版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
/人工智能概述人工智能(ArtificialIntelligence,簡記為AI)是當(dāng)前科學(xué)技術(shù)開展中的一門前沿學(xué)科,同時(shí)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)科以及正在迅速開展的學(xué)科。它是在計(jì)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)上開展起來的,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(jì)算機(jī))來模仿和實(shí)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(jià)。有人把人工智能同空間技術(shù)、原子能技術(shù)一起譽(yù)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)革命主要是延長了人手的功能,把人類從繁重的體力勞動(dòng)中解放出來,而人工智能則是延伸人腦的功能,實(shí)現(xiàn)腦力勞動(dòng)的自動(dòng)化[1-2]。隨著信息社會(huì)和知識經(jīng)濟(jì)時(shí)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(gè)熱門話題。然而,在這個(gè)話題的背后還蘊(yùn)含著另外一個(gè)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(shí),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(huì),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(shí)現(xiàn)信息的智能化處理,是信息社會(huì)所面臨的一個(gè)重大課題。必須開發(fā)那種由機(jī)器實(shí)現(xiàn)的人工智能,就像在工業(yè)社會(huì)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(huì)人類又需要用機(jī)器去放大和延伸自己的智能,實(shí)現(xiàn)腦力勞動(dòng)的自動(dòng)化。人工智能的前景是非常誘人的,同時(shí)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(huì)、迎接知識經(jīng)濟(jì)挑戰(zhàn)所必須具備的一項(xiàng)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(gè)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。它是一個(gè)含義很廣的詞語,在其開展工程中,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(diǎn)。綜合各種不同的人工智能觀點(diǎn),可以從“能力〞和“學(xué)科〞兩個(gè)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(jì)算機(jī))上實(shí)現(xiàn)的智能;從學(xué)科的角度來看,人工智能是作為一個(gè)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(jì)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,人工智能就是要研究如何使機(jī)器具有能聽、會(huì)說、能看、會(huì)寫、能思維、會(huì)學(xué)習(xí)、能適應(yīng)環(huán)境變化、能解決各種面臨的實(shí)際問題等功能的一門學(xué)科??傊?,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)[1-5]關(guān)于人工智能的研究目標(biāo),目前還沒有一個(gè)統(tǒng)一的說法,1978年,索羅門(A.Sloman)對人工智能給出了以下三個(gè)主要目標(biāo):①對智能行為有效解釋的理論分析;②解釋人類智能;③構(gòu)造智能的人工制品。要實(shí)現(xiàn)索羅門的這些目標(biāo),需要同時(shí)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),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(jì)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)科的共同開展。但從目前這些學(xué)科的現(xiàn)狀來看,實(shí)現(xiàn)人工智能的遠(yuǎn)期目標(biāo)還需要一個(gè)較長的時(shí)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(jì)算機(jī)更聰明,即使它能夠運(yùn)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(jì)和學(xué)習(xí)等。為了實(shí)現(xiàn)這一目標(biāo),人們需要根據(jù)現(xiàn)有計(jì)算機(jī)的特點(diǎn),研究實(shí)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(shí)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(shí),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(huì)隨人工智能的開展而變化,并最終到達(dá)遠(yuǎn)期目標(biāo)。1.3人工智能的產(chǎn)生與開展[2-5]人工智能這個(gè)術(shù)語自1956年正式提出,并作為一個(gè)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。回憶其產(chǎn)生與開展過程,可大致分為孕育、形成、知識應(yīng)用、綜合集成這四個(gè)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(dòng)機(jī)理論、控制論和信息論,并創(chuàng)造了通用電子數(shù)字計(jì)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。②形成期(1956-1970年):1956年夏季,包括數(shù)學(xué)家、計(jì)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(jì)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(ArtificialIntelligence)〞這一術(shù)語。從而,一個(gè)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(gè)以人工智能為研究目標(biāo)的研究小組。