【文章內(nèi)容簡介】 力或力矩的平衡等原理，表述方式可用定量描述，也可用定性描述或因果網(wǎng)絡。機理建模是工程中常用的方法，工程背景清晰，便于實際應用，但需要對系統(tǒng)的結(jié)構(gòu)與行為具有透徹的了解，建模的難度較大，對于具有綜合復雜特性的冶金工業(yè)過程，通常難以建立精度與適用范圍都合適的機理模型；具有自衡能力的冶金工業(yè)過程的機理建模對象與控制回路一樣可以用簡化的一階能量存儲形式微分—代數(shù)方程或者由滯后環(huán)節(jié)與一階慣性環(huán)節(jié)組成的傳遞函數(shù)來描述，各個微分方程或傳遞函數(shù)相互獨立。冶金工業(yè)的生產(chǎn)過程在內(nèi)部或擾動作用下，平衡狀態(tài)被破壞后，不需要操作人員或儀表、控制器等的干預，就能依靠自身能力重新恢復平衡，即所謂的自衡能力。如磨礦分級過程的球磨機礦漿流量的自衡能力，冷連軋過程軋輥轉(zhuǎn)速、軋制轉(zhuǎn)矩的自衡能力。半機理模型是將冶金工業(yè)過程工藝理論與現(xiàn)象學模型、經(jīng)驗公式相結(jié)合的數(shù)學模型，用于替代存在未知變量或未知數(shù)學描述的機理模型，提高模型精度與逼真度。其中，對冶金工業(yè)系統(tǒng)動態(tài)特性的狀態(tài)空間描述通常是許多以基于約束的說明性的形式給出的一階微分方程組合，具有清晰的物理結(jié)構(gòu)，微分方程是可以表述一個實際物體或過程機理的分量。l 數(shù)據(jù)驅(qū)動建模方法[1317]，基于黑箱結(jié)構(gòu)的函數(shù)逼近，建模知識來源于生產(chǎn)過程數(shù)據(jù)，其效果受建模數(shù)據(jù)影響較多，建模數(shù)據(jù)應準確反映系統(tǒng)的動態(tài)特性或非線性特性等，辨識得到的模型參數(shù)可以沒有任何物理或化學含義，很難適應于工況的變化；l 計算機的廣泛應用，為各種智能模型的發(fā)展開創(chuàng)了條件。智能建模方法[1823]通常是指基于對人類處理復雜問題時候的生物信息系統(tǒng)和人的智能模擬，建模知識的來源通常是經(jīng)驗知識或生產(chǎn)過程數(shù)據(jù)，知識的表述方式除了常用的數(shù)值描述，還包括自然語言、邏輯規(guī)則、語義網(wǎng)絡和定性模型。冶金工業(yè)過程常用的智能建模方法主要基于人工神經(jīng)網(wǎng)絡、模糊邏輯與模糊規(guī)則、案例推理、規(guī)則推理、定性建模等技術。 冶金工業(yè)過程的綜合復雜特性多數(shù)冶金工業(yè)生產(chǎn)流程都具有如文[116]對復雜系統(tǒng)定義的特性，即為含有大量組元、模塊或主體，相互之間或與其環(huán)境交換激勵的系統(tǒng)，鄰接或不相鄰的組元間能相互作用，主體可以是同一的或不同的，它們可以是在空間運動的或者固定于某一位置，可以是單態(tài)或多態(tài)。并且，普遍都滿足文[119]對復雜工業(yè)系統(tǒng)或復雜工業(yè)過程定義的特性，具有不固定的子系統(tǒng)及環(huán)境組合關系與復雜的時變非線性。冶金工業(yè)系統(tǒng)普遍具有下列綜合復雜特性： l 動力學模型的不確定性，系統(tǒng)磨損、工作點變化、化學常常引起模型參數(shù)變化；l 測量信息的粗糙性和不完整性，部分關鍵工藝參數(shù)難于在線檢測；l 動態(tài)行為和擾動的隨機性，生產(chǎn)邊界條件變化頻繁；l 離散過程和連續(xù)過程的混雜性；l 系統(tǒng)動力學的高度非線性，存在較大時滯；l 狀態(tài)變量的高維性和分布性，如化工、冶金等工業(yè)過程狀態(tài)和輸出參數(shù)常常隨時間以及空間位置連續(xù)變化；l 子系統(tǒng)或狀態(tài)變量之間的強耦合性；l 具有綜合復雜特性的冶金工業(yè)過程的多個工藝設備在生產(chǎn)過程中存在復雜的關聯(lián)。