内容发布更新时间 : 2024/11/19 17:29:40星期一 下面是文章的全部内容请认真阅读。
人工智能技术在轧钢中的应用
摘要：人工智能是计算科学的一个重要分支, 与能源技术、材料科学、空间技
术等并称为当今世界的尖端科技。人工智能在诞生半个多世纪的时间里经历了产生、发展、高潮、低谷、复苏等多次反复变换, 已逐渐形成了具有本身特色的理论和技术体系。它使计算机能够在需要知识、感知、推理、学习、理解及其它类似有认知和思维能力的任务中代替人类的部分脑力劳动。人工智能的研究领域极其广泛, 涉及到数学、物理学、医学、经济学、法律、哲学、控制论、信息论、计算机科学、数理逻辑学、神经学、生理和心理学、思维科学以及语言学等学科, 是一门由多门类学科互相交叉与渗透而产生的综合性边缘学科, 推理、学习和联想是实现人工智能的三大重要因素。
关键词：人工智能，高端科技，领域广泛，重要因素，
伴随人类社会跨入 21 世纪的步, 计算机科学和信息技术等的发展必将推动人工智能技术的又一次飞跃。当前人智能正处在一个快速复苏的发展时期, 正吸引着基础研究和工程技术领域无数技人员的目光。 人工智能的概述
人工智能(Artificial Intelligence) 英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、言识别、图像识别、自然语言处理和专家系统等人工智能大致可包括问题的解决和规划、专家系统、自然语言处理、机器人学、可视化技术、机器学习、遗传算法以及神经网络等类别和技术。 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70～80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1μm左右，工业规模生产中已经获得了晶粒尺寸在3~4μm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 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，70~80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可以说为轧制理论与技术的发展树立了第四个里程碑。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。
神经网络在轧制中的应用
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：①用于模式识别；②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。 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
人工神经网络在轧制过程控制方面的应用 现代的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