摘要

    冶金過(guò)程復(fù)雜而且很難控制，隨著科技的發(fā)展人工智能技術(shù)在冶金中的應(yīng)用也逐漸廣泛起來(lái)，人工智能雖然在近些年的發(fā)展態(tài)勢(shì)良好，但只是集中體現(xiàn)在機(jī)器人和一些模式識(shí)別的方面，若要真正的實(shí)現(xiàn)人類的智能，還有很長(zhǎng)的路要走。在當(dāng)今這個(gè)網(wǎng)絡(luò)信息時(shí)代，人工智能重在研究生物智能，網(wǎng)絡(luò)，計(jì)算機(jī)科學(xué)和物理學(xué)等多個(gè)交叉學(xué)科之間的人工智能技術(shù)，然而在使人工技能不斷革新的過(guò)程中，我們發(fā)現(xiàn)，自然語(yǔ)言的智能化是人工智能技術(shù)中的關(guān)鍵所在，我們要對(duì)其建立一個(gè)能夠量化的模型鋼鐵企業(yè)在原料、能量、設(shè)備償還和勞動(dòng)力費(fèi)用方面都受到很大壓力，而對(duì)如此嚴(yán)酷要求，必須找出有效的對(duì)策解決。為了鋼鐵工業(yè)的現(xiàn)代化，正在經(jīng)歷著種種變革。這些變革必須實(shí)行自動(dòng)化，或至少以自動(dòng)化為前提的計(jì)算機(jī)控制。本文從人工智能的發(fā)展簡(jiǎn)史和人工智能在冶金中的應(yīng)用的方面來(lái)論述，并為大家介紹了人工智能的發(fā)展前景。

關(guān)鍵字

人工智能，高爐，計(jì)算機(jī)，系統(tǒng)，冶金

目錄

引言……………………………………………………………………………………1

一．人工智能的發(fā)展史………………………………………………………………2

二．人工智能的研究與應(yīng)用…………………………………………………………3

2.1機(jī)器的學(xué)習(xí)

    2.2專家系統(tǒng)

    2.3模式識(shí)別

2.4人工神經(jīng)系統(tǒng)

2.5決策支持系統(tǒng)

2.6自然語(yǔ)言的分析和理解以及自動(dòng)程序的設(shè)計(jì).

三．人工智能控制在高爐中的應(yīng)用…………………………………………………5

3.1專家系統(tǒng)

3.2爐熱監(jiān)測(cè)和控制專家系統(tǒng)

3.3爐料下降異常預(yù)報(bào)和控制

四．計(jì)算機(jī)在高爐冶煉過(guò)程中的應(yīng)用……………7

4.1冶金過(guò)程計(jì)算機(jī)控制的必要性

4.2.計(jì)算機(jī)在高爐冶煉中的功能

五．高爐自動(dòng)化……………………………………………8

六．神經(jīng)網(wǎng)絡(luò)在軋鋼加熱爐模式識(shí)別與智能控制中的應(yīng)用…………9

6.1神經(jīng)網(wǎng)絡(luò)模型    

6.2多層感知器神經(jīng)網(wǎng)絡(luò)在軋鋼加熱爐模式識(shí)別中的應(yīng)用

6.3自組織神經(jīng)網(wǎng)絡(luò)在軋鋼加熱爐模式識(shí)別中的應(yīng)用

七．結(jié)語(yǔ)…………………………………………………………………10

八．參考文獻(xiàn)…………………………………………………………….10

引言

    人工智能自1956年起，至今已經(jīng)有半個(gè)多世紀(jì)的歷史了。其中誕生了幾個(gè)至今仍有影響力的學(xué)派，有以有限合理性為理論基礎(chǔ)，以物理符號(hào)為系統(tǒng)假設(shè)的符號(hào)主義邏輯學(xué)派。還有以人工神經(jīng)網(wǎng)絡(luò)和進(jìn)化計(jì)算機(jī)為理論基礎(chǔ)的聯(lián)結(jié)主義。仿生學(xué)派則注重感知與行動(dòng)之間的結(jié)合發(fā)展。這些至今仍為之矚目的理論在人工智能的各個(gè)領(lǐng)域分別取得了不同的成就。分別在機(jī)器人和模式識(shí)別等領(lǐng)域推動(dòng)了科技的進(jìn)步和人工智能的進(jìn)一步發(fā)展。智能機(jī)器人和智能控制系統(tǒng)，逐漸走進(jìn)了人們的生活，智能社區(qū)和數(shù)據(jù)挖掘系統(tǒng)也是隨處可見(jiàn)。然而這樣一項(xiàng)為我們生活帶來(lái)了美好的改變的技術(shù)，自誕生以來(lái)，也存在著許多矛盾和爭(zhēng)議。在研究的過(guò)程中，我們也無(wú)數(shù)次的意識(shí)到，人工智能的發(fā)展至今無(wú)法與人類的智能相提并論，這讓我們陷入了深深的思考之中。冶金過(guò)程中的冶煉、精煉、連鑄、軋制等過(guò)程中的流場(chǎng)、溫度場(chǎng)、應(yīng)力場(chǎng)等數(shù)據(jù)都需要監(jiān)測(cè)，以及金屬組織性能的控制，金屬制造過(guò)程中的成分與板型精確控制、工藝技術(shù)優(yōu)化、新產(chǎn)品的開(kāi)發(fā)，種種這些，都需要運(yùn)用到人工智能技術(shù)。人工智能技術(shù)不但可以節(jié)約新產(chǎn)品、工藝開(kāi)發(fā)時(shí)間和費(fèi)用，提高試驗(yàn)成功率，而且容易形成企業(yè)自主知識(shí)產(chǎn)權(quán)的工藝和產(chǎn)品。從國(guó)內(nèi)外冶金企業(yè)的發(fā)展來(lái)看，其核心技術(shù)部分大部分來(lái)自于人工智能技術(shù)以及數(shù)據(jù)積累而形成的。

