人工智能在冶金中的应用

摘要

    冶金过程复杂而且很难控制，随着科技的发展人工智能技术在冶金中的应用也逐渐广泛起来，人工智能虽然在近些年的发展态势良好，但只是集中体现在机器人和一些模式识别的方面，若要真正的实现人类的智能，还有很长的路要走。在当今这个网络信息时代，人工智能重在研究生物智能，网络，计算机科学和物理学等多个交叉学科之间的人工智能技术，然而在使人工技能不断革新的过程中，我们发现，自然语言的智能化是人工智能技术中的关键所在，我们要对其建立一个能够量化的模型钢铁企业在原料、能量、设备偿还和劳动力费用方面都受到很大压力，而对如此严酷要求，必须找出有效的对策解决。为了钢铁工业的现代化，正在经历着种种变革。这些变革必须实行自动化，或至少以自动化为前提的计算机控制。本文从人工智能的发展简史和人工智能在冶金中的应用的方面来论述，并为大家介绍了人工智能的发展前景。

关键字

人工智能，高炉，计算机，系统，冶金

目录

引言……………………………………………………………………………………1

一．人工智能的发展史………………………………………………………………2

二．人工智能的研究与应用…………………………………………………………3

2.1机器的学习

    2.2专家系统

    2.3模式识别

2.4人工神经系统

2.5决策支持系统

2.6自然语言的分析和理解以及自动程序的设计.

三．人工智能控制在高炉中的应用…………………………………………………5

3.1专家系统

3.2炉热监测和控制专家系统

3.3炉料下降异常预报和控制

四．计算机在高炉冶炼过程中的应用……………7

4.1冶金过程计算机控制的必要性

4.2.计算机在高炉冶炼中的功能

五．高炉自动化……………………………………………8

六．神经网络在轧钢加热炉模式识别与智能控制中的应用…………9

6.1神经网络模型    

6.2多层感知器神经网络在轧钢加热炉模式识别中的应用

6.3自组织神经网络在轧钢加热炉模式识别中的应用

七．结语…………………………………………………………………10

八．参考文献…………………………………………………………….10

引言

    人工智能自1956年起，至今已经有半个多世纪的历史了。其中诞生了几个至今仍有影响力的学派，有以有限合理性为理论基础，以物理符号为系统假设的符号主义逻辑学派。还有以人工神经网络和进化计算机为理论基础的联结主义。仿生学派则注重感知与行动之间的结合发展。这些至今仍为之瞩目的理论在人工智能的各个领域分别取得了不同的成就。分别在机器人和模式识别等领域推动了科技的进步和人工智能的进一步发展。智能机器人和智能控制系统，逐渐走进了人们的生活，智能社区和数据挖掘系统也是随处可见。然而这样一项为我们生活带来了美好的改变的技术，自诞生以来，也存在着许多矛盾和争议。在研究的过程中，我们也无数次的意识到，人工智能的发展至今无法与人类的智能相提并论，这让我们陷入了深深的思考之中。冶金过程中的冶炼、精炼、连铸、轧制等过程中的流场、温度场、应力场等数据都需要监测，以及金属组织性能的控制，金属制造过程中的成分与板型精确控制、工艺技术优化、新产品的开发，种种这些，都需要运用到人工智能技术。人工智能技术不但可以节约新产品、工艺开发时间和费用，提高试验成功率，而且容易形成企业自主知识产权的工艺和产品。从国内外冶金企业的发展来看，其核心技术部分大部分来自于人工智能技术以及数据积累而形成的。

一、人工智能的发展史

    我们在研究人工智能的发展史的过程中，将人工智能由产生到如今的发展分为四个阶段，分别是产生、形成、应用和集成。产生时期最初是制造出一种人工神经元的模型，普林斯顿两名数学系的研究生在1951年制造出了第一台模拟神经元系统的电子计算机。这种行为在最初被称之为人工智能的初次尝试，这种神经元模型吸收了三种资源，阐述了一种简单的更新规则，最主要的是修改了神经元之间的连接强度。此外，古希腊哲学家亚里士多德也提出了著名的三段论，为早期的人工智能的产生提供了辅助的作用。

