人工智能技术在材料成形中应用的进展_刘相华.pdf

文章编号 036726234 2000 05 20086204 人工智能技术在材料成形中应用的进展 刘相华 王国栋 东北大学 轧制技术及连轧自动化国家重点实验室 辽宁 沈阳 110006 摘 要 回顾了近年来神经网络 模糊逻辑 专家系统等人工智能技术在金属轧制等材料成形过程中应用的 新进展 介绍了利用智能化方法进行参数预报 过程控制 信息处理的研究和应用情况 对进一步发展作了展 望 关键词 轧制 神经网络 模糊控制 专家系统 中图分类号 TG335 文献标识码 A Application of artificial intelligence technology to forming of materials LIU Xiang 2hua WANG Gou2dong The State Key Laboratory of Rolling andAutomation Northeast University Shenyang 110006 China Abstract Summarizes application of AI technology such asArtificial Neural Network FuzzyLogic Expert System to forming of material for example rolling process for parameters prediction processes control on2line informa2 tion technology and discusses future development as well Key words rolling artificial neural network fuzzy logic expert system 人工智能技术近年来在材料成形领域得到了 成功的应用 以轧制过程为例 目前在轧制过程 中的各个环节 从生产计划的编排 坯料的管理 加热中的优化燃烧控制 轧制中的设定计算及厚 度和板形控制以及成品库的管理等等都有人工智 能方法成功应用的例子 人工智能已经成为现代 化轧机高精度控制的一个非常有效的工具 1 顺应轧制理论和轧制技术发展的这种新形 势 东北大学轧制技术及连轧自动化国家重点实 验室 RAL 近年来在轧制过程的智能优化方面开 展了一系列研究工作 主要有人工神经网络 专 家系统 模糊逻辑 遣传算法及其组合在轧制中的 应用 内容涉及轧制过程参数的预报与优化 2 4 收稿日期 1999 04 08 基金项目 国家重大基础研究项目资助 G1998061509 教育部高 等学校博士学科点专项科研基金资助 97014515 国 家重点科技攻关计划项目资助 97 562 04 02 作者简介 刘相华 1953 男 教授 精轧机组宽度预测 5 立辊短行程控制 6 卷取温 度控制 7 板形控制 8 9 厚度偏差诊断 10 数据 分析与处理 型钢尺寸高精度控制 11 精轧机组 负荷分配 12 和组织性能预报 13 等 本文以此为 主线对国内外近年来人工智能在轧制中应用的进 展加以简要介绍 1 神经网络在轧制中的应用 111 人工神经网络 ANN 在轧制领域中所应用的神经网络实际上是一 组计算机程序 这组程序提供了一套具有记忆功 能的算法 能够对存在因果关系的事物根据输入 条件的变化来预测结果 神经网络一般是由若干节点组成的一个输入 层 一个输出层和一个以上的中间隐层组成 各层 之间由权值相连接 确定各层节点数目及各层神 经元内部算法的过程称为网络结构设计 对一个 设计好的神经网络确定其权值的过程称为网络训 练 训练好的网络即可用来作参数预报 第 32 卷 第 5 期 哈 尔 滨 工 业 大 学 学 报 Vol 32 No 5 2 0 0 0 年 1 0 月 JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY Oct 20 00 112 轧制力的高精度ANN 预报 提高轧制力预报精度对提高设定精度及第一 块钢和带钢头部的命中率都具有重要意义 轧制 力直接影响到负荷分配 AGC 和 AFC 等环节 是 所有轧制参数中最为活跃的参数 过去利用传统 轧制理论已经使轧制力的计算精度有了大幅度的 提高 但是仍然不能满足用户对产品质量越来越 严格的要求 沿用修正数学模型的方法来提高轧 制力计算精度的传统做法已很难再有大幅度的提 高 