（钢铁冶金专业论文）宽板坯表面纵裂的神经元网络预测模型.pdf

t ：、i “； i l j l b yl a i j u nc h e n s u p e r v i s o r ：a s s o c i a t e p r o f e s s o rn a nw a n g n o r t h e a s t e r nu n i v e r s i t y d e c e m b e r2 0 0 7 j 1_，r l j 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除 加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人 为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在 论文中作了明确的说明并表示谢意。 学位论文作者签名：渤露绎 日期：溯乡一 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即 学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借 阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交 流。 ( 如作者和导师不同意网上交流，请在下方签名：否则视为同意。) 学位论文作者签名： 签字日期： 导师签名： 签字日期： ， -a。、， 却l、ij ，；j 东北大学硕士学位论文 摘要 宽板坯表面纵裂的神经元网络预测模型 摘要 表面纵裂纹是包晶钢连铸板坯常见的表面缺陷之一。轻微的纵裂纹经板坯精整后对 下步工序不会产生影响，严重的纵裂则会使整块板坯报废，降低金属收得率，给生产带 来严重危害。因此，在连铸生产中，对铸坯质量及时作出在线预报，对于确保连铸生产 的连续性、提高产品质量及降低生产成本具有重要实际意义。 连铸生产作为控制钢材质量的重要环节，由于其涉及的工艺操作参数多，人工控制 已越来越难以满足要求。人工神经网络具有较强的非线性问题处理能力且容错性能强， 可实现实时应用以及在线响应，受到人们普遍关注。 本论文针对连铸板坯表面质量影响因素多且难以实时准确检测等问题，开发了基于 人工神经网络技术的板坯表面纵裂预测模型，并对模型预测结果进行了检验和分析。同 时，为满足南钢中厚板卷厂宽板坯连铸包晶钢生产数据记录的需要，建立了s q ls e r v e r 连铸板坯表面质量数据库。所得主要结论如下： ( 1 ) 影响铸坯表面纵裂的主要因素包括：钢水成分( 【c 】、【m n 、【p 】、【s 】、 s i 】) 、钢 水过热度、铸坯拉速、结晶器宽面水量、二冷比水量、结晶器宽面尺寸、水口插入深度 及结晶器振动方式等。 ( 2 ) 建立了网络参数为隐含层节点数1 2 、学习率0 4 、惯性系数0 9 的宽板坯表面纵裂 的神经网络预测模型。对随机抽取的l o 组测试数据进行预报，误差在1 0 以内，命中率约 为9 0 。 ( 3 ) 所建立的包晶钢宽板坯表面纵裂的数据库系统可实现现场数据的及时收取、存 储、更新和检索，并为后续铸坯表面质量预测做准备。 ( 4 ) 训练集样本数据的选择对模型的精度具有决定性的影响。增加采集的数据种类， 可使模型精度得到提高；保证采集数据的连续性以及分布的均匀性，对所得模型的精度 也有适当改善。 ( 5 ) 在样本集不断更新的基础上定期进行神经网络的重新离线训练，可以保证模型 的时效性以及对现场实际生产的适应性。 关键词：板坯，表面纵裂，人工神经网络，s q ls e r v e r 数据库 -i，；jq -：r，；b ，i-ii 东北大学硕士学位论文 a b s t r a c t p r e d i c t i o nm o d e lf o rl o n g i t u d i n a ls u r f a c ec r a c ko fw i d e s l a bb a s e do na r t i f i c i a ln e u r a ln e t w o r k a bs t r a c t l o n g i t u d i n a ls u r f a c ec r a c ki so n eo ft h ec o m m o ns u r f a c eq u a l i t yd e f e c t so fc o n t i n u o u s c a s t i n gs l a b s t h es l i g h tl o n g i t u d i n a ls u r f a c ec r a c k sh a v el e s si n f l u e n c eo nt h en