高炉专家系统的应用与开发综述.doc

高炉专家系统的应用与开发综述 梁栋 白晨光 邱贵宝 温良英 陈登福 董凌燕 （重庆大学材料科学与工程学院） 摘要高炉的操作与控制非常复杂，目前高炉的控制基于数学模型及操作者的经验。专家系统的引入将会使操作者更易于控制高炉。本文主要介绍了国内外高炉专家系统的应用与开发情况，并以适当的分析。最后介绍了高炉专家系统的未来发展趋势。 关键词高炉 控制 专家系统 高炉是一个密闭的逆流式热交换竖炉。高炉冶炼反应涉及了三态之间相互作用，其反应机理以及动力学表现都相当复杂，兼之炉体密闭，使得对于其内部研究的困难剧增。所以，直至现在对于高炉冶炼的知识是不全面的。当前，高炉工作者对于高炉冶炼的控制基于已开发的一些数学模型及长期工作所累计的经验。但目前的高炉数学模型在控制精度与准确性方面尚未达到令人信服的程度。人为操作经验的主观性与不精准性更是显而易见，这一切都使得高炉操作以粗放式为特征，控制精度低，误差分析难，人为变动大。 随着近些年来计算机技术的突飞猛进，用计算机技术来弥补高炉操作中的种种缺陷已显示出很大的潜力。将人工智能技术引入高炉操作中已成为潮流所趋。 1、高炉专家系统的应用 专家系统是人工智能的重要分支之一。所谓专家系统是一个具有大量的专门知识与经验的程序系统，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。 高炉专家系统自1986年日本钢管公司在福山5号高炉首先应用。自此以后，各国钢铁企业开始了开发和应用高炉专家系统的热潮。 1.1 高炉专家系统的功能 不同的高炉专家系统侧重点是不同的。现阶段各高炉专家系统的主要功能有炉况监测与控制，布料控制，热状态预测，炉型管理，煤气分布控制，出铁操作控制，热风炉燃烧控制，设备故障诊断控制，非稳定期操作指导等。 1.2 高炉专家系统的应用介绍 1.2.1 世界各国较成功的高炉专家系统 目前，各国主要高炉炼铁厂都有专家系统在运行，日本的NSC（新日铁公司）、NKK（日本钢管公司）、KOBE（神户公司）和SUMIUMO（住友金属公司），德国的THYSSEN－KRUPP（蒂森克虏伯公司），法国的SOLLAC（索拉克公司），澳大利亚的BHP（BHP公司），芬兰的RAUTARUUKKI（罗塔鲁基公司），瑞典的SSAB（瑞典钢铁公司），比利时SIDMA（西德马公司），韩国的POSCO（浦项公司）、英钢联、及奥钢联等的高炉专家系统最为成功。 其中日本的Advanced GO－STOP模型及芬兰的RAUTARUUKKI的高炉专家系统对我国专家系统的开发影响较大。GO－STOP模型为高炉操作者操作思维程序化奠定了基础。其主要思路是把参数分类分为波动以及水准参数，以各参数值与其设定限值进行比较，辅以权值打分，据分值高低终而给出操作指导。RAUTARUUKKI的专家系统是GO－STOP模型的拓展，它设置两个数据库一个用于正常判断，另一个用于异常判断。 奥钢联的Vairon高炉专家系统有两个自动控制级组成（过程控制及过程优化）其实行闭环操作，具有良好的人机界面以及较完备的数学模型，其优化级是以数学模型为基础，其思路与我国济钢专家系统相似。 英钢联专家系统以神经网络为基础，其过程控制主要包括热状态子块、布料控制子块及煤气分析子块，以硅含量预报及铁水质量的进行推理，软件开发简单运行效果却很好。 1.2.2 我国高炉专家系统的发展及应用 高炉专家系统在我国的应用与发展也已有十余年历史，其中鞍钢1984年开发了硅含量预报专家系统，主要是为了提高炉况波动或异常时硅含量预报的命中率；首钢1991年也先后开发了较完备的专家系统。 