人工智能技术在冶金中应用.docVIP

人工智能在转炉炼钢中的应用 摘要：人工智能（Artificial Intelligence）是20世纪中期产生的并正在迅速发展的新兴边缘学科，它与具体领域相结合产生了很多新技术，例如数据挖掘、专家系统、软计算等。这些新技术在冶金行业也得到了极大关注。冶金工业要求必须对各个生产过程进行更加严格的控制，以满足用户对产品质量的高要求，同时也要努力将生产成本最小化。人工智能新技术可以有效地解决冶金工业生产中许多无法用数学模型精确描述的工艺过程，以及利用传统数字计算机难以获得令人满意效果的诸多问题，在冶金行业应用中已表现出了很大的优势。 关键词：人工智能；自动化；冶金工业 炼钢是一个涉及到传质、传热和复杂化学反应的复杂工业过程，由于其强非线性和滞后性以及不规则的空间分布和不确定性，使得冶炼过程控制难以通过一般的数学模型方式构造控制系统来实现高效率的控制。近年来，随着计算机系统性能的提高，冶炼过程控制智能化也已具备了较好的条件和可行性。目前，配料、烧结、高炉等过程的智能化节能控制已经作为一个节能增效、提高国际竞争力的重要措施被列入我国钢铁企业信息化发展计划。 自动化炼钢的工艺流程 转炉炼钢的基本任务是铁水预处理和冶炼：铁水是转炉炼钢的基本原料，由炼铁厂供应。炼钢用铁水要求有较高的温度和合适的化学成分，当矿含硫量高，预处理主要是脱硫扒渣，处理后有利于吹炼时迅速化渣，减少喷溅，快速升温。转炉冶炼部分的作用是把铁水炼成钢，主要步骤是：①氧化：使用氧枪向炉内吹入高纯度的氧气，去氧化铁中的硅、锰、碳等杂质。②造渣：向炉内加入适量的石灰、萤石等造渣材料，生成氧化性炉渣，脱磷、硫。③升温：主要由氧化作用放出的热量来实现。④出钢时加入脱氧剂和合金料进行脱氧和合金化。 二．转炉炼钢过程自动控制技术简介 1 智能控制 智能控制系统利用人工智能的方法，解决难以用数学方法精确描述的复杂的、随机的、模糊的、柔性的控制问题，具有自学习、自适应、自组织的能力。主要用来解决具有以下特点的问题：控制对象存在严重的不确定性，控制模型未知或模型的结构和参数在很大的范围内变化；控制对象具有高度的非线性特征；控制任务要求复杂。而冶金的控制过程正符合以上要求。 冶炼是一个涉及到传质、传热和复杂化学反应的复杂工业过程，由于其强非线性和滞后性以及不规则的空间分布和不确定性，使得冶炼过程控制难以通过一般的数学模型方式构造控制系统来实现高效率的控制。近年来，随着计算机系统性能的提高，冶炼过程控制智能化也已具备了较好的条件和可行性。目前，配料、烧结、高炉等过程的智能化控制已经作为一个节能增效、提高国际竞争力的重要措施被列入我国钢铁企业信息化发展计划。 鲁晓娟等[3]介绍了贵州铝厂开发的国内首例铝电解槽模糊控制技术和模糊专家系统，该项新技术已成功应用于180kA预焙电解槽上，使该槽型的电流效率指标提高了2个百分点，铝的直流电耗指标从原13594 kW.h/t降至13049 kW.h/t，每吨铝节电545kW·h。顾学群等[4]详细介绍了智能控制在电弧炉炼钢过程电极升降控制中的应用，通过对电极升降实现自动控制，达到了恒功率调节，可以提高系统的快速性、鲁棒性和实时性，并能获得满意的控制效果。 2 数据挖掘 数据挖掘（data mining）是一项新兴的、面向商业应用的人工智能技术，泛指所有从源数据中挖掘的模式或联系方法。用数据库中的知识发现（knowledge discovery of database，简称KDD）描述整个数据挖掘过程，用数据挖掘描述使用挖掘算法进行数据挖掘的子过程。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。从它的定义中可以发现，数据挖掘想达到的效果是从数据中得到想要的东西。具体应用到哪些领域，运用什么模式来解决所面临的问题，都是数据挖掘研究所要解决的主要问题。 冶金企业的现代化生产过程每天就有成千上万的传感器不断记录，生产数据日积累量甚至达到TB级。这些数据中蕴涵着丰富的生产实际过程中各种因素之间相互影响、相互作用的信息，对于加强对生产过程的认识、提高控制和管理水平具有重要意义。数据挖掘技术的诞生和发展使从生产过程实时监测并记录的海量数据中提取信息和知识成为可能。 胡志坤等[1]以有色冶金过程为工程背景，阐明了数据挖掘在工业过程中应用的策略，指出了有色冶金过程数据挖掘的一般步骤和有色冶金过程数据挖掘的重要原则，针对有色冶金过程数据的“多变量”、“非线性”、“高噪声”的特点，分别在操作模式预处理和特征变量选择、操作过程优化决策、冶金设备某阶段运行状况的评价、有色冶金过程故障诊断与预防四方面应用数据挖掘技术，对可能遇到的困难及解决方案