一、人工智能的發(fā)展史

    我們?cè)谘芯咳斯ぶ悄艿陌l(fā)展史的過(guò)程中，將人工智能由產(chǎn)生到如今的發(fā)展分為四個(gè)階段，分別是產(chǎn)生、形成、應(yīng)用和集成。產(chǎn)生時(shí)期最初是制造出一種人工神經(jīng)元的模型，普林斯頓兩名數(shù)學(xué)系的研究生在1951年制造出了第一臺(tái)模擬神經(jīng)元系統(tǒng)的電子計(jì)算機(jī)。這種行為在最初被稱之為人工智能的初次嘗試，這種神經(jīng)元模型吸收了三種資源，闡述了一種簡(jiǎn)單的更新規(guī)則，最主要的是修改了神經(jīng)元之間的連接強(qiáng)度。此外，古希臘哲學(xué)家亞里士多德也提出了著名的三段論，為早期的人工智能的產(chǎn)生提供了輔助的作用。

    形成時(shí)期，在借鑒了早期的模擬神經(jīng)元的經(jīng)驗(yàn)后，幾位在各個(gè)領(lǐng)域頗有成就的科學(xué)家聚集到一起，他們分別涉及到數(shù)學(xué)界，心理學(xué)界，神經(jīng)學(xué)和計(jì)算機(jī)信息方面等領(lǐng)域，并最終通過(guò)探討提出了人工智能這一術(shù)語(yǔ)。同時(shí)也產(chǎn)生了一個(gè)由機(jī)器來(lái)模擬人類智能的學(xué)科。人類從那時(shí)起，就不斷對(duì)其進(jìn)行探索，在1969年，人工智能在國(guó)際人工智能聯(lián)合會(huì)議上得到了世界的認(rèn)可。各領(lǐng)域的領(lǐng)導(dǎo)人物都開(kāi)始積極對(duì)人工智能進(jìn)行探索，雖然深知將會(huì)面對(duì)許多困難，但他們注重在一次次的實(shí)驗(yàn)中總結(jié)經(jīng)驗(yàn)教訓(xùn)，最終確定在人工智能的研究領(lǐng)域要走一條以知識(shí)為中心的全面開(kāi)發(fā)的道路。

    應(yīng)用時(shí)期，在第五屆國(guó)際人工智能聯(lián)合會(huì)議上，知識(shí)工程的理念首次被提出。在此之后，各個(gè)領(lǐng)域的專家們紛紛研究出了許多智能系統(tǒng)和商品化系統(tǒng)。知識(shí)工程很快對(duì)全世界的各個(gè)領(lǐng)域都產(chǎn)生了影響，并為他們提供了便捷，創(chuàng)造了效益。但知識(shí)專家系統(tǒng)在被廣泛應(yīng)用的過(guò)程中也暴露出了許多問(wèn)題。例如知識(shí)獲取困難和其自身具有的應(yīng)用范圍有局限性的問(wèn)題。這些都是在應(yīng)用時(shí)期暴露出的亟待專家學(xué)者們解決的問(wèn)題。

    集成時(shí)期，這一時(shí)期仍然以知識(shí)專家系統(tǒng)為基礎(chǔ)，從20世紀(jì)80年代開(kāi)始，各領(lǐng)域的專家共同努力，將其向多方面，寬領(lǐng)域發(fā)展。他們利用多種技術(shù)的結(jié)合，多領(lǐng)域技術(shù)的綜合應(yīng)用，使人工智能逐漸走向成熟。專家們開(kāi)始將多種推理和控制機(jī)制進(jìn)行有機(jī)的結(jié)合，并將這種結(jié)合應(yīng)用在專家系統(tǒng)開(kāi)發(fā)和系統(tǒng)工具開(kāi)發(fā)等方面。

