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)科互相浸透的根底上開展起來的，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)〕來模擬和實(shí)現(xiàn)人類的智能行為。它的出現(xiàn)及所獲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，而人工智能那么是延伸人腦的功能，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(shí)經(jīng)濟(jì)時(shí)代的降臨，信息正在以前所未有的速度膨脹，信息和知識(shí)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(shí)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(shí)進(jìn)展加工的加工器。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擬和擴(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)，來模擬、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(shí)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(shí)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“才能〞和“學(xué)科〞兩個(gè)方面對人工智能進(jìn)展定義。從才能的角度來看，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人工智能的研究目的[1-5]關(guān)于人工智能的研究目的，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)主要目的：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)索羅門的這些目的，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。提醒人類智能的根本機(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的，或者叫遠(yuǎn)期目的。人工智能的遠(yuǎn)期目的涉及到腦科學(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)期目的還需要一個(gè)較長的時(shí)期。在這種情況下，人工智能研究的近期目的是研究如何使現(xiàn)有的計(jì)算機(jī)更聰明，即使它可以運(yùn)用知識(shí)去處理問題，可以模擬人類的智能行為，如推理、考慮、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)這一目的，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)期目的與近期目的是互相依存的。遠(yuǎn)期目的為近期目的指明了方向，而近期目的那么為遠(yuǎn)期目的奠定了理論和技術(shù)根底。同時(shí)，近期目的和遠(yuǎn)期目的之間并無嚴(yán)格界限，近期目的會(huì)隨人工智能的開展而變化，并最終到達(dá)遠(yuǎn)期目的。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?；貞浧洚a(chǎn)生與開展過程，可大致分為孕育、形成、知識(shí)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)方面的出色年輕科學(xué)家，在一起共同討論了用機(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的的研究小組。一個(gè)是紐厄爾和西蒙的卡內(nèi)基—蘭德小組〔也滿意理學(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，創(chuàng)始了用計(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)才能的西洋跳棋程序，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)歷、進(jìn)步棋藝，這是用機(jī)器模擬人類學(xué)習(xí)過程的一次成功探究，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(hào)，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(shí)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年開場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，人工智能面臨著宏大的壓力和挑戰(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(shí)為中心開展人工智能研究的觀點(diǎn)被大多數(shù)人承受。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(shí)為中心的時(shí)期，為人工智能的開展開拓了新的出路。自人工智能從對一般思維規(guī)律的討論轉(zhuǎn)向以知識(shí)為中心的研究以來，專家系統(tǒng)的研究在多個(gè)領(lǐng)域中都獲得了重大打破，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)生了宏大的經(jīng)濟(jì)效益與社會(huì)效益。此外，在知識(shí)表示、不準(zhǔn)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)用的不斷深化和計(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(shí)性知識(shí)、知識(shí)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年代末開場逐步走向多技術(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(shí)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，并開場運(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(shí)表達(dá)、綜合知識(shí)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(shí)也比擬淺薄，都還有待于人工智能工作者的長期探究。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)容與研究方法都不一樣。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)亦不一樣。