    形成时期，在借鉴了早期的模拟神经元的经验后，几位在各个领域颇有成就的科学家聚集到一起，他们分别涉及到数学界，心理学界，神经学和计算机信息方面等领域，并最终通过探讨提出了人工智能这一术语。同时也产生了一个由机器来模拟人类智能的学科。人类从那时起，就不断对其进行探索，在1969年，人工智能在国际人工智能联合会议上得到了世界的认可。各领域的领导人物都开始积极对人工智能进行探索，虽然深知将会面对许多困难，但他们注重在一次次的实验中总结经验教训，最终确定在人工智能的研究领域要走一条以知识为中心的全面开发的道路。

    应用时期，在第五届国际人工智能联合会议上，知识工程的理念首次被提出。在此之后，各个领域的专家们纷纷研究出了许多智能系统和商品化系统。知识工程很快对全世界的各个领域都产生了影响，并为他们提供了便捷，创造了效益。但知识专家系统在被广泛应用的过程中也暴露出了许多问题。例如知识获取困难和其自身具有的应用范围有局限性的问题。这些都是在应用时期暴露出的亟待专家学者们解决的问题。

    集成时期，这一时期仍然以知识专家系统为基础，从20世纪80年代开始，各领域的专家共同努力，将其向多方面，宽领域发展。他们利用多种技术的结合，多领域技术的综合应用，使人工智能逐渐走向成熟。专家们开始将多种推理和控制机制进行有机的结合，并将这种结合应用在专家系统开发和系统工具开发等方面。

二、人工智能的研究与应用

    随着时代的发展和技术的进步，人工智能技术开始走进了我们生活的方方面面，也延伸到了研究的各个领域。无论是语言的处理，数据的检索，问题求解，还是计算方面或是视觉问题方面的智能，人工智能有所体现。在过去的几年间，人工智能技术又与计算机应用技术有了良好的结合，在这两项技术结合后，人工智能技术能够做到解微分方程，集成电路的设计和分析，自动进行语言合成并能熟练的控制机器人在空中飞行和水下工作。因此，我们不难看出人工智能已经被人类应用到生活和生产的各个方面，下面我们来重点分析人工智能与具体领域结合的几个方面。

2.1机器的学习

    机器学习顾名思义就是使机器自行的进行学习，它主要是通过模拟人类学习的过程，通过研究人类的学习机理和人脑的思维过程，建立一个机器针对不同的任务的自主学习系统。机器学习后来被延伸到了机器人学习领域。在研发高智能的机器人方面，我们从机器人手臂的最佳移动位置来完成机器人目标动作序列的规划。

2.2专家系统

    这一系统是结合各特定领域内的大量专业知识和经验程序而成的。它也是一种依靠专家自身的经验和知识为基础而建立的系统。专家系统通过模拟人类专家解决各领域问题时的思维方式和解决问题的过程，来实现人工智能技术。专家系统目前的应用范围的很广泛，集中体现在文化教育，医疗和地质勘探方面。并且专家系统在模拟专家解决问题的时候，已经达到了接近专家或是超过专家的水平了。

2.3模式识别

模式识别主要是对视觉和听觉模式进行识别，通过一系严谨的研究，使生硬的机器具有一定的感知能力。它可以通过程序的设定来识别一些文字或是图像，并且在日常生活和军事上都有较大用途。近几年来，模式识别中的人工神经网络方法有了较大的进步。然而在图像和文字的识别上也渐入佳境，模式识别系统渐渐的走入了实用的范围。在图像识别方面，能够识别指纹，手写字体和印刷字体，以及用于医疗方面的识别白血球和癌细胞。语音识别技术也已经成功应用在商品化的扫描仪中了。