二、人工智能的研究與應(yīng)用

    隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步，人工智能技術(shù)開(kāi)始走進(jìn)了我們生活的方方面面，也延伸到了研究的各個(gè)領(lǐng)域。無(wú)論是語(yǔ)言的處理，數(shù)據(jù)的檢索，問(wèn)題求解，還是計(jì)算方面或是視覺(jué)問(wèn)題方面的智能，人工智能有所體現(xiàn)。在過(guò)去的幾年間，人工智能技術(shù)又與計(jì)算機(jī)應(yīng)用技術(shù)有了良好的結(jié)合，在這兩項(xiàng)技術(shù)結(jié)合后，人工智能技術(shù)能夠做到解微分方程，集成電路的設(shè)計(jì)和分析，自動(dòng)進(jìn)行語(yǔ)言合成并能熟練的控制機(jī)器人在空中飛行和水下工作。因此，我們不難看出人工智能已經(jīng)被人類應(yīng)用到生活和生產(chǎn)的各個(gè)方面，下面我們來(lái)重點(diǎn)分析人工智能與具體領(lǐng)域結(jié)合的幾個(gè)方面。

2.1機(jī)器的學(xué)習(xí)

    機(jī)器學(xué)習(xí)顧名思義就是使機(jī)器自行的進(jìn)行學(xué)習(xí)，它主要是通過(guò)模擬人類學(xué)習(xí)的過(guò)程，通過(guò)研究人類的學(xué)習(xí)機(jī)理和人腦的思維過(guò)程，建立一個(gè)機(jī)器針對(duì)不同的任務(wù)的自主學(xué)習(xí)系統(tǒng)。機(jī)器學(xué)習(xí)后來(lái)被延伸到了機(jī)器人學(xué)習(xí)領(lǐng)域。在研發(fā)高智能的機(jī)器人方面，我們從機(jī)器人手臂的最佳移動(dòng)位置來(lái)完成機(jī)器人目標(biāo)動(dòng)作序列的規(guī)劃。

2.2專家系統(tǒng)

    這一系統(tǒng)是結(jié)合各特定領(lǐng)域內(nèi)的大量專業(yè)知識(shí)和經(jīng)驗(yàn)程序而成的。它也是一種依靠專家自身的經(jīng)驗(yàn)和知識(shí)為基礎(chǔ)而建立的系統(tǒng)。專家系統(tǒng)通過(guò)模擬人類專家解決各領(lǐng)域問(wèn)題時(shí)的思維方式和解決問(wèn)題的過(guò)程，來(lái)實(shí)現(xiàn)人工智能技術(shù)。專家系統(tǒng)目前的應(yīng)用范圍的很廣泛，集中體現(xiàn)在文化教育，醫(yī)療和地質(zhì)勘探方面。并且專家系統(tǒng)在模擬專家解決問(wèn)題的時(shí)候，已經(jīng)達(dá)到了接近專家或是超過(guò)專家的水平了。

2.3模式識(shí)別

模式識(shí)別主要是對(duì)視覺(jué)和聽(tīng)覺(jué)模式進(jìn)行識(shí)別，通過(guò)一系嚴(yán)謹(jǐn)?shù)难芯?，使生硬的機(jī)器具有一定的感知能力。它可以通過(guò)程序的設(shè)定來(lái)識(shí)別一些文字或是圖像，并且在日常生活和軍事上都有較大用途。近幾年來(lái)，模式識(shí)別中的人工神經(jīng)網(wǎng)絡(luò)方法有了較大的進(jìn)步。然而在圖像和文字的識(shí)別上也漸入佳境，模式識(shí)別系統(tǒng)漸漸的走入了實(shí)用的范圍。在圖像識(shí)別方面，能夠識(shí)別指紋，手寫字體和印刷字體，以及用于醫(yī)療方面的識(shí)別白血球和癌細(xì)胞。語(yǔ)音識(shí)別技術(shù)也已經(jīng)成功應(yīng)用在商品化的掃描儀中了。

2.4人工神經(jīng)系統(tǒng)

人工神經(jīng)網(wǎng)絡(luò)致力于模擬人類的大腦的神經(jīng)系統(tǒng)的工作原理，利用人工神經(jīng)元，處理元件等處理單元來(lái)模擬人腦的處理模式。并通過(guò)修改推理機(jī)的機(jī)構(gòu)，改善知識(shí)庫(kù)，最終來(lái)實(shí)現(xiàn)人工神經(jīng)系統(tǒng)達(dá)到人工智能化的效果。與人類大腦的工作原理相似，人工神經(jīng)網(wǎng)絡(luò)中的信息處理也是通過(guò)神經(jīng)元之間的相互作用來(lái)實(shí)現(xiàn)的。人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能和識(shí)別功能是通過(guò)神經(jīng)元連接權(quán)值的一個(gè)動(dòng)態(tài)的演變過(guò)程而實(shí)現(xiàn)的。我們雖然能夠清楚的認(rèn)識(shí)到，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)雖然永遠(yuǎn)也無(wú)法與人類的大腦相提并論，但這一系統(tǒng)卻能提升人類對(duì)外界的認(rèn)識(shí)，擴(kuò)展人類對(duì)外界的控制能力。由于多年來(lái)我們?cè)谌斯ど窠?jīng)網(wǎng)絡(luò)領(lǐng)域取得了許多成就，并且形成了一個(gè)獨(dú)樹(shù)一幟的關(guān)于信息處理的學(xué)科?，F(xiàn)在這一系統(tǒng)具有如下特點(diǎn)和優(yōu)勢(shì)，首先，人工神經(jīng)網(wǎng)絡(luò)模型的更新頻率非常之快，其次，人工網(wǎng)絡(luò)模型的完善也是急速的。最重要的是人工神經(jīng)網(wǎng)絡(luò)模型與現(xiàn)代的計(jì)算機(jī)技術(shù)和現(xiàn)代算法的結(jié)合日益密切，例如混沌原理與遺傳神經(jīng)理論的結(jié)合以及成功應(yīng)用。

