摘要

    冶金過程復雜而且很難控制，隨著科技的發展人工智能技術在冶金中的應用也逐漸廣泛起來，人工智能雖然在近些年的發展態勢良好，但只是集中體現在機器人和一些模式識別的方面，若要真正的實現人類的智能，還有很長的路要走。在當今這個網絡信息時代，人工智能重在研究生物智能，網絡，計算機科學和物理學等多個交叉學科之間的人工智能技術，然而在使人工技能不斷革新的過程中，我們發現，自然語言的智能化是人工智能技術中的關鍵所在，我們要對其建立一個能夠量化的模型鋼鐵企業在原料、能量、設備償還和勞動力費用方面都受到很大壓力，而對如此嚴酷要求，必須找出有效的對策解決。為了鋼鐵工業的現代化，正在經歷著種種變革。這些變革必須實行自動化，或至少以自動化為前提的計算機控制。本文從人工智能的發展簡史和人工智能在冶金中的應用的方面來論述，并為大家介紹了人工智能的發展前景。

關鍵字

人工智能，高爐，計算機，系統，冶金

目錄

引言……………………………………………………………………………………1

一．人工智能的發展史………………………………………………………………2

二．人工智能的研究與應用…………………………………………………………3

2.1機器的學習

    2.2專家系統

    2.3模式識別

2.4人工神經系統

2.5決策支持系統

2.6自然語言的分析和理解以及自動程序的設計.

三．人工智能控制在高爐中的應用…………………………………………………5

3.1專家系統

3.2爐熱監測和控制專家系統

3.3爐料下降異常預報和控制

四．計算機在高爐冶煉過程中的應用……………7

4.1冶金過程計算機控制的必要性

4.2.計算機在高爐冶煉中的功能

五．高爐自動化……………………………………………8

六．神經網絡在軋鋼加熱爐模式識別與智能控制中的應用…………9

6.1神經網絡模型    

6.2多層感知器神經網絡在軋鋼加熱爐模式識別中的應用

6.3自組織神經網絡在軋鋼加熱爐模式識別中的應用

七．結語…………………………………………………………………10

八．參考文獻…………………………………………………………….10

引言

    人工智能自1956年起，至今已經有半個多世紀的歷史了。其中誕生了幾個至今仍有影響力的學派，有以有限合理性為理論基礎，以物理符號為系統假設的符號主義邏輯學派。還有以人工神經網絡和進化計算機為理論基礎的聯結主義。仿生學派則注重感知與行動之間的結合發展。這些至今仍為之矚目的理論在人工智能的各個領域分別取得了不同的成就。分別在機器人和模式識別等領域推動了科技的進步和人工智能的進一步發展。智能機器人和智能控制系統，逐漸走進了人們的生活，智能社區和數據挖掘系統也是隨處可見。然而這樣一項為我們生活帶來了美好的改變的技術，自誕生以來，也存在著許多矛盾和爭議。在研究的過程中，我們也無數次的意識到，人工智能的發展至今無法與人類的智能相提并論，這讓我們陷入了深深的思考之中。冶金過程中的冶煉、精煉、連鑄、軋制等過程中的流場、溫度場、應力場等數據都需要監測，以及金屬組織性能的控制，金屬制造過程中的成分與板型精確控制、工藝技術優化、新產品的開發，種種這些，都需要運用到人工智能技術。人工智能技術不但可以節約新產品、工藝開發時間和費用，提高試驗成功率，而且容易形成企業自主知識產權的工藝和產品。從國內外冶金企業的發展來看，其核心技術部分大部分來自于人工智能技術以及數據積累而形成的。

一、人工智能的發展史

    我們在研究人工智能的發展史的過程中，將人工智能由產生到如今的發展分為四個階段，分別是產生、形成、應用和集成。產生時期最初是制造出一種人工神經元的模型，普林斯頓兩名數學系的研究生在1951年制造出了第一臺模擬神經元系統的電子計算機。這種行為在最初被稱之為人工智能的初次嘗試，這種神經元模型吸收了三種資源，闡述了一種簡單的更新規則，最主要的是修改了神經元之間的連接強度。此外，古希臘哲學家亞里士多德也提出了著名的三段論，為早期的人工智能的產生提供了輔助的作用。