一個(gè)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(gè)小組研制了一個(gè)稱為邏輯理論機(jī)(LogicTheoryMachine,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(shí)的思維規(guī)律,開創(chuàng)了用計(jì)算機(jī)研究人類思維活動(dòng)規(guī)律的工作。另一個(gè)小組為IBM工程課題研究小組,1956年塞繆爾在IBM704計(jì)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(yàn)、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,其主要奉獻(xiàn)在于發(fā)現(xiàn)了啟發(fā)式搜索是表現(xiàn)智能行為的最根本機(jī)制。第三個(gè)為MIT小組,1958年麥卡錫建立了行動(dòng)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(dòng)了人工智能的開展。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(dòng)了人工智能的應(yīng)用。③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(gè)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(shí)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(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(huì)各界的責(zé)難、疑心和批評。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(fèi)根鮑姆關(guān)于以知識為中心開展人工智能研究的觀點(diǎn)被大多數(shù)人接受。從此,人工智能的研究又迎來了蓬勃開展的新時(shí)期,即以知識為中心的時(shí)期,為人工智能的開展開辟了新的出路。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(gè)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)等都有了快速開展,產(chǎn)生了巨大的經(jīng)濟(jì)效益與社會(huì)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(jì)算機(jī)技術(shù)的飛速開展,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(yàn)。④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)用型開展。大型專家系統(tǒng)開發(fā)采用了多種人工智能語言、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(yùn)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)等方向開展。盡管如此,從目前來看,人工智能仍處于學(xué)科開展的早期階段,其理論、方法和技術(shù)都不太成熟,人們對它的認(rèn)識也比較淺薄,都還有待于人工智能工作者的長期探索。1.4人工智能研究的根本內(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,人工智能又有多種研究領(lǐng)域,各個(gè)研究領(lǐng)域的研究重點(diǎn)亦不相同。再者,在人工智能的不同開展階段,研究的側(cè)重面也有區(qū)別,本來是研究的重點(diǎn)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)討論人工智能的根本研究內(nèi)容。結(jié)合人工智能的遠(yuǎn)期目標(biāo),認(rèn)為人工智能的根本研究內(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(jì)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(diǎn)。一種觀點(diǎn)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(diǎn)主張通過運(yùn)用計(jì)算機(jī)科學(xué)的方法進(jìn)行研究,實(shí)現(xiàn)人類智能在計(jì)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(jiān)持這種方法的人認(rèn)為,人工智能的研究目標(biāo)是實(shí)現(xiàn)機(jī)器智能,而計(jì)算機(jī)自身具有符號處理的推算能力,這種能力本身就蘊(yùn)含著演繹推理的內(nèi)涵,因而可通過運(yùn)行相應(yīng)的程序系統(tǒng)來表達(dá)出某種基于邏輯思維的智能行為,到達(dá)模擬人類智能活動(dòng)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:①立足于邏輯運(yùn)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。②知識可用顯式的符號表示,在根本規(guī)則的情況下,無需大量的細(xì)節(jié)知識。③便于模塊化,當(dāng)個(gè)別事實(shí)發(fā)生變化時(shí)易于修改。④能與傳統(tǒng)的符號數(shù)據(jù)庫進(jìn)行連接。⑤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(shí)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(shí),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(shí),將會(huì)喪失一些重要信息,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。這就說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(shí)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(jiān)持這種方法的人認(rèn)為,大腦是人類一切智能活動(dòng)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:①通過神經(jīng)元之間的并行協(xié)同作用實(shí)現(xiàn)信息處理,處理過程具有并行性、動(dòng)態(tài)性、全局性。②通過神經(jīng)元間分布式的物理聯(lián)系存儲(chǔ)知識及信息,因而可以實(shí)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。③通過神經(jīng)元間連接強(qiáng)度的動(dòng)態(tài)調(diào)整來實(shí)現(xiàn)對人類學(xué)習(xí)、分類等的模擬。④適合于模擬人類的形象思維過程。⑤求解問題時(shí),可以比較快地求得一個(gè)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(shí)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。