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)上的問題都得到理解決，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)期目的，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)展研究，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)展研究，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(hào)處理為核心的方法?！?〕以符號(hào)處理為核心的方法以符號(hào)處理為核心的方法又稱為自上而下方法或符號(hào)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，人工智能的研究目的是實(shí)現(xiàn)機(jī)器智能，而計(jì)算機(jī)自身具有符號(hào)處理的推算才能，這種才能本身就蘊(yùn)含著演繹推理的內(nèi)涵，因此可通過運(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(hào)處理，因此人們把它稱為以符號(hào)處理為核心的方法或符號(hào)主義。該方法的特征是：①立足于邏輯運(yùn)算和符號(hào)操作，合適于模擬人的邏輯思維過程，解決需要進(jìn)展邏輯推理的復(fù)雜問題。②知識(shí)可用顯式的符號(hào)表示，在根本規(guī)那么的情況下，無需大量的細(xì)節(jié)知識(shí)。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(hào)數(shù)據(jù)庫進(jìn)展連接。⑤可對推理結(jié)論作出合理解釋，便于對各種可能性進(jìn)展選擇。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，因此無法用符號(hào)方法進(jìn)展模擬。另外，用符號(hào)表示概念時(shí)，其有效性在很大程度上取決于符號(hào)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)展處理的符號(hào)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好的信息也難以進(jìn)展處理。這就說明單憑符號(hào)方法來解決人工智能中的所有問題是不可能的?！?〕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)制方法是近些年比擬熱門的一種方法，它屬于非符號(hào)處理范疇，是在人腦神經(jīng)元及其互相連接而成網(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)的根底，因此從大腦神經(jīng)元及其連接機(jī)制著手進(jìn)展研究，搞清楚大腦的構(gòu)造以及它進(jìn)展信息處理的過程與機(jī)理，提醒人類智能在機(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)絡(luò)存儲(chǔ)知識(shí)及信息，因此可以實(shí)現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息能進(jìn)展有效的處理，獲得比擬滿意的結(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合適于模擬人類的形象思維過程。⑤求解問題時(shí)，可以比擬快地求得一個(gè)近似解。但是，這種方法不合適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，由固定的體系構(gòu)造與組成方案所構(gòu)成的系統(tǒng)還達(dá)不到開發(fā)多種多樣知識(shí)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?！?〕系統(tǒng)集成由上面的討論可以看出，符號(hào)方法與連接機(jī)制方法各有長短。符號(hào)方法擅長模擬人的邏輯思維過程，求解問題時(shí)，假如問題有解，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(hào)方法要求知識(shí)與信息都用符號(hào)表示，這一形式化的過程需由人來完成，它自身不具有這一才能。連接機(jī)制方法擅長模擬人的形象思維過程求解問題，由于它可以并行處理，因此可以比擬快地得到解，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，假如能將兩者結(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)展仔細(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構(gòu)造，但親密合作，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)大消費(fèi)才能、進(jìn)步消費(fèi)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年代開場將計(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。為了進(jìn)步控制的程度和實(shí)現(xiàn)完全的自動(dòng)化，90年代又開場引入以專家系統(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)部組織構(gòu)造方面，已實(shí)現(xiàn)了對微米、亞微米級(jí)的組織進(jìn)展控制，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)模消費(fèi)中已經(jīng)獲得了晶粒尺寸在3~4μm左右的細(xì)晶構(gòu)造鋼；另外，有些專門用處的鋼材還有深沖、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)消費(fèi)才能嚴(yán)重過剩，給企業(yè)生存帶來極大的壓力，迫使企業(yè)進(jìn)步消費(fèi)技術(shù)程度，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)部組織構(gòu)造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?；貞涇堉评碚摰拈_展歷程，假如說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(shí)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)開場[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，從消費(fèi)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)生了宏大的社會(huì)效益和經(jīng)濟(jì)效益。專家系統(tǒng)是一種基于知識(shí)的系統(tǒng)，它從人類專家那里獲得知識(shí)，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(shí)與經(jīng)歷的程序系統(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，其程度可以到達(dá)甚至超過人類專家的程度[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)研究開場而進(jìn)入實(shí)際應(yīng)用研究。