    形成時期，在借鑒了早期的模擬神經元的經驗后，幾位在各個領域頗有成就的科學家聚集到一起，他們分別涉及到數學界，心理學界，神經學和計算機信息方面等領域，并最終通過探討提出了人工智能這一術語。同時也產生了一個由機器來模擬人類智能的學科。人類從那時起，就不斷對其進行探索，在1969年，人工智能在國際人工智能聯合會議上得到了世界的認可。各領域的領導人物都開始積極對人工智能進行探索，雖然深知將會面對許多困難，但他們注重在一次次的實驗中總結經驗教訓，最終確定在人工智能的研究領域要走一條以知識為中心的全面開發的道路。

    應用時期，在第五屆國際人工智能聯合會議上，知識工程的理念首次被提出。在此之后，各個領域的專家們紛紛研究出了許多智能系統和商品化系統。知識工程很快對全世界的各個領域都產生了影響，并為他們提供了便捷，創造了效益。但知識專家系統在被廣泛應用的過程中也暴露出了許多問題。例如知識獲取困難和其自身具有的應用范圍有局限性的問題。這些都是在應用時期暴露出的亟待專家學者們解決的問題。

    集成時期，這一時期仍然以知識專家系統為基礎，從20世紀80年代開始，各領域的專家共同努力，將其向多方面，寬領域發展。他們利用多種技術的結合，多領域技術的綜合應用，使人工智能逐漸走向成熟。專家們開始將多種推理和控制機制進行有機的結合，并將這種結合應用在專家系統開發和系統工具開發等方面。

二、人工智能的研究與應用

    隨著時代的發展和技術的進步，人工智能技術開始走進了我們生活的方方面面，也延伸到了研究的各個領域。無論是語言的處理，數據的檢索，問題求解，還是計算方面或是視覺問題方面的智能，人工智能有所體現。在過去的幾年間，人工智能技術又與計算機應用技術有了良好的結合，在這兩項技術結合后，人工智能技術能夠做到解微分方程，集成電路的設計和分析，自動進行語言合成并能熟練的控制機器人在空中飛行和水下工作。因此，我們不難看出人工智能已經被人類應用到生活和生產的各個方面，下面我們來重點分析人工智能與具體領域結合的幾個方面。

2.1機器的學習

    機器學習顧名思義就是使機器自行的進行學習，它主要是通過模擬人類學習的過程，通過研究人類的學習機理和人腦的思維過程，建立一個機器針對不同的任務的自主學習系統。機器學習后來被延伸到了機器人學習領域。在研發高智能的機器人方面，我們從機器人手臂的最佳移動位置來完成機器人目標動作序列的規劃。

2.2專家系統

    這一系統是結合各特定領域內的大量專業知識和經驗程序而成的。它也是一種依靠專家自身的經驗和知識為基礎而建立的系統。專家系統通過模擬人類專家解決各領域問題時的思維方式和解決問題的過程，來實現人工智能技術。專家系統目前的應用范圍的很廣泛，集中體現在文化教育，醫療和地質勘探方面。并且專家系統在模擬專家解決問題的時候，已經達到了接近專家或是超過專家的水平了。

2.3模式識別

模式識別主要是對視覺和聽覺模式進行識別，通過一系嚴謹的研究，使生硬的機器具有一定的感知能力。它可以通過程序的設定來識別一些文字或是圖像，并且在日常生活和軍事上都有較大用途。近幾年來，模式識別中的人工神經網絡方法有了較大的進步。然而在圖像和文字的識別上也漸入佳境，模式識別系統漸漸的走入了實用的范圍。在圖像識別方面，能夠識別指紋，手寫字體和印刷字體，以及用于醫療方面的識別白血球和癌細胞。語音識別技術也已經成功應用在商品化的掃描儀中了。