本文進行建模與仿真研究的具有上述特點的冶金工業(yè)過程通常可稱作復雜工業(yè)系統(tǒng)(Complex System)，它與結(jié)構(gòu)復雜系統(tǒng)(Complicate System)是不同的。對結(jié)構(gòu)復雜系統(tǒng)建模可以根據(jù)系統(tǒng)的結(jié)構(gòu)進行分解，化簡為獨立的簡單子模型，再拼組后形成復雜系統(tǒng)(Complicate System)模型。復雜系統(tǒng)(Complex System)依結(jié)構(gòu)分解后，由于各個子系統(tǒng)間關系復雜，更甚于結(jié)構(gòu)、組成復雜，因而依原結(jié)構(gòu)拼組子系統(tǒng)的結(jié)果與原復雜系統(tǒng)行為相差甚遠。一個典型的復雜系統(tǒng)(Complex System)例子就是球磨機磨礦過程，文[115]用離散元方法(DEM)建模，通過對單個球體的行為研究整個球磨機磨礦過程，由于忽略了球體間的相互影響，其結(jié)果與實際磨礦行為相去甚遠。 冶金工業(yè)過程智能建模方法及應用（1）神經(jīng)網(wǎng)絡目前，與冶金工業(yè)過程數(shù)學模型結(jié)合較多的智能方法是人工神經(jīng)網(wǎng)絡。人工神經(jīng)網(wǎng)絡是以關聯(lián)的形式表述系統(tǒng)輸入變量與輸出變量之間關系的隱式抽象模型，基本思想是模仿人腦處理信息過程，開發(fā)相應于人腦處理的人造的組元?？梢哉J為網(wǎng)絡訓練是獲取對象級經(jīng)驗知識，而且神經(jīng)網(wǎng)絡在觀測值所反映的期望工況下是準確的。任何神經(jīng)網(wǎng)絡都有嚴格限定的應用范圍，在建模數(shù)據(jù)所能反映的工況下是準確的。神經(jīng)網(wǎng)絡是一種特殊的智能建模方法，它同時具有數(shù)據(jù)建模的特征，訓練結(jié)果（權值等）通常難以解釋。神經(jīng)網(wǎng)絡技術目前在冶金工業(yè)過程建模中應用最為廣泛：文[21]應用基于神經(jīng)網(wǎng)絡的混合模型建立礦物采掘的仿真系統(tǒng)；文[24]建立了神經(jīng)網(wǎng)絡轉(zhuǎn)爐煉鋼模型，并應用遺傳算法對網(wǎng)絡的參數(shù)進行辨識；文[25]建立了稀土萃取靜態(tài)過程的神經(jīng)網(wǎng)絡模型，比較原有的組分含量方程提高了精度；文[22]建立了結(jié)合軋制過程經(jīng)驗模型的多層混合神經(jīng)網(wǎng)絡，對熱軋過程軋制力的計算精度較高；文[26]將基于神經(jīng)網(wǎng)絡技術的ANFIS模型、RBFN等與物料平衡理論相結(jié)合建立磨礦分級過程粒度模型；文[27，28]分別應用RBF網(wǎng)絡建立加熱爐和轉(zhuǎn)爐煉鋼的溫度模型；文[29，30]開發(fā)了基于神經(jīng)網(wǎng)絡技術的磨礦分級溢流粒度模型。（2）模糊邏輯與神經(jīng)網(wǎng)絡不同，基于模糊邏輯的建模方法可以很方便地與生產(chǎn)過程工藝機理知識和專家經(jīng)驗知識相結(jié)合。模糊建模方法是模仿人腦思維的一個公認特點就是固有的模糊性，是解決對于實際冶金工業(yè)過程中的不確定性和復雜性的實用而有效的技術。