2.5決策支持系統(tǒng)

智能決策支持系統(tǒng)與知識(shí)智能系統(tǒng)有著密切的聯(lián)系，隨著專家知識(shí)系統(tǒng)日益進(jìn)步，人智能系統(tǒng)就將專家系統(tǒng)中的智能和知識(shí)處理技能應(yīng)用在決策支持系統(tǒng)中。這樣既提高了決策支持系統(tǒng)的系統(tǒng)運(yùn)行能力，也提高了決策支持系統(tǒng)的應(yīng)用范圍，這種方式也最終成就了智能決策支持系統(tǒng)。

2.6自然語(yǔ)言的分析和理解以及自動(dòng)程序的設(shè)計(jì)

自然語(yǔ)言的分析是設(shè)計(jì)出應(yīng)用內(nèi)部數(shù)據(jù)庫(kù)來(lái)分析出用英語(yǔ)提出的問(wèn)題的程序。自然語(yǔ)言的理解程序還可以通過(guò)一些程序?qū)⒁欢挝谋疚淖址g成一種或多種語(yǔ)言。也可以較快的執(zhí)行用英語(yǔ)發(fā)出的程序指令。然而在自動(dòng)程序的設(shè)計(jì)方面，就要求計(jì)算機(jī)本身能夠根據(jù)目標(biāo)的要求自行的進(jìn)行程序的編寫和運(yùn)行。也可以表述為，英語(yǔ)來(lái)描述算法，高級(jí)語(yǔ)言則用來(lái)編寫程序?，F(xiàn)在這一自動(dòng)程序設(shè)計(jì)系統(tǒng)已經(jīng)投入了應(yīng)用，可以自動(dòng)的編寫一些程序。

三．人工智能控制在高爐中的應(yīng)用

由于高爐過(guò)程的復(fù)雜性，許多現(xiàn)象反反利用轉(zhuǎn)統(tǒng)的數(shù)學(xué)模型進(jìn)行短期控制是不夠的，因?yàn)閿?shù)學(xué)模型還不能處理過(guò)程現(xiàn)象中的模糊信息，而高爐過(guò)程中大量存在這種模糊信息，通常操作者是憑經(jīng)驗(yàn)來(lái)處理這些模糊信息的，因?yàn)槿司哂兄悄?，可以?duì)這些模糊信息進(jìn)行推理解判斷，從而還有效的控制高爐，通常應(yīng)用于人工智能信息處理系統(tǒng)有；專家系統(tǒng)，GO-stop高爐爐況監(jiān)控于預(yù)報(bào)系統(tǒng)，爐熱檢測(cè)和控制專家系統(tǒng)，爐料下降異常預(yù)報(bào)和控制等。

人工智能應(yīng)用范圍很廣，包括智能信息處理系統(tǒng)（含模糊控制、專家系統(tǒng)和神經(jīng)元網(wǎng)絡(luò)等）、智能機(jī)器人、自然語(yǔ)言識(shí)別等，但在高爐中主要是應(yīng)用智能信息處理系統(tǒng)。

3.1專家系統(tǒng)

人工智能技術(shù)是模擬人類的思維方式和可觀的世界進(jìn)行認(rèn)識(shí)和改造的一門先進(jìn)的科學(xué)。人工智能的一個(gè)重要而且最成功的分支稱為專家系統(tǒng)。專家系統(tǒng)并不神秘，它不過(guò)是利用某一特定領(lǐng)域人類專家的知識(shí)，模擬人類的推理方式，具有決策制定能力的復(fù)雜計(jì)算機(jī)程序。典型的專家系統(tǒng)包括大量規(guī)則的知識(shí)庫(kù)和推理機(jī)組成。有些專家系統(tǒng)還包括幫助建立知識(shí)庫(kù)、向用戶解釋推理過(guò)程、更新知識(shí)庫(kù)等方面的子系統(tǒng)。

專家系統(tǒng)開(kāi)發(fā)的基本問(wèn)題：開(kāi)發(fā)一個(gè)實(shí)用的專家系統(tǒng)，需要根據(jù)所需解決的問(wèn)題和知識(shí)的表達(dá)方式、推理方式、人工智能語(yǔ)言等做出正確的選擇，還要解決和現(xiàn)有計(jì)算機(jī)系統(tǒng)的聯(lián)網(wǎng)通訊及人-機(jī)接口的設(shè)計(jì)問(wèn)題。