人工智能则为之开辟了一条新途径 采用数学模型 M M 与神经网络 ANN 相结 合方法 用数学模型的预报作为基值 用 ANN 作 为数学模型计算误差的实时补偿 两者组成一个 智能纠偏网络 用于预报轧制力 利用该 ANN 网络 对某厂热轧带钢精轧机组 进行了轧制力 M M ANN 的预测 输入参量为轧 件的成分 宽度 厚度 变形量 温度 轧制速度等 输出为精轧机组7 个机架的轧制力 图1 给出了单用数学模型 单用神经网络和 综合运用数学模型与神经网络预报轧制力与实测 轧制力的比较 由图可见 神经网络比数学模型的 精度有明显改善 智能纠偏网络的效果最好 轧 制力预报精度由偏差大于 10 改善为偏差小于 5 图 1 热轧带钢精轧机组轧制力预测结果 Fig 1 Predicted rolling force for HSM 2 专家系统 ES 在轧制中的应用 RAL 结合热轧带钢厂的实际需要 开发了一 个基于在线信息的带钢厚度偏差诊断与监控专家 系统 TDD ES Thickness Deviation Diagnosis and Supervision Expert System 该系统在对现场数据 进行分析处理的基础上 利用对厚差曲线的频谱 分析 对厚度偏差的来源及特征作出及时诊断 211 TDD ES 的数据采集系统 为了向建立的专家系统提供轧制信息 开发 了热连轧精轧机组数据采集及信息处理系统 通 过传感器采集过程数据 工艺设定数据 轧机设备 参数和钢板参数等 为生产过程的优化 诊断 模 拟和监控提供支撑服务 采集系统共 32 2 通 道 采样间隔时间最短为 5 ms 主要检测精轧机 组各架轧制力 辊缝 速度 电流 活套角度 出口 左和宽差等值 212 厚差诊断专家系统的功能和效果 对数据采集系统得到的检测数据和过程控制 数据进行高通 低通滤波 对轧件头尾温差趋势项 进行处理 对所得的厚差曲线数据用改进的富氏 变换进行频谱分析 根据其频谱特点来诊断带钢 厚度偏差的原因 用于现场诊断的实例表明 厚 差曲线的高频分量 恰与支撑辊的旋转速度相对 应 而其低频分量恰与加热炉内水管的距离相对 应 这就有力的说明 厚差的高频部分是由于支 撑辊的偏心引起的 而低频部分是加热水印引起 的 本专家系统的诊断结果 可以对现场生产中 加热制度改进 换辊时间的确定等操作要素提供 指导 目前TDD 2ES 系统已经在热轧带钢生产线得 到应用 并在提高热轧带钢厚度精度方面发挥了 作用 其操作界面示例如图 2 图 2 TDD ES的工作界面 Fig 2 Interfaceof TDD ES 87 第 5期 刘相华 等 人工智能技术在材料成形中应用的进展 3 模糊逻辑在轧制中的应用 轧制过程中经常会遇到各种模糊量 而操作 工依据对生产线上各种现象观察所作出的推理判 断实际上大多数是模糊的 例如温度高了 压力 大了 速度快了 轧件偏了等等 模糊逻辑和模糊 控制在轧制中的应用范围很广 这里给出了几个 典型的例子 14 16 311 热连轧头部厚度的模糊动态设定 热带连轧机组中带钢头部厚度精度控制取决 于轧制力和辊缝等设定值的精度 当轧件已经进 入精轧机组的前部机架 并发现实测值与设定值 有偏差时 及时调整后部机架的辊缝对提高头部 厚度精度是非常有效的 但是此时考虑执行机构 的动作时间等因素 复杂的计算已来不及进行 而 采用模糊动态设定是一种速方便的可行方案 14 如图 3 图 3 热连轧头部模糊动态设定 Fig 3 Fuzzy setup for strip head thickness 把 i i 1 机架的轧制力预测误差根据符号 分别分为 3 个区域 表 1为每个区域中起主要作 用的误差因素以及下游机架的压下位置修正规 则 图 4为轧制力误差的模糊划分 表 1 主要误差和辊缝修正规则举例 Table 1 An example of correcting rule 区域主要误差辊缝修正规则 Y1 kfm和 H 大大地关 Y2 kfm H 和 Ge小小地关 Y3 Ge 小小地开 Y4 kfm H 和 Ge小小地关 Y5 无 Y6 kfm H 和 Ge小小地开 Y7 Ge 小小地关 Y8 kfm H 和 Ge小小地开 Y9 kfm H 大大地开 312 模糊逻辑的其他应用 冷连轧机组中带钢板形控制系统的冷却水分 段控制 通过阀门的开关开启控制喷射到轧辊辊 面上的水量分布 从而达到控制轧辊温度分布和 热凸度 进而控制板形的目的 这种阀门开关 水量 轧辊温度场 热凸度 板形之间的关系 