符號方法善于模擬人的邏輯思維過程,求解問題時(shí),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(yùn)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,就可到達(dá)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(gè)方面。一般來說,人在求解問題時(shí)都是兩種思維方式并用的,通過形象思維得到一個(gè)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(gè)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(gè)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、降低本錢和開發(fā)價(jià)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??刂坪拖到y(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(jì)算機(jī)應(yīng)用在信息采集和集中處理方面。到了70~80年代,計(jì)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(shí)現(xiàn)完全的自動(dòng)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(huì)開展與科學(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)已經(jīng)到達(dá)相當(dāng)高的程度,例如在內(nèi)部組織結(jié)構(gòu)方面,已實(shí)現(xiàn)了對微米、亞微米級的組織進(jìn)行控制,試驗(yàn)室中普通鋼的晶粒尺寸已經(jīng)可以控制在1μm左右,工業(yè)規(guī)模生產(chǎn)中已經(jīng)獲得了晶粒尺寸在3~4μm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(shí),在鋼鐵行業(yè)內(nèi)部存在著劇烈的競爭,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。回憶軋制理論的開展歷程,如果說20世紀(jì)30年代卡爾曼(Kraman)理論及其后繼的工程法(SlabMethod)為軋制理論的開展樹立了第一個(gè)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(gè)里程碑,70~80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(gè)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)的開展樹立了第四個(gè)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(shí)實(shí)在在發(fā)生了的事情。它不是從根本原理出發(fā),而是以事實(shí)和數(shù)據(jù)作根據(jù),來實(shí)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]。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)方案的編排、坯料的管理、加熱中的優(yōu)化燃燒控制、軋制中的設(shè)定計(jì)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(gè)非常有效的工具[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潑、最有成效的一個(gè)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(gè)方面,產(chǎn)生了巨大的社會(huì)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(yàn)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,其水平可以到達(dá)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(jì)、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等,預(yù)報(bào)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(shí)際應(yīng)用研究。隨著人工智能整體水平的提高,專家系統(tǒng)也獲得開展。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]。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)具有如下的根本特征:①具有專家水平的專門知識;②具有符號處理能力;③具有對一般問題求解的能力;④具有一定的復(fù)雜度和難度;⑤具有解釋功能;⑥具有獲取知識的能力。圖1給出了一個(gè)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(gè)專家系統(tǒng)中,知識庫不僅是數(shù)據(jù)、事實(shí)和規(guī)則的總和,而且也包括用于描述物理關(guān)系的局部簡單模型。一個(gè)知識庫應(yīng)該到達(dá)以下要求:(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(gè)支持專家們解決問題的外存儲(chǔ)器;(4)擴(kuò)大專家知識,以贏得更廣泛的用戶;(5)不受時(shí)間、地點(diǎn)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(shí)將多個(gè)專家解決問題的策略加以比較并驗(yàn)證專家知識。專家系統(tǒng)必須具有以下能力:(1)在一定環(huán)境下進(jìn)行通訊而沒有定義方面的沖突(對話局部);(2)包括數(shù)據(jù)、事實(shí)和規(guī)則等知識的采集和管理(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(對話局部和推論機(jī)制);(4)認(rèn)識問題和解決問題(對話局部和推論機(jī)制);(5)說明解決方法(說明局部);(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[11]一般專家系統(tǒng)的開發(fā)可分為7個(gè)階段,18個(gè)步驟[8]。(1)第一階段:專家系統(tǒng)應(yīng)用判斷步驟1:決定對某個(gè)工程采用專家系統(tǒng),并組織開發(fā)隊(duì),確定開發(fā)目標(biāo)并得到工程經(jīng)理的成認(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)方案,承當(dāng)開發(fā)專家系統(tǒng)的知識工程師要理解該工程范疇內(nèi)的專業(yè)術(shù)語及該工程的概要情況。