高炉过程计算机控制3.pptVIP

高炉过程计算机控制（3） 计算机在冶金中应用 3) BACK：一旦显示出BACK，则立刻减风5％，同时检查产生不良炉况的原因；①如果炉热指数降至0或1，就减少矿／焦比；②如果护缸存渣量指数降至0或1，就连续出铁出渣；③如果总压差或炉身压差减至0，就进一步减少5％的风量。 * 5.4 高炉冶炼过程的人工智能控制 1. 概述 由于高炉过程的复杂性，许多现象（如炉况异常）仅仅利用传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判断，从而更有效地控制高炉。那么能否开发出具有智能的模型呢？于是人工智能技术开始进入高炉控制领域，并得到了长足的发展。 人工智能(简称AI)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。 现代高炉智能信息处理系统主要有三种方式： (1)单纯AI技术方式 (2)多种AI技术混合方式 (3)数学模型和专家系统混合方式 例如高炉炉况判断专家系统，为提高命中率而附加神经元网络对记录曲线进行模式识别。操作员对高炉各传感器的数据记录曲线，只须判断其模式就可了解炉况是否正常，用专家系统来识别是困难的，而用神经元网络识别则是方便的，实践证明，它对炉身上部探测器测得的煤气利用率ηCO、炉身中部探测器的ηCO以及冷却壁温度的曲线认识率分别为90％，95％和92％，这种识别可作为专家系统的补充。此外，现在最成功的高炉炉况判断人工智能系统是专家系统，但其规则的阈值一般是靠专家经验确定，且须多方配合，不断修正，才能使命中率越来越高，有3种方法可以使用，第一种方法是定期评论进行修改；第二种方法是使用自学习的方法；第三种方法是使用神经元网络学习的方法。 仅应用模糊控制(热风炉模糊控制)、专家系统(如日本君津的ALIS系统)或神经元网络(如瑞典的铁水含硅量预报系统)组成系统。 BF 过程计算机 1、数据采集 2、数据予处理 3、数据传输 AI计算机（知识检验） 推 理 机 知 识 库 AI计算机（在线运行） 知识库检验 数 据 接 收 二 次 数 据 处 理 推 理 机 知 识 库 过程 数据 在 线 知 识 库 在线操作指导 2、专家系统结构 下图为某厂高炉专家系统结构示意图。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、连网方式和人-机接口（数据采集、处理）。该系统处理大约230种数据，含有大约600条规则。规则中大部分为生产规则。 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，尽快作出相应处理，使高炉稳定操作。 2.1 专家系统简介 人工智能技术是模拟人类的思维方式对客观世界进行认识和改造的一门先进科学。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—“特定领域人类专家的知识，模拟入类的推理方式，具有决策制定能力的复杂的计算机程序。典型的专家系统由包含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。 模糊理论对于处理人类专家的不确定知识十分有效。神经网络技术可以帮助辨识客观世界的隐含规律。现代的专家系统往往同时具有模糊推理和神经网络的功能。这样的系统也称之专家系统，而只具有模糊推理和神经网络功能的系统则叫AI应用系统。 高炉炉况异常，除了风口破损等设备故障以外，主要包括：1)炉料下降不顺利；2)炉热波动或炉热过低；3)出铁出渣不良等三类。因此高炉专家系统应该相应地具有以下二种功能： (1)冷却设备漏水、出铁出渣不良和炉凉等重大异常炉况的诊断及处理； (2)炉热水平的监沏、预报和控制； (3)崩料、管道、难行和悬料等炉料下降异常的预报和控制。 此外，对布料设备、热风炉和出铁作业也需要实行人工智能控制。 2.2 专家系统开发的基本问题 1） 知识的表达方式 好的知识表达方式应该具备以下特点： （1）有表示某个专门领域所需要的知识的能力，并保证库中的知识是相容的； （2）具有从巳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； （3）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； （4）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。 向领域专家收集和提取知识的过程叫作知识获取。知识获取是专家系统开发时最困难、最花时