很难用数学模型来精确描述 采用模糊控制得到 了很好的效果 15 P0 正值区 NE 零值区 NE 负值区 图 4 基于轧制力误差 Fi和 Fi 1的模糊划分 Fig 4 Fuzzy logic based on rolling force errors 模糊控制在轧制中应用的另一个例子是线材 轧制中的活套控制 用 Fuzzy 2PI 调节器来承担调 节的功能 实现了活套闭环控制 16 4 协同智能系统在轧制中的应用 411 协同人工智能系统 协同人工智能 SAI Synergetic Artificial Intelli2 gence 技术是综合运用神经网络 专家系统 模糊 逻辑等智具 全方位地模拟人类大脑功能的一种 人工智能方法 协同人工智能思想吸收了模糊理 论 专家系统 理论模型 人工神经网络等原理和 方法的精华 可以克服单一方法解决问题的片面 性 各部分以相互协作而集成为一个整体来处理 复杂的问题 能在复杂情况下求得问题最优解 412 热连轧负荷分配的协同人工智能系统 负荷分配是热连轧过程的关键环节 它直接 影响到生产的稳定性和产品的产量与质量 利用协同人工智能的方法进行热轧带钢精轧 机组负荷分配的基本思想是利用各种智能工具从 已经发生的轧制数据中挑选出负荷分配效果好的 样本 作为下一步负荷分配的参考 具体做法如 下 1 建立现场数据采集系统和历史数据库 2 利用模糊聚类分析从海量数据库中分别 挑选出取得效果好的和差的负荷分配样本 3 用挑选出样本训练神经网络 得到负荷 分配对产品质量影响的相关知识 4 根据提取出的知识建立负荷分配原则 5 基于上述规则开发热轧带钢精轧机组负 荷分配专家系统 88 哈 尔 滨 工 业 大 学 学 报 第 32卷 采用该智能负荷分配系统对热连轧典型规格 产品 310 mm 1 300 mm 进行负荷分配设定 并 对各机架的轧制力进行校验 结果表明该设定更 为合理 5 进一步发展的展望 人工智能在轧制过程中的应用已经对轧制技 术的进步起到了积极的推动作用 由此引起轧制 过程控制与操作的巨大变化 为轧制理论和技术 发展树立一个新的里程碑 目前智能化材料成形技术仍在发展之中 预 计今后一段时间内较为重要的几个方面有 1 智能化在线信息处理 充分利用在线采 集的大量信息提取知识 优化材料生产过程 2 协同智能技术 综合利用多种智能工具 全方位模拟人脑 替代操作控制环节中的脑力劳 动 3 数值模拟与智能优化的结合 加强深层 知识在智能优化系统中的作用 4 在更加广泛的范围内进行数学模型与人 工智能的结合 发挥各自的长处 提高控制系统的 精度 改善系统品质 在材料成形过程中推广应用智能技术是利用 高新技术改造传统产业的典型范例 利用人工智 能来取代人的部分脑力劳动体现了现代技术进步 的发展方向 参考文献 1 王国栋 刘相华 金属轧制过程人工智能优化 M 北京 冶金工业出版社 2000 2 刘相华 王国栋 吕 程 人工智能在板带轧制中 的应用 J 钢铁 1997 32 增刊 900 3 吕 程 王国栋 刘相华 等 基于神经网络的热连 轧精轧机组轧制力高精度预报 J 钢铁 1998 33 3 33 235 4 王秀梅 王国栋 刘相华 人工神经元网络和数学 模型在热连轧机组轧制力预报中的应用 J 钢铁 1999 34 3 37239 5 吕 程 王国栋 刘相华 等 利用人工神经网络预 测热连轧精轧机组带钢宽度变化 J 上海金属 1998 4 36 239 6 蔡 正 王国栋 刘相华 等 神经网络结合数学模 型预测带钢卷取温度 J 钢铁研究学报 1998 10 3 57 260 7 吕 程 王国栋 刘相华 等 用遗传算法优化短行 程控制曲线 J 钢铁研究学报 1998 10 5 192 22 8 WANG Zhe WANGGuodong LIU Xianghua et al Ap2 plications of self 2adaptive strip shape control for UC mill based on neural network prediction model Proc of 7th In2 ter Conf on Steel Rolling C Tokyo Japan 1998 9 朱洪涛 王国栋 基于神经网络的板凸度影响系数 优化 钢铁 1999 34 增刊 757 2759 10 王 彤 刘相华 王国栋 热轧带钢厚差诊断专家系 统的数据采集与处理系统 J 中国有色金属学报 1999 9