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(shí),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(shí)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(jì),這是開發(fā)專家系統(tǒng)的關(guān)鍵階段之一,包括四個(gè)步驟。步驟5:數(shù)據(jù)來源確實(shí)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(jì)算機(jī)處理的內(nèi)部程序,完成程序設(shè)計(jì),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(jì)解決問題的方案。包括設(shè)計(jì)解決根本問題的程序(前半局部),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(后半局部)。步驟8:適宜工具的選定,在設(shè)計(jì)解決根本問題的程序的同時(shí),選定適宜的硬件/軟件工具。(4)第四階段:關(guān)鍵開發(fā)階段1)推理局部工具,包括四個(gè)步驟。步驟9:確定與整個(gè)控制系統(tǒng)其它局部進(jìn)行數(shù)據(jù)通訊的格式。決定推理局部和外圍系統(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(jì)。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:完成推理局部的制作。規(guī)定程序設(shè)計(jì)規(guī)則、推理局部的功能,完成詳細(xì)設(shè)計(jì)和具體制作。步驟12:推理局部的試驗(yàn)。將和控制系統(tǒng)的其它局部進(jìn)行通訊的格式包括進(jìn)來,進(jìn)行推理局部的試驗(yàn),以證明所設(shè)計(jì)專家系統(tǒng)的實(shí)用性。2)輔助局部工具,包括兩個(gè)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(dòng)作條件相吻合的目標(biāo)系統(tǒng)上來。步驟14:輔助局部的設(shè)計(jì)與制作。這里所說的輔助局部,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(jì)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(shí)的情況和條件,用真實(shí)數(shù)據(jù)進(jìn)行測試。(6)第六階段:試運(yùn)行和性能評價(jià)步驟16:現(xiàn)場試驗(yàn)。以用戶為主,在實(shí)際運(yùn)行條件下,運(yùn)用所開發(fā)的專家系統(tǒng)來檢驗(yàn)其實(shí)用性和可靠性。步驟17:向?qū)嶋H運(yùn)行的過渡做好準(zhǔn)備,制定在實(shí)際運(yùn)行條件下系統(tǒng)的維護(hù)管理規(guī)劃。(7)第七階段:實(shí)際運(yùn)行階段步驟18:在實(shí)際運(yùn)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(shí)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(jì)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。比利時(shí)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,給出最正確設(shè)定參數(shù)的建議,而且可以在發(fā)現(xiàn)幾何缺陷時(shí)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(shí)間從幾年減少到幾個(gè)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PropulsoraSiderurgica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(shí)間縮短為原來的1/5[12]。芬蘭Rautaruukki公司開發(fā)出制定生產(chǎn)方案的專家系統(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)制定方案,用時(shí)由原來的2天左右縮短為1~2小時(shí)。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)方案專家系統(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(jì)專家系統(tǒng)[13]工字鋼在軋制過程中,斷面各局部變形不均勻,變形不同時(shí),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(jì)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(jì)孔型時(shí),還需要有豐富設(shè)計(jì)經(jīng)驗(yàn)的設(shè)計(jì)者,通過人機(jī)對話的方式進(jìn)行設(shè)計(jì)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(jì)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:①設(shè)計(jì)新孔型??梢赃x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(jì)。②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。③優(yōu)化功能??捎脤<覇l(fā)性知識進(jìn)行多目標(biāo)優(yōu)化,得到滿足多個(gè)目標(biāo)的優(yōu)化解。④解釋功能。能對系統(tǒng)的設(shè)計(jì)過程進(jìn)行解釋。⑤輸入防錯(cuò)糾錯(cuò)功能。可使誤操作不引起系統(tǒng)中斷。⑥記憶功能。該系統(tǒng)經(jīng)現(xiàn)場應(yīng)用結(jié)果說明:工字鋼孔型設(shè)計(jì)專家系統(tǒng)能夠自動(dòng)設(shè)計(jì)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開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(shí)驗(yàn)室和現(xiàn)場試驗(yàn)而得到的,需大量人力、物力和財(cái)力及時(shí)間,且有局限性;如需進(jìn)一步提高鋼材強(qiáng)韌性,開發(fā)新品種,就必須再進(jìn)行有關(guān)試驗(yàn)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(shí)時(shí)控制(開環(huán)或閉環(huán)),因此利用高速計(jì)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(jì)算機(jī)輔助組織和性能預(yù)測及控制技術(shù),即ComputerAidedStructure/PropertyPredictionandControl,簡稱CASPPC),是當(dāng)前軋鋼技術(shù)開展的重要內(nèi)容之一。