e x tp r o c e s s i n g b yf m a lf i n i s h i n g ，b u tt h es e v e r el o n g i t u d i n a ls u r f a c ec r a c k sw o u l dc a u s es e r i o u sq u a l i t y p r o b l e ma n dr e d u c em e t a ly i e l d ，e v e nl e a d i n gt ot h ep r o d u c t i o ne m e r g e n c y t h e r e f o r e ，i nt h e c o n t i n u o u sc a s t i n g ，i ti sg r e a t l ys i g n i f i c a n tt om a k eo n - l i n ep r e d i c t i o no nt h es l a bq u a l i t yf o r e n s u r i n gt h ec o n t i n u i t yo fp r o d u c t i o n , i m p r o v i n gp r o d u c tq 砌i t ya n dl o w e r i n gp r o d u c t i o n c o s t s c o n t i n u o u sc a s t i n gi st h ei m p o r t a n tp r o c e s st oe n s u r et h es t e e lq u a l i t y , a n dm a n u a lc o n t r o l b e c o m e sm o r ed i f f i c u l td u et ot h ec o m p l i c a t e da n dv a r i o u sp r o c e s sp a r a m e t e r s 1 1 1 ea r t i f i c i a l n e u r a ln e t w o r kp o s s e s s e ss t r o n gh a n d l i n gc a p a c i t yo fn o n l i n e a rp r o b l e m sa n de r r o r - t o l e r a n c e p e r f o r m a n c e ，w h i c hh a sb e e np a i dm o r ea t t e n t i o nb e c a u s et h er e a l 4 i m ea p p l i c a t i o n sa n do n l i n e r e s p o n s ec a l lb ea c h i e v e d t m sp a p e rh a sd e v e l o p e dap r e d i c t i o nm o d e lf o rl o n g i t u d i n a ls u r f a c ec r a c ko fw i d es l a b b a s e do l la r t i f i c i a ln e u r a ln e t w o r kt e c h n o l o g y , a n dt h ep r e d i c t e dr e s u l t sh a sb e e nv e r i f i e da n d a n a l y z e d f u r t h e r m o r e ，a ns q l s e r v e rd a t a b a s ef o rs u r f a c eq u a l i t yo fp e r i t e c t i cs t e e lh a sb e e n a l s oe s t a b l i s h e di no r d e rt or e c o r dt h ep r a c t i c a ld a t ai nn a j i n gs t e e lc o m p a n y 1 1 1 ef o l l o w i n g c o n c l u s i o n sh a v eb e e nm a d e ( 1 ) n l em a i nf a c t o r sa f f e c t i n gt h el o n g i t u d i n a ls u r f a c ec r a c ka l et h ec o m p o s i t i o no f m o l t e ns t e e l ( 【c 】，【m n ， p 