隨著人工智能整體程度的進(jìn)步，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]。圖1.專家系統(tǒng)的一般構(gòu)造[8]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具有專家程度的專門知識(shí)；②具有符號(hào)處理才能；③具有對一般問題求解的才能；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(shí)的圖1.專家系統(tǒng)的一般構(gòu)造[8]圖1給出了一個(gè)專家系統(tǒng)的一般構(gòu)造，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(shí)庫不僅是數(shù)據(jù)、事實(shí)和規(guī)那么的總和，而且也包括用于描繪物理關(guān)系的部分簡單模型。一個(gè)知識(shí)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(shí)和竅門編制成文件和技術(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(shí)，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(shí)。采集專家知識(shí)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)視和技術(shù)數(shù)據(jù)處理等部門，以便將原來分散的專業(yè)知識(shí)互相聯(lián)絡(luò)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擬并驗(yàn)證專家知識(shí)。專家系統(tǒng)必須具有以下才能：〔1〕在一定環(huán)境下進(jìn)展通訊而沒有定義方面的沖突〔對話部分〕；〔2〕包括數(shù)據(jù)、事實(shí)和規(guī)那么等知識(shí)的采集和管理〔知識(shí)采集系統(tǒng)和知識(shí)庫〕；〔3〕區(qū)分相關(guān)信息和不相關(guān)信息〔對話部分和推論機(jī)制〕；〔4〕認(rèn)識(shí)問題和解決問題〔對話部分和推論機(jī)制〕；〔5〕說明解決方法〔說明部分〕；〔6〕專家系統(tǒng)主要是處理說明性知識(shí)，也就是說專家系統(tǒng)支持推論。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]?！?〕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)目的并得到工程經(jīng)理的成認(rèn)，初步確定開發(fā)體制和工作進(jìn)度表?！?〕第二階段：知識(shí)的采集步驟2：制定目的方案,承當(dāng)開發(fā)專家系統(tǒng)的知識(shí)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(shí)的采集和整理。在詳細(xì)詢問專家并記錄下專家知識(shí)的同時(shí),將這些知識(shí)加以整理,消除可能存在的矛盾,并防止知識(shí)的遺漏。步驟4：確定開發(fā)工作的進(jìn)度表。在整理知識(shí)的根底上,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?！?〕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(shí)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(前半部分),和把它與控制系統(tǒng)所具有的控制機(jī)構(gòu)和知識(shí)表達(dá)方法結(jié)合起來形成解決詳細(xì)問題的程序(后半部分)。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?！?〕第四階段：關(guān)鍵開發(fā)階段1〕推理部分工具,包括四個(gè)步驟。步驟9：確定與整個(gè)控制系統(tǒng)其它部分進(jìn)展數(shù)據(jù)通訊的格式。決定推理部分和外圍系統(tǒng)接口的詳細(xì)內(nèi)容。步驟10：數(shù)據(jù)構(gòu)造的設(shè)計(jì)。在知識(shí)處理中,決定所使用數(shù)據(jù)的預(yù)處理方法和在知識(shí)庫中數(shù)據(jù)表達(dá)方法。步驟11：完成推理部分的制作。規(guī)定程序設(shè)計(jì)規(guī)那么、推理部分的功能,完成詳細(xì)設(shè)計(jì)和詳細(xì)制作。步驟12：推理部分的試驗(yàn)。將和控制系統(tǒng)的其它部分進(jìn)展通訊的格式包括進(jìn)來,進(jìn)展推理部分的試驗(yàn),以證明所設(shè)計(jì)專家系統(tǒng)的實(shí)用性。2)輔助部分工具,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)作條件相吻合的目的系統(tǒng)上來。步驟14：輔助部分的設(shè)計(jì)與制作。這里所說的輔助部分,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?！?〕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)展測試?！?〕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?！?〕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)展維護(hù)和管理。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，如今已經(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)；棒材消費(fèi)線消費(fèi)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)。比擬使用專家系統(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進(jìn)步了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)出制定消費(fèi)方案的專家系統(tǒng)，利用它可以找出消費(fèi)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，也得到比擬滿意的效果[12]?！?〕工字鋼孔型設(shè)計(jì)專家系統(tǒng)[13]工字鋼在軋制過程中，斷面各部分變形不均勻，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)歷的設(shè)計(jì)者，通過人機(jī)對話的方式進(jìn)展設(shè)計(jì)參數(shù)的選擇和修改，才能滿足消費(fèi)要求。圖2.