2.4人工神经系统

人工神经网络致力于模拟人类的大脑的神经系统的工作原理，利用人工神经元，处理元件等处理单元来模拟人脑的处理模式。并通过修改推理机的机构，改善知识库，最终来实现人工神经系统达到人工智能化的效果。与人类大脑的工作原理相似，人工神经网络中的信息处理也是通过神经元之间的相互作用来实现的。人工神经网络的学习功能和识别功能是通过神经元连接权值的一个动态的演变过程而实现的。我们虽然能够清楚的认识到，人工神经网络系统虽然永远也无法与人类的大脑相提并论，但这一系统却能提升人类对外界的认识，扩展人类对外界的控制能力。由于多年来我们在人工神经网络领域取得了许多成就，并且形成了一个独树一帜的关于信息处理的学科。现在这一系统具有如下特点和优势，首先，人工神经网络模型的更新频率非常之快，其次，人工网络模型的完善也是急速的。最重要的是人工神经网络模型与现代的计算机技术和现代算法的结合日益密切，例如混沌原理与遗传神经理论的结合以及成功应用。

2.5决策支持系统

智能决策支持系统与知识智能系统有着密切的联系，随着专家知识系统日益进步，人智能系统就将专家系统中的智能和知识处理技能应用在决策支持系统中。这样既提高了决策支持系统的系统运行能力，也提高了决策支持系统的应用范围，这种方式也最终成就了智能决策支持系统。

2.6自然语言的分析和理解以及自动程序的设计

自然语言的分析是设计出应用内部数据库来分析出用英语提出的问题的程序。自然语言的理解程序还可以通过一些程序将一段文本文字翻译成一种或多种语言。也可以较快的执行用英语发出的程序指令。然而在自动程序的设计方面，就要求计算机本身能够根据目标的要求自行的进行程序的编写和运行。也可以表述为，英语来描述算法，高级语言则用来编写程序。现在这一自动程序设计系统已经投入了应用，可以自动的编写一些程序。

三．人工智能控制在高炉中的应用

由于高炉过程的复杂性，许多现象反反利用转统的数学模型进行短期控制是不够的，因为数学模型还不能处理过程现象中的模糊信息，而高炉过程中大量存在这种模糊信息，通常操作者是凭经验来处理这些模糊信息的，因为人具有智能，可以对这些模糊信息进行推理解判断，从而还有效的控制高炉，通常应用于人工智能信息处理系统有；专家系统，GO-stop高炉炉况监控于预报系统，炉热检测和控制专家系统，炉料下降异常预报和控制等。

人工智能应用范围很广，包括智能信息处理系统（含模糊控制、专家系统和神经元网络等）、智能机器人、自然语言识别等，但在高炉中主要是应用智能信息处理系统。

3.1专家系统

人工智能技术是模拟人类的思维方式和可观的世界进行认识和改造的一门先进的科学。人工智能的一个重要而且最成功的分支称为专家系统。专家系统并不神秘，它不过是利用某一特定领域人类专家的知识，模拟人类的推理方式，具有决策制定能力的复杂计算机程序。典型的专家系统包括大量规则的知识库和推理机组成。有些专家系统还包括帮助建立知识库、向用户解释推理过程、更新知识库等方面的子系统。

专家系统开发的基本问题：开发一个实用的专家系统，需要根据所需解决的问题和知识的表达方式、推理方式、人工智能语言等做出正确的选择，还要解决和现有计算机系统的联网通讯及人-机接口的设计问题。

（1）      知识的表达方式  好的知识表达方式应具备以下特点：a 有表达某个专门领域所需要的知识能力，并保证库中的知识是相容的；b 具有从已知知识推导新知识的能力，容易建立表达新知识所需要的新结构；c 便于获取新的知识，最简单的情况是能够由人将知识直接插入到知识库中；d 便于将启发性知识附加到知识结构中去，以便把推理集中到最有希望的方向上。