2.4人工神經系統

人工神經網絡致力于模擬人類的大腦的神經系統的工作原理，利用人工神經元，處理元件等處理單元來模擬人腦的處理模式。并通過修改推理機的機構，改善知識庫，最終來實現人工神經系統達到人工智能化的效果。與人類大腦的工作原理相似，人工神經網絡中的信息處理也是通過神經元之間的相互作用來實現的。人工神經網絡的學習功能和識別功能是通過神經元連接權值的一個動態的演變過程而實現的。我們雖然能夠清楚的認識到，人工神經網絡系統雖然永遠也無法與人類的大腦相提并論，但這一系統卻能提升人類對外界的認識，擴展人類對外界的控制能力。由于多年來我們在人工神經網絡領域取得了許多成就，并且形成了一個獨樹一幟的關于信息處理的學科?，F在這一系統具有如下特點和優勢，首先，人工神經網絡模型的更新頻率非常之快，其次，人工網絡模型的完善也是急速的。最重要的是人工神經網絡模型與現代的計算機技術和現代算法的結合日益密切，例如混沌原理與遺傳神經理論的結合以及成功應用。

2.5決策支持系統

智能決策支持系統與知識智能系統有著密切的聯系，隨著專家知識系統日益進步，人智能系統就將專家系統中的智能和知識處理技能應用在決策支持系統中。這樣既提高了決策支持系統的系統運行能力，也提高了決策支持系統的應用范圍，這種方式也最終成就了智能決策支持系統。

2.6自然語言的分析和理解以及自動程序的設計

自然語言的分析是設計出應用內部數據庫來分析出用英語提出的問題的程序。自然語言的理解程序還可以通過一些程序將一段文本文字翻譯成一種或多種語言。也可以較快的執行用英語發出的程序指令。然而在自動程序的設計方面，就要求計算機本身能夠根據目標的要求自行的進行程序的編寫和運行。也可以表述為，英語來描述算法，高級語言則用來編寫程序?，F在這一自動程序設計系統已經投入了應用，可以自動的編寫一些程序。

三．人工智能控制在高爐中的應用

由于高爐過程的復雜性，許多現象反反利用轉統的數學模型進行短期控制是不夠的，因為數學模型還不能處理過程現象中的模糊信息，而高爐過程中大量存在這種模糊信息，通常操作者是憑經驗來處理這些模糊信息的，因為人具有智能，可以對這些模糊信息進行推理解判斷，從而還有效的控制高爐，通常應用于人工智能信息處理系統有；專家系統，GO-stop高爐爐況監控于預報系統，爐熱檢測和控制專家系統，爐料下降異常預報和控制等。

人工智能應用范圍很廣，包括智能信息處理系統（含模糊控制、專家系統和神經元網絡等）、智能機器人、自然語言識別等，但在高爐中主要是應用智能信息處理系統。

3.1專家系統

人工智能技術是模擬人類的思維方式和可觀的世界進行認識和改造的一門先進的科學。人工智能的一個重要而且最成功的分支稱為專家系統。專家系統并不神秘，它不過是利用某一特定領域人類專家的知識，模擬人類的推理方式，具有決策制定能力的復雜計算機程序。典型的專家系統包括大量規則的知識庫和推理機組成。有些專家系統還包括幫助建立知識庫、向用戶解釋推理過程、更新知識庫等方面的子系統。

專家系統開發的基本問題：開發一個實用的專家系統，需要根據所需解決的問題和知識的表達方式、推理方式、人工智能語言等做出正確的選擇，還要解決和現有計算機系統的聯網通訊及人-機接口的設計問題。

（1）      知識的表達方式  好的知識表達方式應具備以下特點：a 有表達某個專門領域所需要的知識能力，并保證庫中的知識是相容的；b 具有從已知知識推導新知識的能力，容易建立表達新知識所需要的新結構；c 便于獲取新的知識，最簡單的情況是能夠由人將知識直接插入到知識庫中；d 便于將啟發性知識附加到知識結構中去，以便把推理集中到最有希望的方向上。