（1）      知識(shí)的表達(dá)方式  好的知識(shí)表達(dá)方式應(yīng)具備以下特點(diǎn)：a 有表達(dá)某個(gè)專門領(lǐng)域所需要的知識(shí)能力，并保證庫(kù)中的知識(shí)是相容的；b 具有從已知知識(shí)推導(dǎo)新知識(shí)的能力，容易建立表達(dá)新知識(shí)所需要的新結(jié)構(gòu)；c 便于獲取新的知識(shí)，最簡(jiǎn)單的情況是能夠由人將知識(shí)直接插入到知識(shí)庫(kù)中；d 便于將啟發(fā)性知識(shí)附加到知識(shí)結(jié)構(gòu)中去，以便把推理集中到最有希望的方向上。

（2）      推理方式  基本的推理方式有兩大類：a 前向推理即從子目標(biāo)或前提條件出發(fā)朝向主要目標(biāo)推理的工作方式；b 后向推理在問(wèn)題的求解過(guò)程中首先做出幾種假設(shè)，然后根據(jù)其中的一種假設(shè)進(jìn)行推理，如果結(jié)果不能接受，則退回出發(fā)點(diǎn)，對(duì)另一種假設(shè)進(jìn)行推理。

專家系統(tǒng)包括解決的問(wèn)題、知識(shí)表達(dá)方式、推理方式、人工智能語(yǔ)言、聯(lián)網(wǎng)方式和人-機(jī)接口（數(shù)據(jù)采集、處理）。

開(kāi)發(fā)和應(yīng)用高爐專家系統(tǒng)的主要目的是實(shí)行對(duì)高爐的短期控制，即早期發(fā)現(xiàn)爐況惡化，盡快做出相應(yīng)處理，使高爐穩(wěn)定操作。

·高爐爐況異常，出鐵出渣不良和爐涼等重大異常爐況的診斷與處理；

·爐熱水平的監(jiān)測(cè)、預(yù)報(bào)和控制

·崩料、管道、難行和懸料等爐料下降異常的預(yù)報(bào)和控制。

3.2爐熱監(jiān)測(cè)和控制專家系統(tǒng)

爐熱監(jiān)測(cè)和控制專家系統(tǒng)的決策過(guò)程由當(dāng)前爐熱水平判斷、爐熱變化趨勢(shì)和措施決策3個(gè)階段所組成。

a 當(dāng)前爐熱水平的判斷

當(dāng)前爐熱水平判斷所采取的指數(shù)一般是鐵水溫度，但應(yīng)該注意，鐵水的溫度實(shí)測(cè)值受到許多因素的影響：

·測(cè)溫地點(diǎn)和測(cè)量時(shí)間

·是否兩個(gè)鐵口同時(shí)出鐵

·是否長(zhǎng)時(shí)間休風(fēng)后的首次出鐵

·是否兩個(gè)鐵口同時(shí)重疊出鐵

b 爐熱變化趨勢(shì)預(yù)報(bào)

c 調(diào)整爐熱的措施決策

決策調(diào)整爐熱的過(guò)程一般分為兩個(gè)階段，第一是根據(jù)當(dāng)前爐熱水平和爐熱變化趨勢(shì)確定初步措施；第二是根據(jù)以往已經(jīng)采取的措施來(lái)決定最終的措施。

3.3爐料下降異常預(yù)報(bào)和控制

爐料下降異常包括崩料、管道、難行和懸料等。爐料下降異常的預(yù)報(bào)及控制主要是針對(duì)崩料進(jìn)行的，崩料的預(yù)報(bào)包括崩料的嚴(yán)重程度和發(fā)生的可能性大小兩方面，推理過(guò)程分為以下三步：

a 對(duì)各個(gè)診斷項(xiàng)目，例如爐熱狀態(tài).透氣性等指數(shù)，單獨(dú)進(jìn)行評(píng)價(jià)并提出相應(yīng)的操作措施;

b 綜合考慮不正常爐況的嚴(yán)重程度和過(guò)去已經(jīng)采取的措施，對(duì)第一步確定的各個(gè)操作措施項(xiàng)目及調(diào)整量重新進(jìn)行評(píng)價(jià)；

c 選擇第二步確定的調(diào)整量最大的操作措施作為最終的決定，并在CRT上顯示供工長(zhǎng)參考。

四．計(jì)算機(jī)在高爐冶煉中的應(yīng)用

4.1冶金過(guò)程計(jì)算機(jī)控制的必要性

為什么冶金生產(chǎn)過(guò)程要實(shí)行計(jì)算機(jī)控制，或者說(shuō)計(jì)算機(jī)控制的效果表現(xiàn)在哪里？為了說(shuō)明這個(gè)問(wèn)題，下面介紹鋼鐵生產(chǎn)過(guò)程的性質(zhì)和特點(diǎn)。
鋼鐵生產(chǎn)的性質(zhì)可概括為以下三點(diǎn)：是大型裝置工業(yè)；需要復(fù)雜的生產(chǎn)過(guò)程；是訂貨生產(chǎn)方式。