CASPPC是在物理冶金理論、軋制理論及計(jì)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)模型而開展起來的計(jì)算機(jī)預(yù)測和控制技術(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)的精確控制等是一項(xiàng)極其有用的新技術(shù),可以使軋鋼學(xué)科得到進(jìn)一步開展。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(gè)模塊組成,如圖3所示: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(gè)子模塊組成,如圖4所示。因?yàn)槲⒘吭氐墓倘?、析出行為對回?fù)和再結(jié)晶行為有明顯的影響,所以要求這三個(gè)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(shí)計(jì)算各種轉(zhuǎn)變相的體積膨脹率,推定軋后冷卻時(shí)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(jì)與優(yōu)化等。離線預(yù)測是CASPPC技術(shù)的最根本的應(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CCT曲線,這樣就節(jié)約了常規(guī)實(shí)驗(yàn)手段所需的時(shí)間和資金。同時(shí)也可通過離線預(yù)測軟件的反復(fù)運(yùn)算,對新鋼種進(jìn)行設(shè)計(jì)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(gè)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(shí)際檢測時(shí)間。這對板卷的生產(chǎn)特別適用,因?yàn)橥ǔV粰z測板帶卷頭尾兩端的性能,而板卷中間局部的性能則難于測試與保證。日本和韓國(浦項(xiàng)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(jì)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和性能進(jìn)行實(shí)時(shí)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(shí)現(xiàn)軋制力的精確預(yù)報(bào)。圖6是CASPPC技術(shù)實(shí)際應(yīng)用圖示。(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(dòng)化國家重點(diǎn)實(shí)驗(yàn)室開發(fā)的帶鋼厚度偏差診斷與監(jiān)控專家系統(tǒng)(ThicknessDeviationDiagnosisandSupervisionExpertSystem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(shí)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(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)控提供支撐效勞。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(xiàng)進(jìn)行處理,對所得的厚差曲線數(shù)據(jù)用改良的富氏變換進(jìn)行頻譜分析,根據(jù)其頻譜特點(diǎn)來診斷帶鋼厚度偏差的原因。用于現(xiàn)場診斷的實(shí)例說明,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,厚差的高頻局部是由于支撐輥的偏心引起的,而低頻局部是加熱水印引起的。本專家系統(tǒng)的診斷結(jié)果,可以對現(xiàn)場生產(chǎn)中加熱制度改良、換輥時(shí)間確實(shí)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(huì)不斷的進(jìn)步和科學(xué)技術(shù)突飛猛進(jìn)的開展,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、降低本錢,使我國的冶金企業(yè)的生產(chǎn)水平盡早到達(dá)國際先進(jìn)水平,滿足國際國內(nèi)鋼鐵市場劇烈競爭的需求,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(dòng)控制,產(chǎn)品性能的預(yù)報(bào)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(gè)比較切合實(shí)際的數(shù)學(xué)模型,這些過程就很難實(shí)施。因此對于一個(gè)冶金工作者來說,針對生產(chǎn)的實(shí)際情況,尋找符合實(shí)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(shí)驗(yàn)基礎(chǔ)之上的,而且大多數(shù)都是屬于經(jīng)驗(yàn)共識,其適用范圍也比較窄,計(jì)算的精度比較低。隨著技術(shù)的開展,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(gè)很復(fù)雜的系統(tǒng),多個(gè)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)的模型方法,即采用在實(shí)驗(yàn)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(jì)算精度低,甚至可能得出錯(cuò)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(dòng)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(shí)際上是一組計(jì)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)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(shí)際應(yīng)用中,人工神經(jīng)網(wǎng)絡(luò)(BP網(wǎng)絡(luò))主要有兩個(gè)方面的用途:①用于模式識別;②用于非線性系統(tǒng)的函數(shù)擬合。這兩個(gè)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,就可以用來確定到達(dá)優(yōu)化目的所需要的優(yōu)化的過程變量設(shè)置點(diǎn)。(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)絡(luò)從實(shí)時(shí)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)以防止過程失常。