基于模糊集的復雜非線性系統(tǒng)建模方法，是專家系統(tǒng)技術在不確定和模糊系統(tǒng)方面的拓展[31]。模糊系統(tǒng)引入學習功能后，在非線性建模領域的應用取得了成功[32 35]。任何從形式上獲取這些知識的意圖，必須支持模糊的描述，并用模糊和不確定的知識來推理，通用的方法就是應用模糊邏輯。建立模糊模型可應用源自專家系統(tǒng)技術的多種知識獲取技術，來獲取先驗知識。基于模糊邏輯、模糊規(guī)則推理的建模方法具有如下優(yōu)點：l 已經(jīng)證明，只要適當選擇隸屬函數(shù)式、模糊化和反模糊化算法以及模糊推理算法，模糊邏輯系統(tǒng)可以在任意精度上逼近某個給定的非線性函數(shù)；l 模糊邏輯輸入、輸出均為實型變量，所以適用于工程應用，可以用測量變量作為模糊邏輯系統(tǒng)的輸入、并將其輸出變換為相應的工程量；l 模糊規(guī)則的基本格式為“if 203。 then203。 ”型規(guī)則，適合于描述專家經(jīng)驗知識。冶金工業(yè)系統(tǒng)中，結(jié)合模糊邏輯的混合智能模型應用也比較廣泛，特別是TSK模型具有更適合與機理模型或經(jīng)驗知識相結(jié)合的結(jié)構(gòu)。文[36]應用模糊算法結(jié)合機理方程模擬熱軋工作輥切向力對板帶速度的影響；文[37]建立了浮選過程的模糊模型；文[38，39]分別建立了基于模糊規(guī)則的礦漿濃度模型和分離粒度模型；文[40]建立了焙燒爐的TS模型，應用神經(jīng)網(wǎng)絡技術辨識模型參數(shù)，證明了一個復雜工業(yè)系統(tǒng)可以用模糊神經(jīng)網(wǎng)絡去逼近。（3）案例推理由于人們更喜歡在給定工況下用已有的解決方案，受此啟發(fā)而開發(fā)了能利用過去經(jīng)驗中的特定知識即具體案例來解決新問題的一種類比推理方法，即案例推理的方法(Case Based ReasoningCBR) [152]。每個案例由對應特定問題的完整解決方案描述；推理也包含修正已有案例來匹配新的工況，建立基于案例推理的冶金工業(yè)過程模型時，將預定的模式和經(jīng)驗案例去匹配新觀測的工況，這需要不確定性的測量和特定案例的屬性關聯(lián)[41, 42]，其工況匹配最相似的案例。案例推理和基于規(guī)則推理或關聯(lián)推理不同在于完整解決方案包含在案例中，是隱式和基于程序的。案例推理技術目前在冶金工業(yè)過程建模方面應用較少：文[43]建立結(jié)合案例推理技術與機理方程的熱軋過程的板帶層流冷卻過程混合模型，用案例推理方法估計熱軋過程的板帶層流冷卻過程機理模型參數(shù)；文[44]針對中厚板生產(chǎn)產(chǎn)品規(guī)格變化大、軋制條件復雜等特點，提出基于案例推理技術的負荷分配模型，并應用數(shù)據(jù)庫中的知識發(fā)現(xiàn)技術進行案例修正。圖 案例推理過程Fig. The CBR cycle（4）專家規(guī)則冶金工業(yè)過程建模有時候需要用到只能用關聯(lián)的形式描述專家的經(jīng)驗，這就需要隱含的領域經(jīng)驗知識以如下形式陳述性的表示的規(guī)則推理：If conditions then conclusions推理采用形式：斷定某些（前提）條件，將這些條件通過規(guī)則庫擴散，直到產(chǎn)生新的結(jié)論，數(shù)據(jù)驅(qū)動推理（前向鏈）；斷定某些認為真的結(jié)論，確定為支持結(jié)論所必須的伴隨的規(guī)則條件，目標驅(qū)動推理（后向鏈）；兩種形式在具體情況下各有優(yōu)劣處。