冶金自动化中人工智能的应用探析

(整期优先)网络出版时间:2019-08-18
/ 2

冶金自动化中人工智能的应用探析

陈欢

13013319901003xxxx

摘要:本文介绍智能自动化的主要领域和冶金智能化的进展,并提出冶金智能化发展的某些战略思考。

关键词:人工智能;冶金;自动化;智能化

1智能自动化的主要领域

(1)专家系统。专家系统是一类智能计算机程序系统,基于规则的专家系统是专家系统的典型代表,也是冶金专家系统的基础技术。在设计专家系统时,知识工程师的任务就是使计算机尽可能模拟人类专家解决某些实际问题的决策和工作过程,即模仿人类专家如何运用他们的知识和经验来解决所面临问题的方法、技巧和步骤。

(2)计算智能。计算智能是有别于传统人工智能的研究新方向,是各种基于仿生算法的人工智能技术,它基于生物进化的进化计算机制和生理学的人工神经网络机制,依赖数据而不是知识进行思维行为研究。计算智能涉及神经计算、模糊计算、进化计算、粒子计算和免疫计算等研究领域,已在智能系统建模、优化与控制中获得日益广泛的应用。

(3)分布式人工智能。分布式人工智能是分布式计算与人工智能结合的结果。DAI在于构造描述自然系统、社会系统以及人-自然-社会关系系统的精确概念模型,研究由多个问题求解实体组成的系统中各实体间的交互作用以及知识和动作的分布与协作,以提高系统的整体性能

(4)机器学习。机器学习是研究用机器模拟人类的学习活动、获取知识和技能,用于改善系统性能的学科理论和方法,也就是说,机器学习是一门机器获取新知识和新技能,并识别现有知识的学问。使机器具有学习能力,能够极大地提高机器的问题求解能力和应用领域。学习方法有归纳学习、类比学习、神经网络学习、数据挖掘与知识发现等。具有在线自学习能力的加热炉计算机优化控制系统就是一个机器学习系统的应用实例。

(5)智能控制。人工智能的产生与发展促进自动控制向着它的当今最高层次──智能控制发展。智能控制代表了自动控制的最新发展阶段,也是应用计算机模拟人类智能,实现人类脑力劳动和体力劳动自动化的一个重要领域。智能控制是一类无需人的干预就能够独立地驱动智能机器实现其目标的自动控制,也是同时具有以知识表示的非数学广义世界模型和数学公式模型表示的混合控制过程。各种专家控制、学习控制、模糊控制、神经网络、进化控制、网络控制、主动视觉控制、智能规划和故障诊断等系统已被应用于各类工业过程控制系统、智能机器人系统和智能化生产(制造)系统。冶金轧制和冶炼过程智能控制是智能控制的一个突出领域。

2冶金智能化的进展

2.1冶金专家系统

专家系统已在冶金工业生产中获得十分普遍的应用。美国、德国、日本、印度和中国等国都开发和应用了许多先进的高炉系统,已把专家系统技术用于高炉建模、监控与诊断等,例如,建立基于多核学习的高炉自动化框架、基于Volterra级数的高炉系统数据驱动建模、高炉热风炉流量设定、高炉炉温预测、铁水含硅量预报、数据采集处理、布料状态评估、炉况分析与监控、诊断与决策支持等专家系统,实现高炉炼铁过程的智能化。高炉热风炉流量设定及控制专家系统可以解决人工难以控制的对热风炉加热的煤气和空气量的修正,实现热风炉燃烧控制的全自动化,并可为高炉提高风温创造条件,实现热风炉的全自动烧炉及在线控制。高炉诊断与监控专家系统也已经有所应用。

2.2冶炼和轧制过程智能控制

模糊逻辑、人工神经网络、进化计算及其集成智能化模型,已在冶金工业生产中获得,包括对冶金生产过程的建模和控制等。这些“软计算”已经用于轧钢产品质量建模、加热炉温度控制、电弧炉钢温控制、高炉炉顶压力控制、半固态镁合金板带双辊连铸控制、铝轧机双机架自适应张力控制、碳钢冷轧机煤气加压站控制、套窑温度均衡控制、铝电解厂排烟控制、转炉煤气温度控制、烧结过程控制等。这方面的应用有基于神经网络与进化算法的钢温控制、广义动态模糊神经网络用于铝电解预测、套筒窑温度均衡模糊控制、基于神经网络的连铸板坯质量在线诊断等系统,以及冶金工人肺尘病的人工神经网络建模、基于神经网络的转炉炼钢终点控制和基于遗传算法的纯铁粉末冶金生产等。采用分层模糊神经网络对轧钢产品质量进行建模,建立热连轧生产过程的关系模型,并用预处理后的数据进行训练和校验,可以提高产品质量和企业经济效益。基于神经网络和模糊控制的粉末冶金烧结炉温度控制系统,充分利用模糊控制的推理功能和神经网络的记忆和学习功能,仿真实验及现场测试结果表明,模糊神经网络用于粉末冶金烧结炉温度控制,具有优良的动态性能和较高的稳态精度,较传统控制方案具有明显的优越性,能够很好地满足粉末冶金工艺的要求。

2.3矿井智能安全监控与灾害处置系统

矿井生产系统是一个涉及很多因素的复杂系统,各种自然因素、机器因素与人工因素并存,又受到气体、煤尘等环境因素的影响,不同因素之间还存在相互关联,因此,煤矿安全预测是一个典型的非线性问题。而神经网络是一个典型的非线性动力学系统,能够利用历史的训练样例对未来趋势进行准确的预测,非常适于解决矿井安全预测问题。

2.4冶金智能机器人

工业机器人已在制造行业和其他部门,特别是在高温、有毒、危险等恶劣环境中获得日益广泛的应用。近年来,各个先进工业国家争先推出发展机器人学的雄伟计划,中国也制订了智能制造等发展战略。2013年9月在上海举行的2013年中国国际金属成型展览会上,展出了工业机器人在铸造自动化生产线上的应用情况,令人鼓舞。然而,冶金工业应用工业机器人还是不够普遍。除了铸造、锻造、搬运等作业开始有应用智能机器人的试点外,还在矿井灾害处置和矿井安全预测方面采用机器人系统。

3冶金智能化发展的某些战略思考

结合冶金工业实际,贯彻中央实行结构调整与转变发展方式的方针,推动冶金工业的科技进步和企业转型升级,充分利用资源,有效保护环境,提高经济效益和社会效益,以“冶金智能化之梦”促进实现中国“冶金强国”之梦。继续开发各类冶金专家系统,例如,基于规则、模型和框架技术建立综合专家系统,对于某些应用,还可以结合网络技术建立基于Web的综合型专家系统,以不断提高专家系统的技术水平和经济效益。(3)推广应用冶金智能机器人。随着冶金安全生产和绿色生产需求的日益凸现,员工劳动力成本的快速增加,经济发展趋于节能减排、高效环保、关注民生等诉求,应用智能机器人已成为冶金生产当务之急。实现冶金工业机器人化,不失为进行结构调整、转变发展方式、实现转型升级的良策之一。冶金工业应用机器人既面临良好机遇,也面临不少挑战。锻压生产成功应用机器人自动生产线,是对其他钢铁冶金生产实现机器人化的很好启示。

参考文献

[1]蔡自兴.人工智能及其应用[M].4版.北京:清华大学出版社,2010.

[2]蔡自兴.智能系统原理、算法与应用[M].北京:机械工业出版社,2014.

[3]蔡自兴.智能控制导论[M].2版.北京:中国水利水电出版社,2013.