（2）      推理方式  基本的推理方式有两大类：a 前向推理即从子目标或前提条件出发朝向主要目标推理的工作方式；b 后向推理在问题的求解过程中首先做出几种假设，然后根据其中的一种假设进行推理，如果结果不能接受，则退回出发点，对另一种假设进行推理。

专家系统包括解决的问题、知识表达方式、推理方式、人工智能语言、联网方式和人-机接口（数据采集、处理）。

开发和应用高炉专家系统的主要目的是实行对高炉的短期控制，即早期发现炉况恶化，尽快做出相应处理，使高炉稳定操作。

·高炉炉况异常，出铁出渣不良和炉凉等重大异常炉况的诊断与处理；

·炉热水平的监测、预报和控制

·崩料、管道、难行和悬料等炉料下降异常的预报和控制。

3.2炉热监测和控制专家系统

炉热监测和控制专家系统的决策过程由当前炉热水平判断、炉热变化趋势和措施决策3个阶段所组成。

a 当前炉热水平的判断

当前炉热水平判断所采取的指数一般是铁水温度，但应该注意，铁水的温度实测值受到许多因素的影响：

·测温地点和测量时间

·是否两个铁口同时出铁

·是否长时间休风后的首次出铁

·是否两个铁口同时重叠出铁

b 炉热变化趋势预报

c 调整炉热的措施决策

决策调整炉热的过程一般分为两个阶段，第一是根据当前炉热水平和炉热变化趋势确定初步措施；第二是根据以往已经采取的措施来决定最终的措施。

3.3炉料下降异常预报和控制

炉料下降异常包括崩料、管道、难行和悬料等。炉料下降异常的预报及控制主要是针对崩料进行的，崩料的预报包括崩料的严重程度和发生的可能性大小两方面，推理过程分为以下三步：

a 对各个诊断项目，例如炉热状态.透气性等指数，单独进行评价并提出相应的操作措施;

b 综合考虑不正常炉况的严重程度和过去已经采取的措施，对第一步确定的各个操作措施项目及调整量重新进行评价；

c 选择第二步确定的调整量最大的操作措施作为最终的决定，并在CRT上显示供工长参考。

四．计算机在高炉冶炼中的应用

4.1冶金过程计算机控制的必要性

为什么冶金生产过程要实行计算机控制，或者说计算机控制的效果表现在哪里？为了说明这个问题，下面介绍钢铁生产过程的性质和特点。
钢铁生产的性质可概括为以下三点：是大型装置工业；需要复杂的生产过程；是订货生产方式。

这些性质具体表现为如下特点。
①设备方面的特点是：单机设备大；多半不是连续过程，而是间歇过程；人工操作仍相当多。
②生产过程中物流的特点是：原料使用量大；要使用大量的能量和水；物流相当复杂；原料和成品的运输量大。
③生产过程状况的特点是：生产过程中物流多种多样；高温下作业。
④按订货进行生产的特点是：生产管理需要大量的信息；信息流和生产管理都很复杂。
⑤从劳动条件方面看的特点是：要求熟练工的作业多；多为高温、重体力劳动。
    另外，从现实看还没有考虑到价格的升高。这些特点，无论拿哪一项作为企业条件都是不容易的。以这种过程进行生产，从企业来讲要降低产品成本是相当困难的。然而正相反，对钢铁产品的质量和价格的要求却越来越苛刻了，这更加重了困难程度。也就是说，钢铁企业在原料、能量、设备偿还和劳动力费用方面都受到很大压力，而对如此严酷要求，必须找出有效的对策解决。计算机控制就是措施之一，鉴于钢铁生产过程的复杂性，只凭在其他工业的连续性生产发展起来的闭环反馈控制为基础的一系列控制技术是很难解决问题的。而且
今后钢铁工业的趋势将是更困难、更复杂。钢铁工业的现代化正在经历着种种变革。这些变革必须实行自动化，或实现至少以自动化为前提的计算机控制系统。冶金工业自动化的目的在于提高大型设备的生产效率，加强质量管理，实现生产管理合理化以及省力化、无人化。