】， s 】，【s i 】) o v e r h e a tt e m p e r a t u r e ，c a s t i n gs p e e d ，f l o w r a t e o fc o o l i n gw a t e r , w i d t hd i m e n s i o no fs l a b ，i m m e r s e dd e p t ho fn o z z l ea n dw a t e rr a t e f o rs e c o n d a r yc o o l i n gz o n e ( 2 ) ap r e d i c t i o nm o d e lf o rl o n g i t u d i n a ls u r f a c ec r a c ko fw i d es l a bb a s e do na r t i f i c i a l n e u r a ln e t w o r kt e c h n o l o g yh a sb e e nd e v e l o p e d w i t l lt h en e t w o r kp a r a m e t e r so f12 h i d d e nn o d e s ，0 4l e a r n i n ge f f i c i e n c y , a n d0 9i n e r t i ac o e f f i c i e n t n l ee r r o rr a t i oi s l e s st h a n1o ，a n dt h eh i tr a t ei sa b o u t9 0 ( 3 ) t l l ee s t a b l i s h e ds q ls e r v e rd a t a b a s ef o rq u a l i t ys u r f a c eo fp e d t e c t i cs t e e lc a nr e a l i z e t h ec o l l e c t i o n ，s t o r a g e ，u p d a t ea n ds e a r c h i n go fi n d u s t r i a ld a t a , a n dt h ep r e p a r a t i o n f o rs u r f a c eq u a i i t yp r e d i c t i o no fs u b s e q u e n ts l a b sc a nb em a d e i i i - j； 东北大学硕士学位论文 a b s t r a c t ( 4 ) t h es e l e c t i o no fs a m p l i n gd a t ai ss i g n i f i c a n tt ot h em o d e la c c u r a c y t h em o d e l a c 毋h r a c yc a l lb ei m p r o v e db yi n c r e a s i n gt h ed a ms p e c i e s ，e n s u r i n gc o n t i n u i t ya n d u n i f o r m i t yo fc o l l e c t i n gd a t a ( 5 ) t h ea c t u a l i t yo fm o d e la n da d a p t a b i l i t yt oi n d u s t r i a lp r o d u c t i o nc a l lb ee n s u r e db y p r o c e e d i n g o f f - l i n et r a i n i n go fn e u r a ln e t w o r ko i lt h eb a s i so fr e p l a c e m e n to f s a m p l i n gd a t a k e yw o r d s ：s l a b ，l o n g i t u d i n a ls u r f a c ec r a c ka r t i f i c i a ln e u r a ln e t w o r k , s q ls e r v e rd a t a b a s e i v ，j，j- 东北大学硕士学位论文 目录 目录 独创性声明i 摘要i i a b s t r a c t i 第一章绪论1 1 1 前言1 1 2 本课题的研究背景及意义1 1 3 本课题研究的主要内容2 第二章文献综述：。3 2 1 连铸坯质量控制的现状和发展3 2 1 1 国内外连铸坯质量预报的发展现状3 2 2 神经网络理论在冶金工业的应用。