人工智能技术在材料成形中应用的进展_刘相华.pdf

《人工智能技术在材料成形中应用的进展_刘相华.pdf》由会员分享，可在线阅读，更多相关《人工智能技术在材料成形中应用的进展_刘相华.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 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:AApplication of artificial intelligence technology to forming of materi

2、alsLIU 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 Systemto forming of material,for example,rolling process,for parameters pre

3、diction,processes control,on2line informa2tion 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

4、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

5、,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

6、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.52 0 0 0 年 1 0 月 JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY Oct.,20 00112 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

7、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

8、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 HSM2 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 andSupervision 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

9、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

10、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

11、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

12、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

13、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 Intelli2ge

14、nce)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

15、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 mm1 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

16、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

17、,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

18、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):19222.8WANG Zhe,WANGGuodong,LIU Xianghua,et al.Ap2plications of self 2adaptive strip shape control for UC millbased on neural network prediction model/Proc of 7th In2ter.Conf.on Steel RollingC.Tokyo Japan,1998.9朱洪涛,王国栋.基于神经

19、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(4):8732877.11 吴 迪,赵宪明.型钢轧件尺寸的智能化数字式AGC 系统 J.钢铁,1999,34(11):41 243.12 孙晓光,刘相华,王国栋.精轧机组负荷分配的人工神经网络识别J.钢铁,1995,30(1):26.13 王殿辉,刘振宇,王国栋,等.利用神经元网络预测热轧板带力学性能 J.钢铁,1995,30(1):28 231.14 小田高士.推E J.塑H加工,1995,36(10):114

20、5 21150.15 朱洪涛,刘相华,王国栋,等.板形模糊控制技术的发展 J.轧钢,1999,6,25 228.16 卿济民.模糊控制器在线材活套计算机控制系统中的应用/模糊技术与应用选编 C.北京,1997.(责任编辑 王小唯)(上接第 85页)的趋势.(3)随材料厚度的减小失稳越来越严重,在材料厚度相同条件下,变形程度越大,失稳越严重.(4)弹性垫对压痕有一定的抑制作用,为了防止或减少失稳的发生可采用逐减成形法.参考文献:1李明哲,中村敬一.基本的成形原理(1)检讨(板材多点成形研究第一报)P P 平成 4 年度塑性加工春季讲演会论文集C.1992.2北野广雄.钢板曲面加工用万能调整式冲压力机械研究D.京都大学,昭 36.3中村敬一,李明哲.板材多点成形法研究(第四报)P P第 43 回塑性加 工联合 讲演会论 文集 C.1992.(责任编辑 王小唯)#89#第 5期 刘相华,等:人工智能技术在材料成形中应用的进展