這些性質(zhì)具體表現(xiàn)為如下特點(diǎn)。
①設(shè)備方面的特點(diǎn)是：?jiǎn)螜C(jī)設(shè)備大；多半不是連續(xù)過(guò)程，而是間歇過(guò)程；人工操作仍相當(dāng)多。
②生產(chǎn)過(guò)程中物流的特點(diǎn)是：原料使用量大；要使用大量的能量和水；物流相當(dāng)復(fù)雜；原料和成品的運(yùn)輸量大。
③生產(chǎn)過(guò)程狀況的特點(diǎn)是：生產(chǎn)過(guò)程中物流多種多樣；高溫下作業(yè)。
④按訂貨進(jìn)行生產(chǎn)的特點(diǎn)是：生產(chǎn)管理需要大量的信息；信息流和生產(chǎn)管理都很復(fù)雜。
⑤從勞動(dòng)條件方面看的特點(diǎn)是：要求熟練工的作業(yè)多；多為高溫、重體力勞動(dòng)。
    另外，從現(xiàn)實(shí)看還沒(méi)有考慮到價(jià)格的升高。這些特點(diǎn)，無(wú)論拿哪一項(xiàng)作為企業(yè)條件都是不容易的。以這種過(guò)程進(jìn)行生產(chǎn)，從企業(yè)來(lái)講要降低產(chǎn)品成本是相當(dāng)困難的。然而正相反，對(duì)鋼鐵產(chǎn)品的質(zhì)量和價(jià)格的要求卻越來(lái)越苛刻了，這更加重了困難程度。也就是說(shuō)，鋼鐵企業(yè)在原料、能量、設(shè)備償還和勞動(dòng)力費(fèi)用方面都受到很大壓力，而對(duì)如此嚴(yán)酷要求，必須找出有效的對(duì)策解決。計(jì)算機(jī)控制就是措施之一，鑒于鋼鐵生產(chǎn)過(guò)程的復(fù)雜性，只憑在其他工業(yè)的連續(xù)性生產(chǎn)發(fā)展起來(lái)的閉環(huán)反饋控制為基礎(chǔ)的一系列控制技術(shù)是很難解決問(wèn)題的。而且
今后鋼鐵工業(yè)的趨勢(shì)將是更困難、更復(fù)雜。鋼鐵工業(yè)的現(xiàn)代化正在經(jīng)歷著種種變革。這些變革必須實(shí)行自動(dòng)化，或?qū)崿F(xiàn)至少以自動(dòng)化為前提的計(jì)算機(jī)控制系統(tǒng)。冶金工業(yè)自動(dòng)化的目的在于提高大型設(shè)備的生產(chǎn)效率，加強(qiáng)質(zhì)量管理，實(shí)現(xiàn)生產(chǎn)管理合理化以及省力化、無(wú)人化。

4.2.計(jì)算機(jī)在高爐冶煉中的功能

高爐冶煉過(guò)程是一系列復(fù)雜的物質(zhì)化學(xué)過(guò)程的總和。有爐料的發(fā)揮與分解，鐵氧化物的還原，生鐵與爐渣的形成，燃料燃燒，熱交換和爐料與煤氣運(yùn)動(dòng)等，這些過(guò)程不是單獨(dú)進(jìn)行的，而是互相制約下數(shù)個(gè)過(guò)程同時(shí)進(jìn)行的，從控制論的角度看，高爐過(guò)程是一種時(shí)間常數(shù)大的非線性系統(tǒng)。這就決定了高爐過(guò)程計(jì)算機(jī)系統(tǒng)必須具有長(zhǎng)期，中期和短期3個(gè)水平的控制功能。

高爐過(guò)程計(jì)算機(jī)負(fù)責(zé)冶煉的全過(guò)程管理，主要功能包括過(guò)程監(jiān)視，系統(tǒng)控制，數(shù)據(jù)處理，設(shè)備管理及數(shù)學(xué)模型運(yùn)算等，主要作用是向操作指導(dǎo)，判斷信息，管理信息和作業(yè)信息，從而減輕操作人員的勞動(dòng)強(qiáng)度。

高爐計(jì)算機(jī)首先對(duì)原料，燃料---進(jìn)行作業(yè)數(shù)據(jù)處理，對(duì)原燃料，燃料裝入數(shù)據(jù)處理，為了了解大型高爐爐璧和爐底各部分的侵蝕情況，就要對(duì)高爐爐體進(jìn)行溫度監(jiān)視，同樣由于熱風(fēng)爐爐殼各部分周期性工作，爐殼溫度也周期性變化，容易發(fā)生爐殼鐵皮變形與龜裂，為此要建立對(duì)爐殼溫度周期巡回栓測(cè)，當(dāng)各點(diǎn)溫度超過(guò)設(shè)定值時(shí)，自動(dòng)打印出越限信息。計(jì)算接受有關(guān)渣，鐵數(shù)據(jù)，同時(shí)對(duì)高爐和藝參數(shù)的處理。高爐計(jì)算機(jī)還有熱風(fēng)爐然爐燃燒控制，技術(shù)計(jì)算，數(shù)據(jù)處理，數(shù)據(jù)顯示，通信等功能。

高爐是一個(gè)復(fù)雜的氣固相流反應(yīng)器。為了理解，控制和設(shè)進(jìn)高爐煉過(guò)程，更多的努力被用與開(kāi)發(fā)數(shù)學(xué)模型。高爐數(shù)學(xué)模型的出發(fā)點(diǎn)是把高爐過(guò)程和熱風(fēng)和熱風(fēng)爐狀態(tài)以工藝或控制理論描述，算出操作，算出操作一進(jìn)行在線控制或操作指導(dǎo)。