6 2 2 1 人工神经网络概述6 2 2 2 人工神经网络的发展。7 2 2 3 人工神经网络的特点8 2 2 4 人工神经网络理论在连铸坯质量预报方面的应用9 第三章连铸坯表面缺陷及其形成机理研究1 l 3 1 概述1 1 3 2 连铸坯表面缺陷分类1 1 3 3 连铸坯表面缺陷形成机理1 2 3 3 1 钢的高温延展性1 2 3 3 2 亚包晶钢的裂纹敏感性1 5 3 3 3 连铸过程中的裂纹敏感性15 3 4 板坯表面纵裂影响因素。1 6 3 4 1 钢水成分对板坯纵裂的影响1 6 3 4 2 钢水过热度l8 3 4 3 铸坯拉速l8 3 4 4 结晶器冷却条件1 8 3 4 5 二冷区水量。1 9 3 4 6 结晶器保护渣。1 9 3 4 7 结晶器液面波动。2 0 3 4 8 浸入式水口参数2 1 v 东北大学硕士学位论文目录 第四章人工神经元网络模型的建立2 2 4 1 神经元模型k ，2 2 4 1 1 神经元结构。2 2 4 1 2 神经元激活函数2 3 4 2 人工神经网络模型的学习过程2 3 4 3 神经网络模型的选择2 3 4 3 1b p 网络算法2 4 4 3 2b p 网络的全局误差函数2 6 4 3 3 学习速率2 7 4 3 4 隐层节点数的设计2 7 4 3 5b p 网络算法程序流程图2 7 4 3 6 算法改进措施2 8 4 4 神经网络程序设计2 9 4 4 1 网络训练样本2 9 4 4 2 变量选择3 0 4 4 3 变量筛选3 3 4 5 数据预处理3 3 4 5 1 数据筛选3 4 4 5 2 输入输出数据标准化3 7 4 6 网络层数设计4 0 4 7 模型训练4 1 4 7 1 隐含层节点数的确定。4 1 4 7 2 其他参数的确定4 1 4 8b p 网络模型预测结果一4 2 4 9 误差分析4 5 4 10 本章小结4 5 第五章宽板坯表面纵裂神经元网络预 贝妒漠型o 4 7 5 1 数据库的作用和功能4 7 5 2 数据库的建立4 8 5 3 数据库的管理与维护4 9 5 3 1 数据库的备份5 0 5 3 2 数据库的恢复5 1 5 4 预报模块的建立5 2 5 4 1a d o 数据库访问模块5 2 5 4 2s o c 玎连接模块5 3 东! ! 垄堂堡主堂堡垒查 旦至 - _ _ _ _ _ - l _ - _ - _ _ _ _ l _ _ _ _ _ _ _ _ _ _ _ _ - - - _ _ _ _ _ l - _ - _ - - _ _ _ _ _ - _ - _ _ _ _ - _ - - _ _ - - _ l _ _ _ - - - _ _ _ _ _ _ _ _ - _ _ - - _ _ _ _ _ _ _ _ _ _ - _ 一。一 5 4 3 数据操作模块5 3 5 4 4 数据预测模块5 3 5 4 5 客户端发送数据模块5 4 5 5 本章小结5 4 第六章总结论5 6 参考文献5 7 致谢5 9 v i i 东北大学硕士学位论文 第一章绪论 16 1 前言 第一章绪论 2 1 世纪是“质量的世纪 ，质量将成为本世纪主题，我们必须迎接它的挑战。回顾 上个世纪的发展历程，由于生产力的不断发展，新技术的不断涌现，使得国际市场的竞 争日益激烈，人们越来越清醒地意识到：采用价廉质次的倾销政策已难以取胜，能够致 胜的重要法宝就是产品与服务的优良质量。现今质量管理界流行“世界级质量”之说， 所谓世界级质量就是世界最高水准的质量。任何国家的产品和服务，如果不能做到不断 向世界级质量水准靠拢，就难以在国际市场的竞争中取胜。 钢铁材料是最重要的结构材料，随着世界经济的繁荣，世界钢铁产量逐年增加，目 前己超过1 0 亿吨年。我国钢产量已连续1 0 年排名世界第一，2 0 0 6 年钢产量达到4 1 8 8 亿吨，已成为名副其实的钢铁生产大国。 中厚板生产水平是一个国家钢铁工业发展水平的重要标志。目前国外发达国家钢材 板管带占7 8 左右，而我国仅为4 0 。其中，我国专用钢中厚板比例仅占2 5 左右，美 国、日本和欧洲中厚板中专用钢板比例达6 5 。目前我国正处于从建筑业向制造业转型 时期，汽车、机械、制造等主要支柱产业已进入快速发展阶段，钢铁行业产业结构将由 长材向板材转移，对板材，特别是高附加值板材需求强劲。而板材中首先需要大力发展 的产品就是中厚板，与基础建设和制造业密切相关，这意味着我国宽厚板具有很大的市 场空间。 目前中厚板最大的消费市场为华东地区，约占全国中厚板消费总量的3 5 ：其次为 中南区域，约占3 2 ；华北地区占到9 。由于这些地区的经济发展较快，特别是华东 地区经济迅猛发展，中厚板需求保持长期旺盛态势。由于中厚板需求不断增长，我国中 厚板企业生产规模不断扩大，全球第三次中厚板轧机的建设高潮已在中国大地上掀起。 