其中宝钢在引进Go－Stop系统的基础上完成的高炉专家系统以及武钢与芬兰劳塔鲁基公司合作开发的专家系统在国内专家系统中处于领先水平。 90年代后我国各个高炉开发适合本国高炉控制的专家系统卓有成效。其中济钢以及莱钢与浙江大学刘祥官教授等合作开发的高炉优化操作智能系统以炼铁过程建立模型求其最优解，最终达到炼铁优化的目的，杭钢、八钢等的系统皆与此类似。天津铁厂运用的专家系统是重庆大学高小强教授研究开发的高炉卫士BGF，运用时间序列法预测控制［Si］含量，并结合ART2神经网络，具有感知，体验与学习进化功能，具有相当的智能功能。此外石钢、安钢、马钢等的专家系统也是国内自己研发的，且运行效果较好。 但总体而言，目前我国国内专家系统在满足高炉过程控制方面仍差距较大，同国外相比整体水平不高。 其主要原因如下 （1）检测手段的落后。目前我国高炉自动化水平较低，检测仪表与手段仍很落后，许多参数无法直接实时获得，使得专家系统获得的信息残缺。 （2）不科学的固有的操作习惯。目前我国高炉操作仍然是粗放式的，重产大于重质，兼之，对于高炉内部机理认识的缺乏，知现象而不知其本质成为普遍，严重阻碍了高炉专家系统的发展。 （3）企业信息化水平较低难以做到配料，烧结，高炉，技术中心等各个方面的信息互通。 （4）缺乏自己的专家系统专用开发工具。目前我国专家系统开发较少使用专家系统专用开发工具使得系统开发耗时长、投入高，系统适时性与可移植性较差，国外专家系统引进耗资巨大（武钢引进芬兰劳塔鲁基公司的专家系统耗资1000万元）且难以适合本国国情，技术难以掌握。 （5）缺乏复合型的开发人才。对于专家系统的开发人才需要对于高炉知识及计算机编程都相当的熟悉，而目前我国较缺乏这样的人才，这阻碍了我国高炉系统水平的提高。 2、高炉专家系统的开发 2.1 高炉专家系统的构成与运行 高炉专家系统是协助高炉操作的计算机系统。它也包括一般专家系统所具有的人机界面、数据库、知识库、推理机、解释器等部分。 其触发与运行是基于高炉采集的数据，经过一定的处理结合知识库中的高炉专家知识运用一定的策略进行推理，最终于人机界面上给出系统对于问题的判断与分析。 2.2 高炉专家系统的开发 开发一个高炉专家系统一般而言应有明确的高炉对象，各个高炉情况不同控制的侧重点也不同，熟悉了某一高炉的具体情况后开发出的专家系统才能更好的适应于生产的需要。 高炉专家系统的运行是基于高炉采集数据的。所以开发一个高炉专家系统时必须要搞清楚开发对象高炉中现用的分析仪表以及数据的采集频度与精度。尽量使用现有仪器以及高炉操作中采集频度高、精度大的参量。 现以一个专家系统中主要组成部分的开发来简单介绍一下高炉专家系统开发 （1）知识库的开发 知识库是一个专家系统的灵魂。知识库中的知识主要是关于高炉冶炼知识以及关于对于知识管理的知识元知识。 知识获取主要是通过书本以及专家多年的实践经验得到，（如法国钢铁公司在专家系统知识库开发中采用SACHEM project，他们采用软件工程师与高炉操作者结合开发，先以结构形式将高炉知识予以表述，然后逐步添加完善）将知识归纳表达成专家系统可运用的形式是知识库开发中的难点。一般高炉专家系统知识的表达形式为’规则表达形式。由多个规则构成各种问题模块，再由相关模块组合成相应控制判断子系统。系统运行是多模块共同作用的结果。 成熟的数学模型亦可作为知识入库，做到数学模型与专家系统的结合。知识库中专家知识越丰富系统的判断会越全面，但并不意味着知识库中规则越多越好。因为其间存在着推理效率问题，规则越多推理时间将耗费越久，高炉控制有着时段限制的要求，必须要在一定时间内对问题做出判断。究竟多少条规则才能达到最佳效率是一个和机器配置，推理策略的选择等多方面因素综合考虑的权衡，具体问题需要编制者去通过实践检验。 