冶金工業(yè)過程建模應用規(guī)則推理方法時經(jīng)常與其他建模方法結(jié)合使用，如文[45]建立了結(jié)合專家規(guī)則和數(shù)學模型的鉛鋅冶煉燒結(jié)過程燒結(jié)塊殘硫估計模型；文[46]開發(fā)了基于專家規(guī)則的語義方程來描述埋弧電爐冶煉鐵合金。（5）定性建模定性建模是推導系統(tǒng)的定性行為描述，在處理不完備知識和“深層知識”以及決策等方面有獨到長處。包括一組折衷的、基于理論的、由物理系統(tǒng)行為顯式描述生成的對象級定性描述，一組初始條件和初始擾動?！岸ㄐ浴币辉~通常的意思是“非數(shù)值”模型。定性建模研究多半關注于辨識合適的抽象，讓行為的重要特性和標志參與計算。這需要實數(shù)量化排成特性的有限集，稱為定量空間；定性建模研究的一個主要目的是識別基于特定的或普遍的目標有用的離散化或精確性。狀態(tài)的抽象描述使得行為表述更簡潔，但是由這樣描述產(chǎn)生的行為趨于解不唯一。定性模型產(chǎn)生行為的模糊描述。對于特定目的，這樣的模糊行為同樣包含有用信息，不完全的描述同樣可能滿足目標。用于模擬生產(chǎn)流程的定性建模方法有：l 文[47]于1993年提出的將模糊數(shù)學和定性仿真理論相結(jié)合的模糊仿真模型Fusim；l 歸納推理法，源于通用系統(tǒng)理論中的GSPS技術[48]，其基本思想是假設所研究系統(tǒng)是一個黑箱，觀察其輸入輸出值，以發(fā)現(xiàn)其規(guī)律生成定性行為模型，進而對任一輸入序列預測系統(tǒng)行為；l 非因果關系方法，系統(tǒng)建模時不需要明確指出內(nèi)部狀態(tài)變遷過程的因果方向；l 基于因果關系的推理方法，依賴于有向圖(oriented graph)定性傳遞函數(shù)方法；l 基于圖表的推理方法，不受數(shù)學的形式限制，可以不利用符號進行推理的方法；l 基于數(shù)據(jù)的結(jié)構(gòu)化建模方法，適用于能夠獲取大量數(shù)據(jù)，但缺乏結(jié)構(gòu)知識的冶金工業(yè)系統(tǒng)；l 基于定性空間的推理方法，利用方向、距離、拓撲序、連接性、邊界、區(qū)域、形狀等對空間實體進行定性描述。定性建模的方法應用于冶金工業(yè)過程各行業(yè)的故障診斷、流程模擬技術，比較早的是建立在模糊定性仿真器Fusim之上的研究項目AGTIST[50]。較著名的有文[51]對工業(yè)火爐（industrial burner）進行了仿真，并且定性分析了lowfield 上的旋渦（swirl）和污染制造問題。使用SDG等有向圖定性描述工業(yè)系統(tǒng)的方法[52]也是建立仿真模型的一個途徑。（6）其它近年來，軟件工程領域的面向?qū)ο蠛蚉etri網(wǎng)等建模技術開始在冶金工業(yè)過程仿真系統(tǒng)中有所應用。面向?qū)ο蠼＃∣OM）與傳統(tǒng)軟件工程方法不同，是以對象為中心的一種程序設計技術[5355]。面向?qū)ο蠓椒ㄟ\用對象、類、繼承、封裝、聚合、消息傳送、多態(tài)性等概念來構(gòu)造系統(tǒng)的軟件開發(fā)。 從現(xiàn)實世界中客觀存在的事物（即對象）出發(fā)來構(gòu)造系統(tǒng)，并在系統(tǒng)構(gòu)造中盡可能運用人類的自然思維方式。知識對象模型是面向?qū)ο蠓缎团c邏輯規(guī)則的集成。合理的集成提供靈活的、功能強大的環(huán)境，基于規(guī)則的組元便于演繹的檢索和模式匹配提供，面向?qū)ο蟮慕M元為類層次結(jié)構(gòu)形式的程序提供清晰的、直觀的結(jié)構(gòu)[56]。文[57]提出在自動化工程領域的OOM建模方法，文[58]據(jù)此將OOM技術應用于軋制過程控制計算機建模與仿真。