1 2 本课题的研究背景及意义 南京钢铁公司中厚板卷厂2 0 0 4 年投产的炉卷轧机项目，是我国第一条从转炉一炉卷 轧机实现联结的生产线，该生产工艺“炼钢一连铸一轧钢三个工序紧凑布置，整个生 产过程实现物流热衔接，是一个现代化的“紧凑节能型小钢厂 ，可生产造船板、管线钢 板、锅炉板、容器板、汽车大梁板、工程机械用板等市场紧缺高级产品。其产品厚度从 2 5 毫米到5 0 毫米，宽度由1 6 0 0 毫米到3 5 2 0 毫米，均比国内现有水平增长了一倍，尺 寸精度达国际先进水平。 】- 东北大学硕士学位论文第一章绪论 南钢生产的中厚板中，具有包晶钢( 及亚包晶钢) 成分的品种占相当一部分比例。众 所周知，在包晶钢成分钢水的凝固过程中，会发生包晶反应l + 6 叫f e ，并伴有较大( 0 3 8 ) 的体积收缩。连铸时结晶器弯月面初生坯壳随温度的下降发生的这种6 叫f e 转变使初生 坯壳脱离结晶器壁并形成气隙，导致热流减小，坯壳变薄，在表面形成凹陷。凹陷部位 冷却和凝固速度比其他部位慢、组织粗化、对裂纹敏感性强，在热应力和钢水静压力的 作用下，容易在凹陷薄弱处产生应力集中而形成表面纵向裂纹。研究表明，铸坯表面纵 裂在结晶器内形成，在二冷区进一步扩展。铸坯的断面尺寸愈大，因包晶反应产生的收 缩量愈大，结晶器内初生坯壳厚度不均匀性愈强，纵裂纹出现的几率越大。 从包晶钢铸坯质量的研究结果可知，影响包晶钢铸坯表面质量的因素很多，包括钢 水成分，保护渣性质，结晶器冷却效果，二冷强度及拉坯速度等。不同钢厂由于钢水条 件( 特别是碳含量和钢水洁净度) 波动较大，设备和工艺因素也不尽相同，因此发生表面 纵裂的原因也不一样。特别是对宽板坯铸机而言，由于其断面尺寸比普通板坯大得多， 凝固收缩量大；且随断面尺寸增大，结晶器内流场及温度场不均匀性增强，保护渣熔化 及铸坯表面渣膜均匀程度变差。因此，超宽板坯包晶钢连铸比普通板坯更易发生表面质 量问题，其连铸生产的控制比普通板坯要复杂得多。南钢超宽型3 2 5 0 毫米中等厚度板坯 连铸机，是目前世界上最宽板坯铸机之一，保证其包晶钢铸坯表面质量的技术要求明显 要高于其他企业的普通板坯铸机。 本课题以南钢中厚板卷厂宽板坯连铸包晶钢生产为对象，以宽板坯表面纵裂形成机 理和影响表面纵裂的钢水条件、操作工艺参数、设备因素分析为基础，通过建立南钢中 厚板卷厂宽板坯包晶钢表面纵裂数据库以及表面纵裂b p 人工神经网络模型来实现宽板 坯表面纵裂的质量预测。本预报模型对连铸生产及宽板坯表面质量控制具有参考价值。 1 3 本课题研究的主要内容 本课题的具体研究内容包括： ( 1 ) 以南钢中厚板卷厂宽板坯包晶钢生产的工艺记录为基础，分析讨论钢水条件、 工艺操作参数、设备因素对板坯表面纵裂的影响； ( 2 ) 确定b p 神经网络模型的结构和参数，采用c 语言程序和m a t l a b 神经网络程序 相结合的方法进行选择样本的训练； ( 3 ) 基于s q ls e r v e r 建立宽板坯包晶钢表面纵裂数据库及宽板坯表面纵裂的b p 人 工神经网络预测模型。 - 2 东北大学硕士学位论文 第二章文献综述 第二章文献综述 2 1 连铸坯质量控制的现状和发展 在现代钢铁生产中，炼钢是一个多工艺、复杂化的生产流程，包括铁水预处理、转 炉冶炼、炉外精炼、连续浇铸等主要工序。连铸坯的质量受到钢水纯净度以及浇铸过程 状态的直接影响。即便采用了先进的工艺、设备和技术，但由于炼钢和连铸工艺所固有 的炉次交接、设备故障及操作不稳定等因素不可避免地使生产过程出现波动、产生异常， 从而不同程度影响铸坯质量。存在缺陷的铸坯对后道轧钢工序和最终产品质量的影响是 不容忽视的，它可能影响钢板的表面质量以及其加工使用性能，形成次品或废品，给企 业造成经济和产品信誉的损失。 目前，市场对钢材质量的要求越来越高。连铸生产是控制钢材质量的重要环节之一， 也是最后一个工序。连铸生产涉及工艺参数多，人工控制已越来越难以满足要求。连铸 坯质量预报的专家系统，应用人工智能技术和计算机，根据连铸领域众多专家提供的知 识和经验，模拟这些专家的决策过程，可以解决有关连铸坯质量控制的复杂问题。 2 1 1 国内外连铸坯质量预报的发展现状 在连铸生产中，对铸坯质量及时作出在线预报，对确保生产的连续性、提高产品质 量及降低生产成本具有重要意义。许多钢铁企业对此都极为关注，并开发了自己的铸坯 质量检测专家系统，铸坯尚在结晶器中便可获得各参数，对铸坯进行质量评判和分类， 并进行跟踪。事实上，连铸坯质量缺陷绝大部分起源于结晶器内的热力学和动力学过程， 而结晶器铜板所埋设热电偶提供的温度信息是其热力学和动力学的直接反映。 