4.2.计算机在高炉冶炼中的功能

高炉冶炼过程是一系列复杂的物质化学过程的总和。有炉料的发挥与分解，铁氧化物的还原，生铁与炉渣的形成，燃料燃烧，热交换和炉料与煤气运动等，这些过程不是单独进行的，而是互相制约下数个过程同时进行的，从控制论的角度看，高炉过程是一种时间常数大的非线性系统。这就决定了高炉过程计算机系统必须具有长期，中期和短期3个水平的控制功能。

高炉过程计算机负责冶炼的全过程管理，主要功能包括过程监视，系统控制，数据处理，设备管理及数学模型运算等，主要作用是向操作指导，判断信息，管理信息和作业信息，从而减轻操作人员的劳动强度。

高炉计算机首先对原料，燃料---进行作业数据处理，对原燃料，燃料装入数据处理，为了了解大型高炉炉璧和炉底各部分的侵蚀情况，就要对高炉炉体进行温度监视，同样由于热风炉炉壳各部分周期性工作，炉壳温度也周期性变化，容易发生炉壳铁皮变形与龟裂，为此要建立对炉壳温度周期巡回栓测，当各点温度超过设定值时，自动打印出越限信息。计算接受有关渣，铁数据，同时对高炉和艺参数的处理。高炉计算机还有热风炉然炉燃烧控制，技术计算，数据处理，数据显示，通信等功能。

高炉是一个复杂的气固相流反应器。为了理解，控制和设进高炉炼过程，更多的努力被用与开发数学模型。高炉数学模型的出发点是把高炉过程和热风和热风炉状态以工艺或控制理论描述，算出操作，算出操作一进行在线控制或操作指导。

五．高炉自动化

高炉控制系统主要包含高炉本体控制、给料和配料控制、热风炉控制，以及除尘系统控制等。高炉炼铁自动化控制系统就是保证炼铁生产过程的连续性和实时监控性，进而保证高炉操作的四个主要问题：正确配料并以一定的顺序及时装入炉内、控制炉料均匀下降、调节炉料分布及保持其与热煤气流的良好接触、保持高炉整体有合适的热状态。高炉自动化控制系统具有组成设备多、位置分散、设备间联锁关系强、设备运行环境恶劣、安全性可靠性要求高等方面特点，基于和利时公司HOLLiAS LK系列PLC的高炉控制系统，在考虑高炉炼铁系统特点和要求的基础上，充分利用了LK PLC可靠性高、性能优异、功能丰富、扩展性好、易于使用等方面的优势

1、系统设计

高炉控制是集机械、电气控制和计算机应用为一体的技术，采用以和利时公司HOLLiAS LK系列PLC为核心的，集中与分散相结合的自动化控制系统，系统由1个中央控制室和上料系统、高炉本体、热风炉、除尘等四个控制站组成，通过高速100Mbps光纤工业以太网进行数据通信

2、系统功能

本系统是一个集顺序控制、过程控制、数据采集、工况监视、数据管理为一体的计算机控制管理系统。对电动机、阀门等以及成套机电设备的开关量控制，包括分组联锁起动、分组联锁关机、组内自动联锁控制、组内单步联锁控制、系统单步调试；过程控制数据的采集和处理（包括开关量和模拟量）；完善的报警功能。开关量和模拟量报警的显示、确认、记录和打印；动态显示工艺流程图画面，各画面之间可以自由切换；历史曲线图、实时曲线图、电气仪表图和棒形图显示和打印。