工字鋼專家系統(tǒng)的總體構(gòu)造北京科技大學(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)，其總體構(gòu)造如圖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)展設(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(shí)進(jìn)展多目的優(yōu)化，得到滿足多個(gè)目的的優(yōu)化解。④解釋功能。能對系統(tǒng)的設(shè)計(jì)過程進(jìn)展解釋。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)可以自動(dòng)設(shè)計(jì)出合理的孔型，可以進(jìn)展啟發(fā)式多目的優(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平衡效果，有利于進(jìn)步圖2.工字鋼專家系統(tǒng)的總體構(gòu)造〔2〕熱軋鋼材組織和性能預(yù)測及控制專家系統(tǒng)[14]。圖3.CASPPC技術(shù)的組成除化學(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)一步進(jìn)步鋼材強(qiáng)韌性，開發(fā)新品種，就必須再進(jìn)展有關(guān)試驗(yàn)工作；再那么，在消費(fèi)過程中并不能對熱軋鋼材組織和性能進(jìn)展實(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)圖3.CASPPC技術(shù)的組成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)展的根底上建立起來的，是以采用建立在物理冶金理論根底上的一系列數(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)對離線熱軋消費(fèi)程序的最優(yōu)化或在線消費(fèi)工藝參數(shù)的準(zhǔn)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：圖4圖4軋制模塊的組成圖5圖5.相變模塊的組成性能模塊根據(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，包括屈從強(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)展設(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)展預(yù)測，從而節(jié)約實(shí)際檢測時(shí)間。這對板卷的消費(fèi)特別適用，因?yàn)橥ǔＶ粰z測板帶卷頭尾兩端的性能，而板卷中間部分的性能那么難于測試與保證。日本和韓國〔浦項(xiàng)鋼鐵〕都已建立了鋼板組織和性能在線預(yù)測的消費(fèi)線。在線控制是CASPPC技術(shù)的最終目的。需要軋制參數(shù)的在線檢測和準(zhǔn)確的模型及反響迅速的計(jì)算機(jī)系統(tǒng)。在此階段，可以在消費(fèi)過程中對熱軋過程中對熱軋鋼材組織和性能進(jìn)展實(shí)時(shí)控制，從而減少鋼材組織和進(jìn)步消費(fèi)率，與其它技術(shù)相結(jié)合，可以實(shí)現(xiàn)軋制力的準(zhǔn)確預(yù)報(bào)。圖6是CASPPC技術(shù)實(shí)際應(yīng)用圖示。圖6.CASPPC技術(shù)在熱軋帶鋼圖6.CASPPC技術(shù)在熱軋帶鋼消費(fèi)中的應(yīng)用〔3〕帶鋼厚度偏向診斷與監(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)的帶鋼厚度偏向診斷與監(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)展分析處理的根底上，利用對厚差曲線的頻譜分析，對厚度偏向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，為消費(fèi)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)展高通、低通濾波，對軋件頭尾溫差趨勢項(xiàng)進(jìn)展處理，對所得的厚差曲線數(shù)據(jù)用改良的富氏變換進(jìn)展頻譜分析，根據(jù)其頻譜特點(diǎn)來診斷帶鋼厚度偏向的原因。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)水管的間隔相對應(yīng)。這就有力的說明，厚差的高頻部分是由于支撐輥的偏心引起的，而低頻部分是加熱水印引起的。本專家系統(tǒng)的診斷結(jié)果，可以對現(xiàn)場消費(fèi)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)在熱軋帶鋼消費(fèi)線得到應(yīng)用，并在進(jìn)步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。為了進(jìn)步產(chǎn)品質(zhì)量、降低本錢，使我國的冶金企業(yè)的消費(fèi)程度盡早到達(dá)國際先進(jìn)程度，滿足國際國內(nèi)鋼鐵市場劇烈競爭的需求，在軋鋼消費(fèi)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)量的進(jìn)步提供了條件。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)模型的根底之上的，假如沒有一個(gè)比擬切合實(shí)際的數(shù)學(xué)模型，這些過程就很難施行。因此對于一個(gè)冶金工作者來說，針對消費(fèi)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)根底之上的，而且大多數(shù)都是屬于經(jīng)歷共識(shí)，其適用范圍也比擬窄，計(jì)算的精度比擬低。隨著技術(shù)的開展，這些數(shù)學(xué)模型很難滿足消費(fèi)的要求。軋鋼系統(tǒng)是一個(gè)很復(fù)雜的系統(tǒng)，多個(gè)因素之間互相影響、互相制約，他們之間的關(guān)系相當(dāng)復(fù)雜，而且有些關(guān)系構(gòu)造是不確定的，他們是隨著消費(fèi)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)的根底上建立確定的數(shù)學(xué)模型構(gòu)造，然后再直接用在消費(fèi)過程中，通過在消費(fèi)中調(diào)整數(shù)學(xué)模型中的一些參數(shù)來對消費(fèi)過程進(jìn)展控制的建模方法。這樣的模型的建立過程往往事先進(jìn)展了很多的假設(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形式識(shí)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，可以對存在因果關(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)構(gòu)造和學(xué)習(xí)規(guī)那么可分為很多的種類，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)方面的用處：①用于形式識(shí)別；②用于非線性系統(tǒng)的函數(shù)擬合。