（2）      推理方式  基本的推理方式有兩大類：a 前向推理即從子目標或前提條件出發朝向主要目標推理的工作方式；b 后向推理在問題的求解過程中首先做出幾種假設，然后根據其中的一種假設進行推理，如果結果不能接受，則退回出發點，對另一種假設進行推理。

專家系統包括解決的問題、知識表達方式、推理方式、人工智能語言、聯網方式和人-機接口（數據采集、處理）。

開發和應用高爐專家系統的主要目的是實行對高爐的短期控制，即早期發現爐況惡化，盡快做出相應處理，使高爐穩定操作。

·高爐爐況異常，出鐵出渣不良和爐涼等重大異常爐況的診斷與處理；

·爐熱水平的監測、預報和控制

·崩料、管道、難行和懸料等爐料下降異常的預報和控制。

3.2爐熱監測和控制專家系統

爐熱監測和控制專家系統的決策過程由當前爐熱水平判斷、爐熱變化趨勢和措施決策3個階段所組成。

a 當前爐熱水平的判斷

當前爐熱水平判斷所采取的指數一般是鐵水溫度，但應該注意，鐵水的溫度實測值受到許多因素的影響：

·測溫地點和測量時間

·是否兩個鐵口同時出鐵

·是否長時間休風后的首次出鐵

·是否兩個鐵口同時重疊出鐵

b 爐熱變化趨勢預報

c 調整爐熱的措施決策

決策調整爐熱的過程一般分為兩個階段，第一是根據當前爐熱水平和爐熱變化趨勢確定初步措施；第二是根據以往已經采取的措施來決定最終的措施。

3.3爐料下降異常預報和控制

爐料下降異常包括崩料、管道、難行和懸料等。爐料下降異常的預報及控制主要是針對崩料進行的，崩料的預報包括崩料的嚴重程度和發生的可能性大小兩方面，推理過程分為以下三步：

a 對各個診斷項目，例如爐熱狀態.透氣性等指數，單獨進行評價并提出相應的操作措施;

b 綜合考慮不正常爐況的嚴重程度和過去已經采取的措施，對第一步確定的各個操作措施項目及調整量重新進行評價；

c 選擇第二步確定的調整量最大的操作措施作為最終的決定，并在CRT上顯示供工長參考。

四．計算機在高爐冶煉中的應用

4.1冶金過程計算機控制的必要性

為什么冶金生產過程要實行計算機控制，或者說計算機控制的效果表現在哪里？為了說明這個問題，下面介紹鋼鐵生產過程的性質和特點。
鋼鐵生產的性質可概括為以下三點：是大型裝置工業；需要復雜的生產過程；是訂貨生產方式。

這些性質具體表現為如下特點。
①設備方面的特點是：單機設備大；多半不是連續過程，而是間歇過程；人工操作仍相當多。
②生產過程中物流的特點是：原料使用量大；要使用大量的能量和水；物流相當復雜；原料和成品的運輸量大。
③生產過程狀況的特點是：生產過程中物流多種多樣；高溫下作業。
④按訂貨進行生產的特點是：生產管理需要大量的信息；信息流和生產管理都很復雜。
⑤從勞動條件方面看的特點是：要求熟練工的作業多；多為高溫、重體力勞動。
    另外，從現實看還沒有考慮到價格的升高。這些特點，無論拿哪一項作為企業條件都是不容易的。以這種過程進行生產，從企業來講要降低產品成本是相當困難的。然而正相反，對鋼鐵產品的質量和價格的要求卻越來越苛刻了，這更加重了困難程度。也就是說，鋼鐵企業在原料、能量、設備償還和勞動力費用方面都受到很大壓力，而對如此嚴酷要求，必須找出有效的對策解決。計算機控制就是措施之一，鑒于鋼鐵生產過程的復雜性，只憑在其他工業的連續性生產發展起來的閉環反饋控制為基礎的一系列控制技術是很難解決問題的。而且
今后鋼鐵工業的趨勢將是更困難、更復雜。鋼鐵工業的現代化正在經歷著種種變革。這些變革必須實行自動化，或實現至少以自動化為前提的計算機控制系統。冶金工業自動化的目的在于提高大型設備的生產效率，加強質量管理，實現生產管理合理化以及省力化、無人化。

