI）技術(shù)是綜合運用神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊邏輯等智具，全方位地模擬人類大腦功能的一種人工智能方法。協(xié)同人工智能思想汲取了模糊理論、專家系統(tǒng)、理論模型、人工神經(jīng)網(wǎng)絡(luò)等原理和方法的精華，能夠克服單一方法解決問題的片面性，各部分以相互協(xié)作而集成為一個整體來處理復(fù)雜的問題，能在復(fù)雜情況下求得問題最優(yōu)解10。2.4.2熱連軋負(fù)荷分配的協(xié)同人工智能系統(tǒng)6,1