六．神经网络在轧钢加热炉模式识别与智能控制中的应用

在冶金行业中,轧钢加热炉是轧钢生产过程中的重要设备之一,在实际操作过程中，操作人员依靠传感器的信息，判断炉况，进行操作。有些判断难以用简单的“IFA THEN B”这样的规则表达，而是根据操作人员的经验，将炉况分成几种模式，用神经网络来识别目前炉况属于那种模式，对其进行操作进行指导，或作为专家系统的补充，有较大的作用。

6.1神经网络模型  

　　神经网络是模拟生物的神经系统（特别是脑）功能的网络。人脑约由150亿个神经细胞组成，每个细胞同数千、数万个神经细胞相联系，形成网络。这样，神经细胞模型可以看作是n输入单输出的信息处理单元。某个输入Xi对神经细胞的影响以影响度表示，称为细胞的结合权重或效率Wi，这个细包模型如图1所示。

图1 细胞模型

　　细胞的输入有强有弱，当其总合超过某一阀值，则细胞进入兴奋状态，产生输出;当其总合低于阈值时，细胞进入抑制状态，没有输出。神经细胞之间可以有不同的连接方式，目前已经提出了许多神经网络模型，在神经网络中，由于神经细胞的计算的并行性，其总体计算效率很高。生物的一个重要特征是有自学习功能，改变神经网络中细胞（或节点）输入端的权重或者细胞兴奋的阀值，控制细胞的兴奋状态，可以实现生物系统所具有的灵活的判断和自学习功能。

　　6.2多层感知器神经网络在轧钢加热炉模式识别中的应用

　　采用多层感知器神经网络作为轧钢加热炉炉温控制和热风量控制专家系统的一部分。 以轧钢加热炉炉温预测神经网络为例，采用如图4所示的三层网络。以钢坯加热状况，煤气成分，炉中部热平衡计算求得的计算值指数、 炉体热损失量过程数据作为输入层的输入。

6.3自组织神经网络在轧钢加热炉模式识别中的应用

　　以炉膛温度来说，在炉膛沿上方向和左右方向共设置一些测温点，温度数据是二维的分布模式，依靠操作人员观察对模式进行分类是很困难的，因此不能预先给出教导模式，而是用自组织网络自动抽取数据特征，进行分类。自组织网络采用多个输入节点，多个输出阵列，用一段时间的日平均测温数据，用自组织网络进行分类，得到轧钢加热炉高温、稍高温、低温等几种炉膛温度模式，模式特征在邻近节点间平滑变化。使用自组织后的网络，可以用来识别日平均炉膛温度数据与哪一温度分布模式最为接近，用这一识别可以定量分析与其它炉况数据的关系。

七．结语

人工智能技术在冶金反应中应用越来越广泛，为了提高冶金生产效率，降低生产成本，降低操作人员的劳动强度，实现冶金过程向自动化，规模化，高效的方向发展，更好的利用人工智能技术是冶金发展的必然趋势，也是体现冶金技术进步的具体表现。冶金过程中的冶炼、精炼、连铸、轧制等过程中的流场、温度场、应力场等数据都需要监测，以及金属组织性能的控制，金属制造过程中的成分与板型精确控制、工艺技术优化、新产品的开发，种种这些，都需要运用到人工智能技术。人工技术在我们提供智能服务的同时也为我们带来更好的经济效益。

八．参考文献

［1］毕学工，高炉过程数学模型及计算机控制［M］北京冶金工业出版社 1996

［2］刘洪霖，包宏  化工冶金过程人工智能化［M］北京冶金工业出版社1999

[3]蔡自兴.人工智能基础[M].北京：高等教育出版社，2005.

[4]尚福华，李军，王梅，等.人工智能及其应用[M].北京：石油工业出版社，2005.

[5]李陶深.人工智能[M].重庆：重庆大学出版社，2002.

[6]《山东冶金》2005年06期

[7]鲁晓娟,何蔼平;有色冶金中的计算机应用[J];有色金属设计;2003年01期