五．高爐自動(dòng)化

高爐控制系統(tǒng)主要包含高爐本體控制、給料和配料控制、熱風(fēng)爐控制，以及除塵系統(tǒng)控制等。高爐煉鐵自動(dòng)化控制系統(tǒng)就是保證煉鐵生產(chǎn)過(guò)程的連續(xù)性和實(shí)時(shí)監(jiān)控性，進(jìn)而保證高爐操作的四個(gè)主要問(wèn)題：正確配料并以一定的順序及時(shí)裝入爐內(nèi)、控制爐料均勻下降、調(diào)節(jié)爐料分布及保持其與熱煤氣流的良好接觸、保持高爐整體有合適的熱狀態(tài)。高爐自動(dòng)化控制系統(tǒng)具有組成設(shè)備多、位置分散、設(shè)備間聯(lián)鎖關(guān)系強(qiáng)、設(shè)備運(yùn)行環(huán)境惡劣、安全性可靠性要求高等方面特點(diǎn)，基于和利時(shí)公司HOLLiAS LK系列PLC的高爐控制系統(tǒng)，在考慮高爐煉鐵系統(tǒng)特點(diǎn)和要求的基礎(chǔ)上，充分利用了LK PLC可靠性高、性能優(yōu)異、功能豐富、擴(kuò)展性好、易于使用等方面的優(yōu)勢(shì)

1、系統(tǒng)設(shè)計(jì)

高爐控制是集機(jī)械、電氣控制和計(jì)算機(jī)應(yīng)用為一體的技術(shù)，采用以和利時(shí)公司HOLLiAS LK系列PLC為核心的，集中與分散相結(jié)合的自動(dòng)化控制系統(tǒng)，系統(tǒng)由1個(gè)中央控制室和上料系統(tǒng)、高爐本體、熱風(fēng)爐、除塵等四個(gè)控制站組成，通過(guò)高速100Mbps光纖工業(yè)以太網(wǎng)進(jìn)行數(shù)據(jù)通信

2、系統(tǒng)功能

本系統(tǒng)是一個(gè)集順序控制、過(guò)程控制、數(shù)據(jù)采集、工況監(jiān)視、數(shù)據(jù)管理為一體的計(jì)算機(jī)控制管理系統(tǒng)。對(duì)電動(dòng)機(jī)、閥門等以及成套機(jī)電設(shè)備的開(kāi)關(guān)量控制，包括分組聯(lián)鎖起動(dòng)、分組聯(lián)鎖關(guān)機(jī)、組內(nèi)自動(dòng)聯(lián)鎖控制、組內(nèi)單步聯(lián)鎖控制、系統(tǒng)單步調(diào)試；過(guò)程控制數(shù)據(jù)的采集和處理（包括開(kāi)關(guān)量和模擬量）；完善的報(bào)警功能。開(kāi)關(guān)量和模擬量報(bào)警的顯示、確認(rèn)、記錄和打??；動(dòng)態(tài)顯示工藝流程圖畫面，各畫面之間可以自由切換；歷史曲線圖、實(shí)時(shí)曲線圖、電氣儀表圖和棒形圖顯示和打印。

六．神經(jīng)網(wǎng)絡(luò)在軋鋼加熱爐模式識(shí)別與智能控制中的應(yīng)用

在冶金行業(yè)中,軋鋼加熱爐是軋鋼生產(chǎn)過(guò)程中的重要設(shè)備之一,在實(shí)際操作過(guò)程中，操作人員依靠傳感器的信息，判斷爐況，進(jìn)行操作。有些判斷難以用簡(jiǎn)單的“IFA THEN B”這樣的規(guī)則表達(dá)，而是根據(jù)操作人員的經(jīng)驗(yàn)，將爐況分成幾種模式，用神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別目前爐況屬于那種模式，對(duì)其進(jìn)行操作進(jìn)行指導(dǎo)，或作為專家系統(tǒng)的補(bǔ)充，有較大的作用。

6.1神經(jīng)網(wǎng)絡(luò)模型  

　　神經(jīng)網(wǎng)絡(luò)是模擬生物的神經(jīng)系統(tǒng)（特別是腦）功能的網(wǎng)絡(luò)。人腦約由150億個(gè)神經(jīng)細(xì)胞組成，每個(gè)細(xì)胞同數(shù)千、數(shù)萬(wàn)個(gè)神經(jīng)細(xì)胞相聯(lián)系，形成網(wǎng)絡(luò)。這樣，神經(jīng)細(xì)胞模型可以看作是n輸入單輸出的信息處理單元。某個(gè)輸入Xi對(duì)神經(jīng)細(xì)胞的影響以影響度表示，稱為細(xì)胞的結(jié)合權(quán)重或效率Wi，這個(gè)細(xì)包模型如圖1所示。