在国外所开发的连铸坯质量预报系统中，比较有代表性的有英国b r i t i s hs t e e l 的结晶 器热监控系统( m t m ) 【1 1 、奥地利l i n z 钢厂的计算机辅助质量控制系统( c a q c ) 【2 】、德国 m a n n e s m a nd e m a g 公司的质量评估专家系统( x q e ) 【3 】。以上系统大都是在漏钢报警系统 基础上发展而来的，具有漏钢报警和表面质量报警双重功能【1 6 1 。 近十多年来，国内在连铸过程优化控制的开发上取得了长足的进步。例如宝钢开发 的连铸过程优化控制系统，包括结晶器控制、水口诊断、柔性数据采集、铸坯质量自动 识别、二冷表面温度测量、连铸混合数据库智能搜索引擎的可视化和单块分析、铸坯切 割测长诊断等内容l 4 4 j 。 2 1 1 1 国外连铸坯质量预报进展 ( 1 ) 英国钢铁公司的结晶器热监控系统( m t m ) 3 _ 东北大学硕士学位论文第二章文献综述 英国钢铁公司的结晶器热监控系统( m t m ) 开发于2 0 世纪8 0 年代，其主要作用是防 止漏钢和改善铸坯质量，该m t m 系统首先在中厚板生产中得到运用。应用数据表明， 发生漏钢时板坯的散热速率远低于相同状况下的正常散热速率。同时，系统运行时发现， 在漏钢发生之前塞棒常有快速开启的动作，表明氧化铝团块和被氧化铝污染的保护渣可 能是导致传热速率下降和漏钢的原因【i 】o 此外，该监测系统还可以用于确定铸坯表面裂纹及凹陷与结晶器内传热的关系、保 护渣性能与结晶器内传热的关系。其质量预报的原理为：系统通过考察质量有问题的板 坯，从相应异常温度曲线上找出原因。例如当结晶器底部的温度高于顶部的温度时会产 生表面裂纹，其原因是结晶器内钢液面熔渣较少。使导热状况特别差，从而导致顶部温 度降低，此时非常容易产生裂纹。使用m t m 系统的厂家较多，都取得了较显著的效果。 比如比利时的s i d m a r 公司板坯连铸机自从1 9 9 1 年使用m t m 系统后，预防了7 5 次漏钢 事故，6 个月里漏钢误报率少于2 0 次，在提高铸坯质量的同时，使正常拉速由1 1 5 m m i n 提高到1 4 m m i n 。 ( 2 ) 奥钢联的计算机辅助质量控制系统( c a q c ) 奥钢联l i n z 钢厂的计算机辅助质量控制系统( c a q c ) 开发于1 9 8 3 年，1 9 9 1 年开始 在线运行。该系统可以模拟工艺控制过程，通过提供板坯的质量预报数据，取代了部分 板坯检验工作，同时还根据产品订货要求确定容许的板坯缺陷，以尽可能减少精整工作。 系统主要通过考察板坯缺陷和操作参数之间的关系来提供板坯缺陷的预报，同时还提供 良好的人机界面用于保存专家知识，然后用所编写的函数对大量的过程数据进行处理! t 2 j 。 c a q c 系统包括以下功能模块：确定板坯的质量标准、确定生产规程，板坯质量缺 陷自动预报，提出板坯处理意见，冶金知识库生成和维护，以及预报功能的离线模拟等 模块。经过不断的改进和完善，目前l i n z 钢厂生产的9 0 以上钢种都采用此系统进行控 制，包括低碳钢、钢、含碳量! 抑2 5 的结构钢、以及含碳量郢0 8 的合金结构钢等。 c a q c 系统能够预报的质量缺陷包括：表面氧化铝团块、缩孔、角裂与横裂等，通过建 立相应的冶金函数进行预报。预报使用到的过程数据共有9 5 种，主要有拉速、过热度、 吹氩时间、二冷段累计水量、化学成分和各参数的波动量等。应用c a q c 系统使精整工 作量大幅减少。例如，1 9 9 3 年和1 9 8 3 年相比，板坯的机器扒皮率下降了7 2 ，人工扒 皮率和检验率下降了8 8 ，因扒皮带来的金属损失减少了l 3 。投入使用后的1 9 9 4 年和 投入使用前的1 9 9 0 年比较，轧制产品的再检验率下降了8 0 。 ( 3 ) 曼内斯曼德马格公司的质量评估专家系统( x q e ) 质量评估专家系统( x q e ) 主要由质量评估模型和数据管理部分组成，是一个具有学 习能力的专家系统。质量评估模型通过处理过程数据来判断板坯上可能出现的缺陷及其 强度，数据管理部分有利于知识积累，可以更新质量模型。x q e 系统的结构如图2 1 所示， 在该系统中运用x q e 系统的预报系统具有根据经验和质量数据推出结论的能力。 东北大学硕士学位论文 第二章文献综述 数据 变换 影响因素预报 缺陷等级 图2 1x q e 质量评估系统的结构 f i g 2 1s t r u c t u r eo f x q eq u a l i t ye s t i m a t i o ns y s t e m 如图2 2 所示，引起缺陷的因素分布在一个多维空间里，样本数据就是其中的点，而 缺陷的等级就是这些点所代表的值。通过考查实时过程数据在多维空间里的分布，可以 预报出将会发生的缺陷及其强度。