(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(shí)間后,才能從實(shí)驗(yàn)室里得到產(chǎn)品的質(zhì)量檢驗(yàn)結(jié)果,而神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)在線預(yù)測產(chǎn)品質(zhì)量,并及時(shí)調(diào)整過程參數(shù)。(5)可預(yù)測的多變量統(tǒng)計(jì)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(jì)過程控制器(SPC)所設(shè)置的控制點(diǎn)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(gè)點(diǎn)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)備維修方案。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(shí)效的可能時(shí)間,以制定設(shè)備維修方案。(7)傳感器監(jiān)測。可用神經(jīng)網(wǎng)絡(luò)監(jiān)測實(shí)效的傳感器,并提供失效警報(bào),而且當(dāng)重新安裝傳感器后,網(wǎng)絡(luò)可以提供適宜的重新設(shè)置值。(8)閉環(huán)實(shí)時(shí)控制。網(wǎng)絡(luò)模型可以對復(fù)雜的閉環(huán)實(shí)時(shí)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(shí)時(shí)閉環(huán)控制。2.2.2神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例在實(shí)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(bào)是連軋精軋機(jī)組計(jì)算機(jī)設(shè)定模型的核心,其預(yù)報(bào)精度直接影響輥縫的設(shè)定。軋制力預(yù)報(bào)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(gè)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(jì)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(dòng)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(diǎn),因此能提高預(yù)測的精度,采用一個(gè)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(bào),結(jié)果說明人工神經(jīng)網(wǎng)絡(luò)的預(yù)報(bào)結(jié)構(gòu)比采用傳統(tǒng)的模型法的預(yù)報(bào)結(jié)果精度高,而且神經(jīng)網(wǎng)絡(luò)的預(yù)報(bào)具有在線自適應(yīng)的能力[32]。在精軋機(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(shí)際情況進(jìn)行動(dòng)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(gè)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(bào),其精度高,簡化了人工設(shè)定模型的工作,能夠到達(dá)預(yù)期的目的[33-34]。(2)軋制力的高精度ANN預(yù)報(bào)[10]提高軋制力預(yù)報(bào)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)中最為活潑的參數(shù)。過去利用傳統(tǒng)軋制理論已經(jīng)使軋制力的計(jì)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(jì)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(bào)作為基值,用ANN作為數(shù)學(xué)模型計(jì)算誤差的實(shí)時(shí)補(bǔ)償,兩者組成一個(gè)智能糾偏網(wǎng)絡(luò),用于預(yù)報(bào)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(gè)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(shí)驗(yàn)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(shí)驗(yàn)后樣品斷面的奧氏體晶粒尺寸。通過歸一化把實(shí)驗(yàn)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(shí)踐證明,將該神經(jīng)網(wǎng)絡(luò)模型運(yùn)用于熱軋控制預(yù)報(bào),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,從而改良其綜合機(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(bào)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(bào)的研究遇到極大的困難,尤其是找不到一個(gè)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(yàn)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(yàn)公式,這將導(dǎo)致經(jīng)驗(yàn)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(shí),回歸公式無法完全再現(xiàn)實(shí)驗(yàn)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)卻可以防止這些問題,它建立起的數(shù)學(xué)模型更能精確的逼近輸入與輸出之間的映射,消除了回歸法處理非線性問題時(shí)的缺點(diǎn),對離散數(shù)據(jù)有很強(qiáng)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(shí)現(xiàn)輸入與輸出之間的映射,使得模型的預(yù)報(bào)結(jié)果更接近于實(shí)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(bào)系統(tǒng)有著很大的潛力。該研究拓寬了熱軋鋼材組織性能預(yù)報(bào)的領(lǐng)域,實(shí)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(bào)方面,具有廣闊的應(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)表了模糊邏輯的研究報(bào)告。