這兩個(gè)方面的用處在軋鋼領(lǐng)域都得到了比擬成功的應(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)積累了足夠的消費(fèi)過程歷史數(shù)據(jù)之后，就可以利用神經(jīng)網(wǎng)絡(luò)建立準(zhǔn)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)?！?〕開環(huán)咨詢系統(tǒng)。假如將神經(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?！?〕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)如今線預(yù)測產(chǎn)品質(zhì)量，并及時(shí)調(diào)整過程參數(shù)?！?〕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，可以準(zhǔn)確預(yù)測SPC圖上的將來幾個(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?！?〕傳感器監(jiān)測?？捎蒙窠?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?！?〕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。神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例在實(shí)際消費(fèi)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、熱變形中屈從應(yīng)力的預(yù)測、軋輥偏心的識(shí)別、板形板厚綜合控制等方面都得到了廣泛的應(yīng)用[16-31]?！?〕人工神經(jīng)網(wǎng)絡(luò)在軋制過程控制方面的應(yīng)用現(xiàn)代的板帶鋼消費(fèi)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)先建立的模型的根底上，進(jìn)展非線性回歸來確定，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)，因此能進(jìn)步預(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)展了離線和在線的學(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)構(gòu)造比采用傳統(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)的才能[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)展識(shí)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)消費(fèi)實(shí)際情況進(jìn)展動(dòng)態(tài)調(diào)整，能更好地適應(yīng)消費(fèi)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)展預(yù)測，由于有些因素的影響是非線性的，其模型構(gòu)造很難確定，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)展預(yù)報(bào)，其精度高，簡化了人工設(shè)定模型的工作，可以到達(dá)預(yù)期的目的[33-34]?！?〕軋制力的高精度ANN預(yù)報(bào)[10]進(jìn)步軋制力預(yù)報(bào)精度對進(jìn)步設(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進(jìn)步，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)模型的方法來進(jìn)步軋制力計(jì)算精度的傳統(tǒng)做法已很難再有大幅度的進(jìn)步，人工智能那么為之開拓了一條新途徑。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)展軋制力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?！?〕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)展了研究。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)展必要的處理。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)和描繪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)展了函數(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。理論證明，將該神經(jīng)網(wǎng)絡(luò)模型運(yùn)用于熱軋控制預(yù)報(bào)，進(jìn)步了預(yù)測精度并獲得較好的效果?？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。為使構(gòu)造鋼獲得良好的性能，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)情況下無法建立完好準(zhǔn)確的理論模型，只能借助于回歸獲得一些經(jīng)歷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)歷公式，這將導(dǎo)致經(jīng)歷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)模型更能準(zhǔn)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)的處理才能。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，理論證明，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)展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)展模糊邏輯理論和應(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，并獲得了良好效果，它的成功標(biāo)志著人們采用模糊邏輯進(jìn)展工業(yè)控制的開場；1976年，丹麥的P.M.Larson和J.J.Ostergaard也進(jìn)展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獲得了成功，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，模糊理論幾乎浸透到了所有領(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)獲得了明顯的社會(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，并獲得了良好的效果。