知识库并不是规则的简单堆砌，规则录入知识库必须要经过冗余性，一致性的检查，这才能保证知识库的正确运行。 （2）数据库的开发 数据库中存放着高炉运行过程中的实时数据以及历史数据，还有推理过程中所产生的数据。数据的准确性直接影响系统判断的精准。大部分的数据是由仪表得到的。 高炉实时数据必须要经过一定的处理才能用于推理。常见高炉专家系统数据的预处理包括一次预处理与二次预处理。 一次预处理是为了消除数据噪声，一般这些噪声信号是由炉料的波动、仪表误差等各方面变化而引入的。一次预处理多采用平滑处理方法。据高炉专家系统的特点宜采用5点3次平滑处理. 经过一次预处理后的孤立数据并不能反映炉内特征，应利用各种数学方法对参数进行不同的处理，提取反映炉内不同特征的适合于高炉专家系统使用的参数6二次预处理是在一次预处理的基础上，对传感器数据进行复合参数的计算、特征参数的计算及参数的模糊处理6一般需要计算参数的平均值、变化梯度、标准方差等。 （3）推理机与解释器的开发 推理机的开发对于系统的运行效率至关重要。一个好的推理机的开发必须要有高效的推理策略。一般的推理策略有正向推理及反向推理及正反向相结合三种方式，一般而言将二者结合使用将会大大提高推理效率。解释器是系统针对用户对于推理结果的解释，现在大部分专家系统采用的是记录推理路线的方式给出解释的。 2.3 开发工具 目前高炉专家系统的开发工具主要有lisp，clips，prolog，M.1，G2、Nexpert，Prxpert等商业软件。与一般的编程语言相比，这些开发工具自带推理机制，并可开发新的推理机制。它们多支持规则，有些的升级版（如lisp的开发产品fuzzy lisps等）还直接支持模糊应用。运用专家系统开发工具要比单一使用一般的编程语言方便快捷的多。 3、前景展望 目前，大多数高炉专家系统都是针对某一特定高炉情况所开发，离开此高炉，“专家系统”往往会产生较大错误判断，其可移植性差，技术上实时推理差，推理机制不够灵活。并还不能成为一个真正的“专家”。未来的发展方向主要会集中在以下几个方面 （1）协同化技术高炉专家系统将会结合更普遍的专家知识，并协同其它专家系统共同运作将配矿、烧结、焦化、供给水、热风、出铁以及各炼钢、市场分析多专家系统协同化，终而使整个钢铁企业做到整体统一。 （2）学习的智能化实现最终使系统能够自动进行智能进化学习。这是现在高炉专家系统开发工作者的H7“焦点所在。 （3）多种技术的结合使用数据库技术、神经网络技术、多媒体技术与专家系统的结合是目前的开发方向。它们将大大提高专家系统的智能化及操作简易性。现简单介绍神经网络、模糊数学以及数学模型技术与专家系统的结合。 人工神经网络是人工智能的一个重要分支，神经网络对数据的敏感性将会分担专家系统的对数据处理所耗费的大量时间。神经网络在“定量”上的优势恰恰弥补了专家系统的不足（现神经网络常被用于铁水含［Si］量预测及炉况分类中。 高炉中存在着大量不确定因素在描述这些“偏热”、“偏凉”、“正常”模糊的现象时自然的联想到了模糊数学中关于数值模糊化的技术。将模糊数学引入专家系统方面的研究相当多。 模糊数学在规则知识的求精方面也能起到很大的作用，其可自动生成规则知识，能在运行中自发学习。 将各种先进的技术引入高炉专家系统，实现各种技术的集成，将会使得系统功能更加强大。 4、结语 高炉过程极端复杂，专家系统的引入使繁杂的过程封闭于一“黑箱操作”中，其可以弥补数学模型无法在线监控高炉的缺陷，又改善了高炉操作者判断的主观性，其发展潜力是巨大的。随着高炉过程认识过程逐步明朗化，以及各种新技术的进步必将推动高炉专家系统的不断发展，将高炉专家系统带入一个崭新的阶段，从而将会在高炉上扮演越来越重要的角色。