4.2.計算機在高爐冶煉中的功能

高爐冶煉過程是一系列復雜的物質化學過程的總和。有爐料的發揮與分解，鐵氧化物的還原，生鐵與爐渣的形成，燃料燃燒，熱交換和爐料與煤氣運動等，這些過程不是單獨進行的，而是互相制約下數個過程同時進行的，從控制論的角度看，高爐過程是一種時間常數大的非線性系統。這就決定了高爐過程計算機系統必須具有長期，中期和短期3個水平的控制功能。

高爐過程計算機負責冶煉的全過程管理，主要功能包括過程監視，系統控制，數據處理，設備管理及數學模型運算等，主要作用是向操作指導，判斷信息，管理信息和作業信息，從而減輕操作人員的勞動強度。

高爐計算機首先對原料，燃料---進行作業數據處理，對原燃料，燃料裝入數據處理，為了了解大型高爐爐璧和爐底各部分的侵蝕情況，就要對高爐爐體進行溫度監視，同樣由于熱風爐爐殼各部分周期性工作，爐殼溫度也周期性變化，容易發生爐殼鐵皮變形與龜裂，為此要建立對爐殼溫度周期巡回栓測，當各點溫度超過設定值時，自動打印出越限信息。計算接受有關渣，鐵數據，同時對高爐和藝參數的處理。高爐計算機還有熱風爐然爐燃燒控制，技術計算，數據處理，數據顯示，通信等功能。

高爐是一個復雜的氣固相流反應器。為了理解，控制和設進高爐煉過程，更多的努力被用與開發數學模型。高爐數學模型的出發點是把高爐過程和熱風和熱風爐狀態以工藝或控制理論描述，算出操作，算出操作一進行在線控制或操作指導。

五．高爐自動化

高爐控制系統主要包含高爐本體控制、給料和配料控制、熱風爐控制，以及除塵系統控制等。高爐煉鐵自動化控制系統就是保證煉鐵生產過程的連續性和實時監控性，進而保證高爐操作的四個主要問題：正確配料并以一定的順序及時裝入爐內、控制爐料均勻下降、調節爐料分布及保持其與熱煤氣流的良好接觸、保持高爐整體有合適的熱狀態。高爐自動化控制系統具有組成設備多、位置分散、設備間聯鎖關系強、設備運行環境惡劣、安全性可靠性要求高等方面特點，基于和利時公司HOLLiAS LK系列PLC的高爐控制系統，在考慮高爐煉鐵系統特點和要求的基礎上，充分利用了LK PLC可靠性高、性能優異、功能豐富、擴展性好、易于使用等方面的優勢

1、系統設計

高爐控制是集機械、電氣控制和計算機應用為一體的技術，采用以和利時公司HOLLiAS LK系列PLC為核心的，集中與分散相結合的自動化控制系統，系統由1個中央控制室和上料系統、高爐本體、熱風爐、除塵等四個控制站組成，通過高速100Mbps光纖工業以太網進行數據通信

2、系統功能

本系統是一個集順序控制、過程控制、數據采集、工況監視、數據管理為一體的計算機控制管理系統。對電動機、閥門等以及成套機電設備的開關量控制，包括分組聯鎖起動、分組聯鎖關機、組內自動聯鎖控制、組內單步聯鎖控制、系統單步調試；過程控制數據的采集和處理（包括開關量和模擬量）；完善的報警功能。開關量和模擬量報警的顯示、確認、記錄和打??；動態顯示工藝流程圖畫面，各畫面之間可以自由切換；歷史曲線圖、實時曲線圖、電氣儀表圖和棒形圖顯示和打印。

