人工智能技术在轧制过程中应用现状.docVIP

人工智能技术在轧制过程中的应用现状 Application?of?Artificial?Intelligent?Technology?in?Rolling?Process ? 摘要：本文通过分析人工智能技术在轧制过程中的三个应用实例，探讨人工智能技术的特点、应用效果及应用前景。? 关键词：人工智能；专家系统；神经网络；模糊控制；轧制? Abstract:?The?article?discusses?the?characteristics,?application?effects?and?application?prospects?of?artificial?intelligent?technology?through?analyzing?three?application?examples?of?artificial?intelligent?technology?in?rolling?processes.? Key?Words:?artificial?intelligence;?expert?system;?neural?networks;?fuzzy?control;?rolling.? 人工智能技术包含很多内容，本文通过三个应用实例主要阐述的是神经网络、专家系统与模糊控制。现代金属轧制过程特别是连轧过程的控制非常复杂，它涉及到压力、速度、流量、温度等大量物理参数，以及弹性变形、塑性变形、热-力耦合等复杂过程、工件内部组织结构与性能的变化等多方面的问题。从控制的角度来看，金属轧制过程具有典型的多变量、非线性、强耦合特征。回顾轧制理论的发展历程，如果说20世纪30年代卡尔曼（Kraman）理论及其后继的工程法为轧制理论的发展树立了第一个里程碑，60年代变分法、上下界法等一系列基于能量原理的近代解法标志着第二个里程碑，70-80年代以有限元为代表的现代数值模拟解析方法确立了第三个里程碑的话，那么90年代人工智能在轧制领域中的广泛应用可以说为轧制理论与技术的发展树立了第四个里程碑。下面通过三个例子来看一下人工智能技术在轧制工艺中的实际应用。? 1?基于BP神经网络的CSP生产线轧制力预测模型[1]? 人工神经网络（Artificial?Neural?Networks，简写为ANNs）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习与自适应的能力。人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）与之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation?function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值与激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。? 本文使用数学模型与BP神经网络相结合的方法对轧制力进行预测，考虑的影响因素有轧制变量、喷油量及轧制力模型计算值，由于考虑了摩擦对轧制力的影响，因而避免了过大的轧制力预测偏差。网络结构为11*7*1。神经网络所依据的是大量实际生产数据，由于建立模型过程中不需要作任何假设或近似，只需通过权值矩阵来记住什么条件下会得到什么结果，所以能更加真实的反映出轧制过程的本质特征，可以在一定程度上弥补轧制力模型本质上的不足。本文中使用的样本是在任意时间段内随机选择100张连铸坯经过7个机架轧制时的700组实际生产数据作为训练样本，另随机选择30张连铸坯经过7个机架轧制时的210组实际生产数据作为检验样本，训练样本不包括检验样本，检验效果具有普遍意义。BP神经网络模型对CSP生产线生产SPHC钢精轧阶段轧制力的预测值与实测平均值的相对误差仅为1.08%，而轧制力模型的平均相对误差为6.32%，BP神经网络模型对轧制力实测平均值的跟踪能力更好，在轧制力预测方面具有较高的应用价值。? 2?连铸坯质量预测专家系统的研发与应用[2]? 专家系统是一类具有专门知识与经验的计算机智能程序系统，通过对人类专家的问题求解能力的建模，采用人工智能中的知识表示与知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。这种基于知识的系统设计方法是以知识库与推理机为中心而展开的，即：专家系统?=?知识库?+?推理机，它把知识从系统中与其他部分分离开来。专家系统强调的是知识而不是方法。很多问题没有基于算法的解决方案，或算法方案太复杂，采用专家系统，可以利用人类专家拥有丰