Petri 網(wǎng)是一種用網(wǎng)狀圖形表示系統(tǒng)模型的方法，它只給出了系統(tǒng)的靜態(tài)結(jié)構(gòu)及特征，系統(tǒng)的動態(tài)行為是在Petri 網(wǎng)的運行過程中體現(xiàn)的。文[59]用拓展有色Petri網(wǎng)（ECPN）建立熱軋均熱爐和預熱爐的動態(tài)過程，描述了均熱過程的連續(xù)動態(tài)特性和離散事件。 冶金工業(yè)過程混合建模的提出及基本結(jié)構(gòu)為優(yōu)化控制研究而服務的生產(chǎn)過程模型通常需要滿足如下的具體需要：i 模型的逼真度，通過模型的輸出變量特征曲線來正確描述冶金工業(yè)生產(chǎn)過程輸出變量與狀態(tài)變量在控制量、擾動量和邊界條件波動下的動態(tài)趨勢。具體表現(xiàn)在：行為水平的逼真度——復現(xiàn)冶金工業(yè)過程的行為；狀態(tài)結(jié)構(gòu)水平的逼真度——與生產(chǎn)過程的狀態(tài)互相對應，對未來行為唯一的預測；分解結(jié)構(gòu)水平上的逼真度——反映冶金工業(yè)過程內(nèi)部的工作情況，而且是唯一地表示出來；ii 模型精度；iii 保障生產(chǎn)過程優(yōu)化控制研究與虛擬實驗平臺對仿真模型運算速度的要求，仿真時間應小于或與原型系統(tǒng)實際生產(chǎn)過程的持續(xù)時間相差不多；iv 模擬生產(chǎn)過程的模型應該便于用現(xiàn)有的計算機技術實現(xiàn)，并具有較好的可維護性。許多冶金工業(yè)系統(tǒng)都是復雜系統(tǒng)，建立生產(chǎn)過程模型只能是個漸進的過程，仿真模型應提供便于將來使用各種類型知識維護、更新的模型結(jié)構(gòu)與建模策略。良好的生產(chǎn)過程仿真模型應該不僅能夠用工業(yè)現(xiàn)場采集的不同工況或不同樣本空間的過程數(shù)據(jù)來修正，還可以使用工藝專家或控制專家們不斷總結(jié)、歸納、修正的過程經(jīng)驗知識來改變模型參數(shù)、甚至模型結(jié)構(gòu)，而且更應能夠結(jié)合工藝機理繼續(xù)深入發(fā)展的成果；v 實用性，具有較為清晰的工藝機理結(jié)構(gòu)和較為明確物理含義模型參數(shù)的生產(chǎn)過程模型更適合于先進控制和優(yōu)化控制研究，特別是能夠?qū)嶋H冶金工業(yè)系統(tǒng)中存在的耦合性、時變性、分布參數(shù)等綜合復雜特性體現(xiàn)于模型結(jié)構(gòu)或行為中。生產(chǎn)過程數(shù)學模型或白箱模型基于工藝機理，由于模型參數(shù)具有清晰的物理意義，可以很方便的應用于優(yōu)化控制和先進控制，因而深受冶金工業(yè)過程的現(xiàn)場技術人員和優(yōu)化控制研究人員的歡迎。但是由于前面提及的冶金工業(yè)過程的復雜性，特別是機理模型計算繁復，而且因假設條件的制約很難精確描述生產(chǎn)流程的動態(tài)特性?；谥悄芗夹g、數(shù)據(jù)驅(qū)動建模的黑箱模型在一定程度上突破了基于理論知識建模的局限，但是這樣的冶金工業(yè)過程模型缺乏與工藝機理的結(jié)合，缺乏清晰的物理結(jié)構(gòu)，逼真度與實用性差，難以描述生產(chǎn)過程動態(tài)特性。冶金工業(yè)過程混合智能動態(tài)模型將智能建模方法與工藝機理知識、專家經(jīng)驗知識相結(jié)合，基于智能技術的改進用于彌補機理、半機理模型存在的缺陷，更能滿足實際生產(chǎn)過程優(yōu)化控制研究與仿真平臺的精度、速度、逼真度等需求。冶金