六．神經網絡在軋鋼加熱爐模式識別與智能控制中的應用

在冶金行業中,軋鋼加熱爐是軋鋼生產過程中的重要設備之一,在實際操作過程中，操作人員依靠傳感器的信息，判斷爐況，進行操作。有些判斷難以用簡單的“IFA THEN B”這樣的規則表達，而是根據操作人員的經驗，將爐況分成幾種模式，用神經網絡來識別目前爐況屬于那種模式，對其進行操作進行指導，或作為專家系統的補充，有較大的作用。

6.1神經網絡模型  

　　神經網絡是模擬生物的神經系統（特別是腦）功能的網絡。人腦約由150億個神經細胞組成，每個細胞同數千、數萬個神經細胞相聯系，形成網絡。這樣，神經細胞模型可以看作是n輸入單輸出的信息處理單元。某個輸入Xi對神經細胞的影響以影響度表示，稱為細胞的結合權重或效率Wi，這個細包模型如圖1所示。

圖1 細胞模型

　　細胞的輸入有強有弱，當其總合超過某一閥值，則細胞進入興奮狀態，產生輸出;當其總合低于閾值時，細胞進入抑制狀態，沒有輸出。神經細胞之間可以有不同的連接方式，目前已經提出了許多神經網絡模型，在神經網絡中，由于神經細胞的計算的并行性，其總體計算效率很高。生物的一個重要特征是有自學習功能，改變神經網絡中細胞（或節點）輸入端的權重或者細胞興奮的閥值，控制細胞的興奮狀態，可以實現生物系統所具有的靈活的判斷和自學習功能。

　　6.2多層感知器神經網絡在軋鋼加熱爐模式識別中的應用

　　采用多層感知器神經網絡作為軋鋼加熱爐爐溫控制和熱風量控制專家系統的一部分。 以軋鋼加熱爐爐溫預測神經網絡為例，采用如圖4所示的三層網絡。以鋼坯加熱狀況，煤氣成分，爐中部熱平衡計算求得的計算值指數、 爐體熱損失量過程數據作為輸入層的輸入。

6.3自組織神經網絡在軋鋼加熱爐模式識別中的應用

　　以爐膛溫度來說，在爐膛沿上方向和左右方向共設置一些測溫點，溫度數據是二維的分布模式，依靠操作人員觀察對模式進行分類是很困難的，因此不能預先給出教導模式，而是用自組織網絡自動抽取數據特征，進行分類。自組織網絡采用多個輸入節點，多個輸出陣列，用一段時間的日平均測溫數據，用自組織網絡進行分類，得到軋鋼加熱爐高溫、稍高溫、低溫等幾種爐膛溫度模式，模式特征在鄰近節點間平滑變化。使用自組織后的網絡，可以用來識別日平均爐膛溫度數據與哪一溫度分布模式最為接近，用這一識別可以定量分析與其它爐況數據的關系。

七．結語

人工智能技術在冶金反應中應用越來越廣泛，為了提高冶金生產效率，降低生產成本，降低操作人員的勞動強度，實現冶金過程向自動化，規?；?，高效的方向發展，更好的利用人工智能技術是冶金發展的必然趨勢，也是體現冶金技術進步的具體表現。冶金過程中的冶煉、精煉、連鑄、軋制等過程中的流場、溫度場、應力場等數據都需要監測，以及金屬組織性能的控制，金屬制造過程中的成分與板型精確控制、工藝技術優化、新產品的開發，種種這些，都需要運用到人工智能技術。人工技術在我們提供智能服務的同時也為我們帶來更好的經濟效益。

八．參考文獻

［1］畢學工，高爐過程數學模型及計算機控制［M］北京冶金工業出版社 1996

［2］劉洪霖，包宏  化工冶金過程人工智能化［M］北京冶金工業出版社1999

[3]蔡自興.人工智能基礎[M].北京：高等教育出版社，2005.

[4]尚福華，李軍，王梅，等.人工智能及其應用[M].北京：石油工業出版社，2005.

[5]李陶深.人工智能[M].重慶：重慶大學出版社，2002.

[6]《山東冶金》2005年06期

[7]魯曉娟,何藹平;有色冶金中的計算機應用[J];有色金屬設計;2003年01期