圖1 細(xì)胞模型

　　細(xì)胞的輸入有強(qiáng)有弱，當(dāng)其總合超過(guò)某一閥值，則細(xì)胞進(jìn)入興奮狀態(tài)，產(chǎn)生輸出;當(dāng)其總合低于閾值時(shí)，細(xì)胞進(jìn)入抑制狀態(tài)，沒(méi)有輸出。神經(jīng)細(xì)胞之間可以有不同的連接方式，目前已經(jīng)提出了許多神經(jīng)網(wǎng)絡(luò)模型，在神經(jīng)網(wǎng)絡(luò)中，由于神經(jīng)細(xì)胞的計(jì)算的并行性，其總體計(jì)算效率很高。生物的一個(gè)重要特征是有自學(xué)習(xí)功能，改變神經(jīng)網(wǎng)絡(luò)中細(xì)胞（或節(jié)點(diǎn)）輸入端的權(quán)重或者細(xì)胞興奮的閥值，控制細(xì)胞的興奮狀態(tài)，可以實(shí)現(xiàn)生物系統(tǒng)所具有的靈活的判斷和自學(xué)習(xí)功能。

　　6.2多層感知器神經(jīng)網(wǎng)絡(luò)在軋鋼加熱爐模式識(shí)別中的應(yīng)用

　　采用多層感知器神經(jīng)網(wǎng)絡(luò)作為軋鋼加熱爐爐溫控制和熱風(fēng)量控制專家系統(tǒng)的一部分。 以軋鋼加熱爐爐溫預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)為例，采用如圖4所示的三層網(wǎng)絡(luò)。以鋼坯加熱狀況，煤氣成分，爐中部熱平衡計(jì)算求得的計(jì)算值指數(shù)、 爐體熱損失量過(guò)程數(shù)據(jù)作為輸入層的輸入。

6.3自組織神經(jīng)網(wǎng)絡(luò)在軋鋼加熱爐模式識(shí)別中的應(yīng)用

　　以爐膛溫度來(lái)說(shuō)，在爐膛沿上方向和左右方向共設(shè)置一些測(cè)溫點(diǎn)，溫度數(shù)據(jù)是二維的分布模式，依靠操作人員觀察對(duì)模式進(jìn)行分類是很困難的，因此不能預(yù)先給出教導(dǎo)模式，而是用自組織網(wǎng)絡(luò)自動(dòng)抽取數(shù)據(jù)特征，進(jìn)行分類。自組織網(wǎng)絡(luò)采用多個(gè)輸入節(jié)點(diǎn)，多個(gè)輸出陣列，用一段時(shí)間的日平均測(cè)溫?cái)?shù)據(jù)，用自組織網(wǎng)絡(luò)進(jìn)行分類，得到軋鋼加熱爐高溫、稍高溫、低溫等幾種爐膛溫度模式，模式特征在鄰近節(jié)點(diǎn)間平滑變化。使用自組織后的網(wǎng)絡(luò)，可以用來(lái)識(shí)別日平均爐膛溫度數(shù)據(jù)與哪一溫度分布模式最為接近，用這一識(shí)別可以定量分析與其它爐況數(shù)據(jù)的關(guān)系。

七．結(jié)語(yǔ)

人工智能技術(shù)在冶金反應(yīng)中應(yīng)用越來(lái)越廣泛，為了提高冶金生產(chǎn)效率，降低生產(chǎn)成本，降低操作人員的勞動(dòng)強(qiáng)度，實(shí)現(xiàn)冶金過(guò)程向自動(dòng)化，規(guī)模化，高效的方向發(fā)展，更好的利用人工智能技術(shù)是冶金發(fā)展的必然趨勢(shì)，也是體現(xiàn)冶金技術(shù)進(jìn)步的具體表現(xiàn)。冶金過(guò)程中的冶煉、精煉、連鑄、軋制等過(guò)程中的流場(chǎng)、溫度場(chǎng)、應(yīng)力場(chǎng)等數(shù)據(jù)都需要監(jiān)測(cè)，以及金屬組織性能的控制，金屬制造過(guò)程中的成分與板型精確控制、工藝技術(shù)優(yōu)化、新產(chǎn)品的開(kāi)發(fā)，種種這些，都需要運(yùn)用到人工智能技術(shù)。人工技術(shù)在我們提供智能服務(wù)的同時(shí)也為我們帶來(lái)更好的經(jīng)濟(jì)效益。

八．參考文獻(xiàn)

［1］畢學(xué)工，高爐過(guò)程數(shù)學(xué)模型及計(jì)算機(jī)控制［M］北京冶金工業(yè)出版社 1996

［2］劉洪霖，包宏  化工冶金過(guò)程人工智能化［M］北京冶金工業(yè)出版社1999

[3]蔡自興.人工智能基礎(chǔ)[M].北京：高等教育出版社，2005.

[4]尚福華，李軍，王梅，等.人工智能及其應(yīng)用[M].北京：石油工業(yè)出版社，2005.

[5]李陶深.人工智能[M].重慶：重慶大學(xué)出版社，2002.

[6]《山東冶金》2005年06期

[7]魯曉娟,何藹平;有色冶金中的計(jì)算機(jī)應(yīng)用[J];有色金屬設(shè)計(jì);2003年01期