x q e 系统包括在线和离线两个部分，实时数据传输给 在线x q e 部分形成样本文件用于分析、调整或确定模型，并且可以利用离线部分所学习 到的知识进行更新。 图2 2 缺陷空间 f i g 2 2d e f e c ts p a c e ( 4 ) 日本大同钢铁公司表面质量检测系统 日本大同钢铁公司知多厂所开发的表面质量检测系统在结晶器铜板的2 8 个点上分 别设置了热电偶，以检测铸坯表面温度变化；在二冷段的各个面上配置了流量计和压力 计，以检测喷嘴堵塞等异常情况；在矫直段测定铸坯棱角温降情况。将上述信息和数据 输入计算机进行对比和鉴别，即可查明铸坯在各个阶段的温度变化与裂纹间的关系。系 统还设定了各种钢成分和拉速的裂纹产生危险温度区域。此系统用于连铸大生产，可将 铸坯表面缺陷减少三分之_ _ - - 3 1 。 东北大学硕士学位论文第二章文献综述 2 1 1 2 国内连铸坯质量预报进展 宝钢开发了板坯品质异常把握模型和漏钢预报系统 4 1 。宝钢的漏钢预报系统由神经 网络模型，空间网络模型以及逻辑判断模型综合而成。神经网络模型主要完成对单点热 电偶的温度特征进行识别，空间网络模型对粘结漏钢的空间特征进行判别，逻辑判断模 型用于对原始数据进行预处理，进而缩小前两个模型的输入数据范围，提高报警的准确 率。该模型的特点是完全依赖历史数据建立神经网络模型和空间网络模型，成功实现了 大容量数据的快速计算，实现了高速的实时复杂判断。1 9 9 9 年5 月试运行以来连铸机漏 钢次数降为0 ，误报指数为0 0 9 。由于误报减少，急降速、停车情况减少，平均拉速 提高，双浇、裂纹、夹渣等废品率下降。 宝钢的品质异常把握模型是由计算机对连铸生产过程的异常事件进行自动判断。对 品质正常和异常的铸坯进行区别管理，真正实现连铸“按坯管理。结合不同钢种的品质 要求，根据产生异常的不同程度对铸坯进行相应处理，从而消除缺陷、提高输出铸坯的 实物质量。这里所指的连铸生产过程“异常”，主要包括结晶器液位波动大，拉速变动大， 钢水二次氧化，耐材及保护渣卷入等情况，它们都会在一定程度上对连铸坯的表面和内 部质量造成危害。品质异常把握模型既能对生产过程超出正常范围的现象进行判别，确 定各种异常对铸坯质量的影响程度和相应的处置办法，也能指导板坯的切断和精整作业。 2 2 神经网络理论在冶金工业的应用 2 2 1 人工神经网络概述 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ) 是基于对人脑组织结构、活动机制的初步 认识而提出的一种新型信息处理体系，是在信息和计算机科学等领域内模拟生物神经网 络的信息存储和加工处理机制，采用电子、光学方法或者其它生物物理化学方法构造的 体系。神经网络的理论研究是一门新兴的边缘和交叉学科，即在现代神经生物学研究的 基础上，运用光信息处理以及生物分子计算机等高新技术，创造性地对人脑模型及其特 定性进行仿真，揭示人脑的工作机制，采用电子、光学方法或其它生物物理化学方法构 造的体系。神经网络的理论研究是一门新兴的边缘和交叉学科，即在现代神经生物学研 究的基础上，运用光信息处理以及生物分子计算机等高新技术，创造性地对人脑模型及 其特定性进行仿真，揭示人脑的工作机制，模仿脑神经系统的组织结构以及某些活动机 理。我们通常所说的神经网络都是指人工神经网络。 人工神经网络除了可以叫做并行分布处理系统( p d p ) 外，还可以叫做人工神经系统 ( a n s ) 、神经网络心m ) 、自适应系统( a d a p t i v es y s t e m s ) 、自适应网( a d a p t i v en e t w o r k s ) 、 联接模型( c o n n e c t i o n ) 、神经计算机( n e u r o c o m p u t e r ) 等等。神经科学研究表明，生物神 经系统是由大量的神经细胞或神经元广泛相互连接组成的，神经元之间密切接触，传递 东北大学硕士学位论文 第二章文献综述 神经冲动，从而实现信息的传递。人的大脑皮层是由六个不同的功能区组成的，上面布 满了神经细胞，相当于一万台大型计算机并行运行。所以说，人脑是一个广泛相互连接 的复杂非线性系统，这种系统具有特殊的信息处理功能。对于人脑以某种方式实现信息 处理任务的正式解释是由m c c u l l o c h 和p i t t s 在1 9 4 9 年首次明确提出的【5 】。他们使用简 单阈值逻辑单元表示单个神经元的行为，并指出了由许多这样互连单元形成的网络是如 何完成任意逻辑操作的。这种处理类似于用二进制逻辑门连接的任何逻辑电路【6 j 。 研究人脑的目的是试图模拟人脑信息处理机制，构造一个非线性动力学系统。人工 神经网络就是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。 虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的 行为却是极其丰富多彩的。与数字计算机相比，神经网络系统具有集体运算能力和自适 应学习能力，有很强的容错性和鲁棒性，善于联想、综合和推广。当常规方法无法解决 问题或效果不佳时，神经网络就显示出其优越性。尤其是当对问题的机理等规律不甚了 解，或不能用数学模型表示的系统，如故障诊断、特征的提取和预测、非线性系统的自 适应控制等问题，神经网络往往是最有利的工具。近年来神经网络在冶金领域的应用越 来越广泛，并取得了一些令人满意的成果。 2 2 2 人工神经网络的发展 人工神经网络的发展可以追溯到2 0 世纪4 0 年代。1 9 4 3 年，生理学家m e c u l l o c h 和 数学家p i t t s 首次提出了形式神经元的数学模型，即m p 模型，开创了神经科学理论研 究的新时代。1 9 4 9 年心理学家h e b bd 首先建立了连接权训练算法，即h e b b 算法例，并 首先提出了“连接主义 ( c o n n e c t i o n i s m ) 的名词，意为大脑的活动是靠脑细胞的组合连 接实现的。6 0 年代初，计算机学家f r a n kr o s e n b l a t t 提出了一种具有三层网络特性的神 经网络结构一感知器( p e r c e p t r o n ) 9 1 。 启蒙时期的最后两位代表人物是电机工程师b e r n a r dw i d r o w 和m a r c i a nh o f f 。他们 不仅设计了在计算机上仿真的人工神经网络，而且还用硬件电路实现了他们的设计【l u 。， 这为今天用超大规模集成电路实现神经网络计算机奠定了基础。他们是开发神经网络硬 件最早的主要贡献者。 人工智能的创始人，美国m i t 的著名人工智能专家m i n s k y 和p a p e r t 对以感知器为 代表的网络系统的功能及其局限性从数学上做了深入研究，于1 9 6 9 年出版了轰动一时的 评论人工神经网络的感知机 7 , 4 6 】，对神经网络的功能做出了悲观的结论。由于m i n s k y 在学术界的地位和影响，神经网络在之后若干年内的发展一直处于缓慢的低潮期。 上世纪8 0 年代初期，神经网络的研究出现了复兴的大好景象。1 9 8 2 年，美国加州 工学院的物理学家h o p f i e l dj 提出一种全连接神经网络- - h o p f i e l d 网络模型。首次引入了 网络函数的概念，给出了网络稳定性的判据，有力地推动了神经网络的研究。随后，神 经网络理论受到了越来越多的关注，新模型、新理论也层出不穷，如h i n t oge 和 - 7 - 东北大学硕士学位论文 第二章文献综述 s e j n o w s k itj 的b o l t z m a n 机模型。1 9 8 6 年r u m e l h a r tb 和m e e l e l l a n dj 编辑的p d p ( p a r a l l e ld i s t r i b u t e dp r o c e s s i n g ) 一书出版【l l 】，书中提出的网络思想，为神经网络研究新高 潮的到来起到了促进作用。神经网络的研究出现新的高潮，进入发展的新时期。除了神 经科学研究本身的突破和进展外，更重要的动力是计算机科学和人工智能发展的需要， 超大规模集成电路( v l s i ) 技术i 生物技术、超导技术和光学技术等领域的迅速发展为其 提供了技术上的可能性。 人工神经网络理论与当今强大的计算机和集成电路结合，已从实验室发展到工业实 际应用中，特别是在人工智能、图象处理、自动控制、计算机科学、信息处理、视觉系 统、机器人、模式识别、医学工程、机械系统、信贷评估和c a d c a m 等方面都有重大 应用。 2 2 3 人工神经网络的特点 对于人脑以某种方式实现信息处理任务的正式解释是由m c c u l l o c h 和p i t t s 在1 9 4 9 年首次明确提出的【5 l 。他们使用简单阈值逻辑单元表示单个神经元的行为，并指出了由 许多这样互连单元形成的网络是如何完成任意逻辑操作的。这种处理类似于用二进制逻 辑门连接的任何逻辑电路。 神经网络由决定单元组成，其广泛并行的互连组织能够模拟生物神经系统所做出的 交互反应。人工神经网络不是人脑神经系统的真实描写，只是对人脑功能的抽象、简化 和模拟。由于神经网络是按生物神经网络的结构和机理构造出来的，所以它能显示出比 传统的按预编程序串行集中处理的v o nn e u m a n n 计算机所不曾具有的重要特征，可以概 括为如下几点 ( 1 ) 信息并行分布处理。信息的处理依靠结构简单且相同的大