模糊邏輯系統(tǒng)由模糊化部分〔外部信息的模糊處理部分〕、模糊推理部分和模糊判決部分組成。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)那么，即根據(jù)輸入的if部分〔前件部〕的數(shù)據(jù)，實(shí)行then部分〔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)展控制。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，而操作工根據(jù)對消費(fèi)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，必須進(jìn)步構(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)殘差以及使板厚偏向到達(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)展要素分析，并自上游機(jī)架向下游機(jī)架動(dòng)態(tài)地修正壓下位置。圖7.熱連軋頭部模糊動(dòng)態(tài)設(shè)定[10]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)定值有偏向時(shí)，及時(shí)調(diào)整后部機(jī)架的輥縫對進(jìn)步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)展圖7.熱連軋頭部模糊動(dòng)態(tài)設(shè)定[10]把i、i+1機(jī)架的軋制力預(yù)測誤差根據(jù)符號(hào)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)那么。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)那么舉例圖8.基于軋制力誤差圖8.基于軋制力誤差Δfi和Δfi+1的模糊劃分[10]〔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，希望進(jìn)步控制精度。而使用基于古典控制理論的傳統(tǒng)控制技術(shù)，要想進(jìn)一步進(jìn)步控制精度是困難的。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，純熟的操作人員進(jìn)展適當(dāng)?shù)目刂撇僮骶湍苁拱逍伪３衷谠试S的偏向范圍內(nèi)。這時(shí)，操作人員根據(jù)“假如偏向大，就加大操作量〞的方法進(jìn)展控制，沒有用數(shù)值表示，而是使用定性的知識(shí)推理進(jìn)展控制操作。這種使用純熟的操作人員所具有的定性知識(shí)推理進(jìn)展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)展的。由于實(shí)際過程高度非線性，并且很多參數(shù)之間存在互相耦合影響，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(shí)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(shí)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?？刂戚斎胱兞渴菐т摍M斷面板形對稱部分的板形變形參數(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量值為準(zhǔn)確值，需要把準(zhǔn)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)那么板形，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)那么。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)展冷軋帶鋼板形控制有相當(dāng)有效的?！?〕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)模型來準(zhǔn)確描繪，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)部分拉鋼或堆鋼事故。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)用概述單獨(dú)使用一種智能工具其才能總是有限的。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、耳等器官的信息搜集功能。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，可以克制單一方法解決問題的片面性，各部分以互相協(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]。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)，它直接影響到消費(fèi)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)展熱軋帶鋼精軋機(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.詳細(xì)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)庫中分別挑選出獲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(shí)；④根據(jù)提取出的知識(shí)建立負(fù)荷分配原那么；⑤基于上述規(guī)那么開發(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)展負(fù)荷分配設(shè)定，并對各機(jī)架的軋制力進(jìn)展校驗(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究的途徑。隨著人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、形式識(shí)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)構(gòu)造和模糊邏輯等有關(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宏大變化，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(shí)，優(yōu)化材料消費(fèi)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(shí)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)展數(shù)學(xué)模型與人工智能的結(jié)合，發(fā)揮各自的長處，進(jìn)步控制系統(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部分腦力勞動(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(shí)工程．北京：中國鐵道出版社，1999尹朝慶，尹皓．人工智能與專