后來Zadeh又提出模糊語言變量這個(gè)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開展。但是,模糊邏輯的開展在最初十年中并不順利,在模糊邏輯的開展過程中,始終有一些專家對它持否認(rèn)態(tài)度,阻礙了其開展。在逆境中,仍有一些頑強(qiáng)的科學(xué)家堅(jiān)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QueenMarry學(xué)院的E.H.Mamdani首次用模糊邏輯和模糊推理實(shí)現(xiàn)了第一個(gè)試驗(yàn)性的蒸汽機(jī)控制,并取得了良好效果,它的成功標(biāo)志著人們采用模糊邏輯進(jìn)行工業(yè)控制的開始;1976年,丹麥的P.M.Larson和J.J.Ostergaard也進(jìn)行了熱交換模糊控制的試驗(yàn),對象是一個(gè)雙輸入雙輸出系統(tǒng),并且有很強(qiáng)的耦合作用和非線性作用,控制效果良好;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控制器并取得了成功,引起了廣泛關(guān)注,兩人開發(fā)出了第一個(gè)商業(yè)應(yīng)用的模糊控制器。從此以后,模糊理論的應(yīng)用,得到了迅速的開展[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(shí)驗(yàn)室走向社會(huì),有些已經(jīng)取得了明顯的社會(huì)效益和經(jīng)濟(jì)效益,像冶金、機(jī)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)由模糊化局部(外部信息的模糊處理局部)、模糊推理局部和模糊判決局部組成。①模糊化:人們所表達(dá)的模糊信息不能直接用計(jì)算機(jī)處理,必須定量化表示—即將其轉(zhuǎn)化為模糊量。該功能可以用隸屬函數(shù)來實(shí)現(xiàn)。②模糊推理。模糊推理可采用以“if~then~〞形式表示的規(guī)則,即根據(jù)輸入的if局部(前件部)的數(shù)據(jù),實(shí)行then局部(后件部)規(guī)定的處理。③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(jī)構(gòu)進(jìn)行控制。2.3.2模糊理論在軋制過程中的應(yīng)用實(shí)例軋制過程中經(jīng)常會(huì)遇到各種模糊量,而操作工依據(jù)對生產(chǎn)線上各種現(xiàn)象觀察所作出的推理判斷實(shí)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,模糊邏輯和模糊控制在軋制中的應(yīng)用范圍很廣,在冷軋帶鋼板形控制、線材活套控制、頭部厚度的模糊動(dòng)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(dòng)態(tài)設(shè)定[10]熱軋帶鋼頭部板厚精度主要依賴于精軋機(jī)初始設(shè)定計(jì)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(jī)彈性變形等數(shù)學(xué)模型的精度。為了補(bǔ)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到達(dá)最小,開發(fā)了使用模糊理論的動(dòng)態(tài)設(shè)定方法。在帶鋼穿帶過程中,利用在中間機(jī)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(jī)架向下游機(jī)架動(dòng)態(tài)地修正壓下位置。熱帶連軋機(jī)組中帶鋼頭部厚度精度控制取決于軋制力和輥縫等設(shè)定值的精度。當(dāng)軋件已經(jīng)進(jìn)入精軋機(jī)組的前部機(jī)架,并發(fā)現(xiàn)實(shí)測值與設(shè)定值有偏差時(shí),及時(shí)調(diào)整后部機(jī)架的輥縫對提高頭部厚度精度是非常有效的。但是此時(shí)考慮執(zhí)行機(jī)構(gòu)的動(dòng)作時(shí)間等因素,復(fù)雜的計(jì)算已來不及進(jìn)行,而采用模糊動(dòng)態(tài)設(shè)定是一種速方便的可行方案,如圖7所示。把i、i+1機(jī)架的軋制力預(yù)測誤差根據(jù)符號分別分為3個(gè)區(qū)域。表為每個(gè)區(qū)域中起主要作用的誤差因素以及下游機(jī)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主要誤差和輥縫修正規(guī)則舉例(2)模糊理論在冷軋帶鋼板形控制中的應(yīng)用[6]為了滿足軋制產(chǎn)品高質(zhì)量的要求,希望提高控制精度。而使用基于古典控制理論的傳統(tǒng)控制技術(shù),要想進(jìn)一步提高控制精度是困難的。因此,研究了新的控制技術(shù),特別是多變量最優(yōu)控制、非干預(yù)控制等基于現(xiàn)代控制理論的控制技術(shù)。然而,軋制現(xiàn)象特別是關(guān)于軋制變形過程是非線性的,很難建立正確的模型。在動(dòng)作復(fù)雜的板形控制中,熟練的操作人員進(jìn)行適當(dāng)?shù)目刂撇僮骶湍苁拱逍伪3衷谠试S的偏差范圍內(nèi)。這時(shí),操作人員根據(jù)“如果偏差大,就加大操作量〞的方法進(jìn)行控制,沒有用數(shù)值表示,而是使用定性的知識推理進(jìn)行控制操作。這種使用熟練的操作人員所具有的定性知識推理進(jìn)行控制的方法就是模糊控制方法。冷軋帶鋼的板形控制是通過數(shù)學(xué)模型進(jìn)行的。由于實(shí)際過程高度非線性,并且很多參數(shù)之間存在相互耦合影響,所以在板形控制中經(jīng)常需要操作者手動(dòng)干預(yù)。操作者的技能和知識對于穩(wěn)定的板形控制和改良產(chǎn)品質(zhì)量都是非常重要的。為了把操作者的知識應(yīng)用到冷軋機(jī)的板形控制中,采用了模糊理論。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、軋制速度、溫度場等)都影響帶鋼板形,冷軋過程又是動(dòng)態(tài)且復(fù)雜的,在這個(gè)過程中很難考慮所有的因素,因此控制相對容易控制的主要因素,對于獲得好的控制結(jié)果是相當(dāng)有效的。控制輸入變量是帶鋼橫斷面板形對稱局部的板形變形參數(shù);控制輸出變量是工作輥和中間輥彎輥力的變化量??刂谱兞康臏y量值為精確值,需要把精確量轉(zhuǎn)化為模糊量,這就是控制變量的模糊化過程。對于每種不規(guī)則板形,在控制輸入變量與輸出變量之間都開發(fā)了模糊控制規(guī)則。為了驗(yàn)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)果說明,采用這種方式進(jìn)行冷軋帶鋼板形控制有相當(dāng)有效的。(3)模糊邏輯的其它應(yīng)用[6,10]冷連軋機(jī)組中帶鋼板形控制系統(tǒng)的冷卻水分段控制,通過閥門的開關(guān)開啟控制噴射到軋輥輥面上的水量分布,從而到達(dá)控制軋輥溫度分布和熱凸度,進(jìn)而控制板形的目的。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,很難用數(shù)學(xué)模型來精確描述,采用模糊控制得到了很好的效果。