国外专题：人工智能（AI）在钢铁生产中的应用.pdf

英雄者，胸怀大志，腹有良策，有包藏宇宙之机，吞吐天地之志者也。——《三国演义》

国外专题：人工智能（AI）在钢铁生产中的应用

1AI在工序控制中的应用

在轧制等工序控制领域中，20世纪70-80年代进行了大量基于数

学模型精细化的多变量控制、最优化控制等研究。但是，即使是精密

的数学模型，也常常存在与实际现象背离或外因导致的变动等不确定

性，如何克服这一问题成为日常的研究内容。控制技术领域开发了诸

如“系统识别”、“自适应控制”和“鲁棒控制”等。但是，在启动/

停止时或设备、操作状态发生大的变动时，亦或在非常规区域改进控

制精度时，仍有许多时候需要熟练操作人员进行手动干预或手动运行。

在第二次AI浪潮中，进行了将这种熟练者技巧ES（即“专家系统”，

将高级的知识作为“知识库”，嵌入到计算机中，通过推论处理，解

决大量问题）化来扩大自动化的技术开发。特别是在像高炉这种对熟

练者判断依赖度高的工序也进行了开发应用。在此，介绍与开发相关

的三个事例。

1.1事例1“铝箔专家系统”

铝箔最终将被轧制至几微米厚度，为了避免轧制过程中断带，需

要使其在宽度方向保持均匀伸展。轧制时由于轧辊热膨胀的作用，材

料在宽度方向的延伸/张力分布（称为“形状”）发生变化，当形状严

重不均匀时，就可能导致断带。因此，在轧机出口安装嵌入张力传感

器的“传感器辊”，采用了为缩小测量形状和目标形状的差距，调整

辊子方向冷却油喷射量的形状控制系统。这时，也有发生目标与实际

形状差异难以消除的情况，这种情况下，通常是操作工边修正目标形

状，边测量形状的修正情况。将这种技巧作为“目标形状调整ES”融

入控制系统是本事例的关注点。

在开发过程中了解到，操作工往往并不是根据知识解决问题，而

更多的是根据实际情况尝试各种目标形状，探索性地解决问题。因此，

解决的问题是如何将这种基于状态识别、风险认知（赋予改变目

标形状的动机）并最终想出改变目标形状的替代方案（新的目标形状

方案）这一在现实空间的探索性解决问题过程反映到ES中。本事例中，

英雄者，胸怀大志，腹有良策，有包藏宇宙之机，吞吐天地之志者也。——《三国演义》

将改变目标形状的各种运算符及其组合制约定义为知识库，实现了边

参照过去应用时的评价，边得出新的目标形状的推论处理。

现实空间的探索性问题解决过程的一般概念见图1。在本事例中，

将目标形状变更运算符、组合制约条件、优先度处理等作为知识库论

述，图1下部的相当于“成长性”的部分并未实现。但是，这种成长

性从实用性观点来看非常重要，也是今后需要解决的中心问题。

1.2事例2“热轧中的轧机设定”

在薄板的热轧中，在轧制之前进行各机架辊缝和轧制速度的轧机

设定。轧机设定具有自由度，还从多目标决策的观点进行了探讨。在

实际操作中，对于计算机进行的设定，操作工有时会考虑通板安全性

等因素而进行人工干预修正。有研究显示，人工干预技巧体现在设定

时相邻机架间的辊缝差的制约（上下限），因此是在使用数学模型满

足制约条件的同时，决定与实际现象具有整合性的设定参数值。

相邻机架间的辊缝差制约条件是根据某特定的操作工的指示进行

设定，并且已经实现了该范围内轧机设定的优化和人工干预处理的减

少。但事实上，操作工本身具有进行各种尝试设定，并对效果良好的

调整结果进行再利用等随着经验积累的制订行动方案的所谓“成长

性”。研究指出，正在尝试通过从以往实绩数据中抽取类似事例