模糊控制在軋制中應(yīng)用的另一個(gè)例子是線材軋制中的活套控制。線材精軋機(jī)前的活套調(diào)節(jié)是由人工調(diào)節(jié)精軋機(jī)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(huì)產(chǎn)生操作失誤,出現(xiàn)局部拉鋼或堆鋼事故。為此,采用用Fuzzy-PI調(diào)節(jié)器來承當(dāng)調(diào)節(jié)的功能,實(shí)現(xiàn)了活套閉環(huán)控制。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(dú)使用一種智能工具其能力總是有限的。神經(jīng)網(wǎng)絡(luò)適于模擬人腦的記憶功能(形象思維),專家系統(tǒng)適于模擬人腦的分析判斷功能(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(SynergeticArtificialIntelligence,簡寫為SAI)技術(shù)是綜合運(yùn)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)同人工智能思想吸收了模糊理論、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,可以克服單一方法解決問題的片面性,各局部以相互協(xié)作而集成為一個(gè)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)[6,10]負(fù)荷分配是熱連軋過程的關(guān)鍵環(huán)節(jié),它直接影響到生產(chǎn)的穩(wěn)定性和產(chǎn)品的產(chǎn)量與質(zhì)量。利用協(xié)同人工智能的方法進(jìn)行熱軋帶鋼精軋機(jī)組負(fù)荷分配的根本思想是利用各種智能工具從已經(jīng)發(fā)生的軋制數(shù)據(jù)中挑選出負(fù)荷分配效果好的樣本,作為下一步負(fù)荷分配的參考.具體做法如下:①建立現(xiàn)場數(shù)據(jù)采集系統(tǒng)和歷史數(shù)據(jù)庫;②利用模糊聚類分析從海量數(shù)據(jù)庫中分別挑選出取得效果好的和差的負(fù)荷分配樣本;③用挑選出樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò),得到負(fù)荷分配對產(chǎn)品質(zhì)量影響的相關(guān)知識;④根據(jù)提取出的知識建立負(fù)荷分配原則;⑤基于上述規(guī)則開發(fā)熱軋帶鋼精軋機(jī)組負(fù)荷分配專家系統(tǒng)。采用該智能負(fù)荷分配系統(tǒng)對熱連軋典型規(guī)格產(chǎn)品(3.0mm×1300mm)進(jìn)行負(fù)荷分配設(shè)定,并對各機(jī)架的軋制力進(jìn)行校驗(yàn),結(jié)果說明該設(shè)定更為合理。2.5開展展望智能技術(shù)的開展經(jīng)歷了曲折的變化,神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)在各個(gè)階段此消彼長,由于對神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)孤立研究的局限性以及它們的特性的互補(bǔ),使它們的結(jié)合成為必然,為智能的開展及應(yīng)用提供了一條可供探索的途徑。隨著人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模式識別、信息科學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)、人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和模糊邏輯等有關(guān)理論的進(jìn)展,由人工神經(jīng)網(wǎng)絡(luò)和智能專家系統(tǒng)形成的綜合智能系統(tǒng)定會(huì)得到進(jìn)一步的開展。人工智能在軋制過程中的應(yīng)用已經(jīng)對軋制技術(shù)的進(jìn)步起到了積極的推動(dòng)作用。由此引起軋制過程控制與操作的巨大變化,為軋制理論和技術(shù)開展樹立一個(gè)新的里程碑。目前智能化材料成形技術(shù)仍在開展之中,預(yù)計(jì)今后一段時(shí)間內(nèi)較為重要的幾個(gè)方面有:智能化在線信息處理,充分利用在線采集的大量信息提取知識,優(yōu)化材料生產(chǎn)過程;協(xié)同智能技術(shù),綜合利用多種智能工具,全方位模擬人腦,替代操作控制環(huán)節(jié)中的腦力勞動(dòng);數(shù)值模擬與智能優(yōu)化的結(jié)合,加強(qiáng)深層知識在智能優(yōu)化系統(tǒng)中的作用;在更加廣泛的范圍內(nèi)進(jìn)行數(shù)學(xué)模型與人工智能的結(jié)合,發(fā)揮各自的長處,提高控制系統(tǒng)的精度,改善系統(tǒng)品質(zhì)。在材料成形過程中推廣應(yīng)用智能技術(shù)是利用高新技術(shù)改造傳統(tǒng)產(chǎn)業(yè)的典型范例,利用人工智能來取代人的局部腦力勞動(dòng)表達(dá)了現(xiàn)代技術(shù)進(jìn)步的開展方向。參考文獻(xiàn)王永慶.人工智能原理與方法.西安:西安交通大學(xué)出版社,1998.5王萬森.人工智能原理及其應(yīng)用.北京:電子工業(yè)出版社,2000.1蔡自興,徐光祐.人工智能及其應(yīng)用.北京:清華大學(xué)出版社,1996.5田盛豐,黃厚寬.人工智能與知識工程.北京:中國鐵道出版社,1999尹朝
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025版外匯期貨市場會(huì)員交易結(jié)算合同3篇
- 2025年度車輛轉(zhuǎn)讓協(xié)議書編制指南8篇
- 2025羽毛球大賽冠名贊助合同范本
- 基于低維凸可行域映射的新能源電網(wǎng)輸-配協(xié)同恢復(fù)研究
- 轉(zhuǎn)錄因子FanHB2b.B1調(diào)控‘蒙特瑞’草莓果實(shí)低糖特性形成的機(jī)制研究
- REDD+生物多樣性增益歸屬研究
- 二零二五年度木質(zhì)裝飾材料批發(fā)與零售合同3篇
- 長沙縣安沙鎮(zhèn)鄉(xiāng)村教師職業(yè)滿意度影響因素的研究
- 2025年度光伏發(fā)電項(xiàng)目承建與運(yùn)維服務(wù)合同4篇
- 二零二四年共享辦公室租賃合同附設(shè)備租賃與升級服務(wù)條款3篇
- 農(nóng)民工工資表格
- 【寒假預(yù)習(xí)】專題04 閱讀理解 20篇 集訓(xùn)-2025年人教版(PEP)六年級英語下冊寒假提前學(xué)(含答案)
- 2024年智能監(jiān)獄安防監(jiān)控工程合同3篇
- 幼兒園籃球課培訓(xùn)
- 統(tǒng)編版(2024新版)七年級《道德與法治》上冊第一單元《少年有夢》單元測試卷(含答案)
- 100道20以內(nèi)的口算題共20份
- 高三完形填空專項(xiàng)訓(xùn)練單選(部分答案)
- 護(hù)理查房高鉀血癥
- 項(xiàng)目監(jiān)理策劃方案匯報(bào)
- 《職業(yè)培訓(xùn)師的培訓(xùn)》課件
- 建筑企業(yè)新年開工儀式方案
評論
0/150
提交評論