【正文】 線性，并且很多參數(shù)之間存在相互耦合影響，所以在板形控制中經(jīng)常需要操作者手動干預(yù)。操作者的技能和知識對于穩(wěn)定的板形控制和改進(jìn)產(chǎn)品質(zhì)量都是非常重要的。為了把操作者的知識應(yīng)用到冷軋機(jī)的板形控制中，采用了模糊理論。在帶鋼冷軋中，各種因素（軋制力及彎輥力的不均勻性、軋輥的熱凸度、軋制速度、溫度場等）都影響帶鋼板形，冷軋過程又是動態(tài)且復(fù)雜的，在這個過程中很難考慮所有的因素，因此控制相對容易控制的主要因素，對于獲得好的控制結(jié)果是相當(dāng)有效的?？刂戚斎胱兞渴菐т摍M斷面板形對稱部分的板形變形參數(shù)；控制輸出變量是工作輥和中間輥彎輥力的變化量?？刂谱兞康臏y量值為精確值，需要把精確量轉(zhuǎn)化為模糊量，這就是控制變量的模糊化過程。對于每種不規(guī)則板形，在控制輸入變量與輸出變量之間都開發(fā)了模糊控制規(guī)則。為了驗證所開發(fā)的模糊算法的合理性，利用神經(jīng)網(wǎng)絡(luò)建立了仿真器。結(jié)果表明，采用這種方式進(jìn)行冷軋帶鋼板形控制有相當(dāng)有效的。（3）模糊邏輯的其它應(yīng)用[6,10]冷連軋機(jī)組中帶鋼板形控制系統(tǒng)的冷卻水分段控制，通過閥門的開關(guān)開啟控制噴射到軋輥輥面上的水量分布，從而達(dá)到控制軋輥溫度分布和熱凸度，進(jìn)而控制板形的目的。這種閥門開關(guān)水量軋輥溫度場熱凸度板形之間的關(guān)系，很難用數(shù)學(xué)模型來精確描述，采用模糊控制得到了很好的效果。模糊控制在軋制中應(yīng)用的另一個例子是線材軋制中的活套控制。線材精軋機(jī)前的活套調(diào)節(jié)是由人工調(diào)節(jié)精軋機(jī)速度給定電位器來完成的，這不僅給操作者增加了負(fù)擔(dān)，還會產(chǎn)生操作失誤，出現(xiàn)局部拉鋼或堆鋼事故。為此，采用用FuzzyPI調(diào)節(jié)器來承擔(dān)調(diào)節(jié)的功能，實現(xiàn)了活套閉環(huán)控制。單獨使用一種智能工具其能力總是有限的。神經(jīng)網(wǎng)絡(luò)適于模擬人腦的記憶功能（形象思維），專家系統(tǒng)適于模擬人腦的分析判斷功能（邏輯思維），而傳感器用于模擬人的眼、耳等器官的信息收集功能。要全方位模擬人腦的功能，需要使用協(xié)同人工智能技術(shù)。協(xié)同人工智能（Synergetic Artificial Intelligence, 簡寫為SAI）技術(shù)是綜合運用神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊邏輯等智具，全方位地模擬人類大腦功能的一種人工智能方法。協(xié)同人工智能思想吸收了模糊理論、專家系統(tǒng)、理論模型、人工神經(jīng)網(wǎng)絡(luò)等原理和方法的精華，可以克服單一方法解決問題的片面性，各部分以相互協(xié)作而集成為一個整體來處理復(fù)雜的問題，能在復(fù)雜情況下求得問題最優(yōu)解[10]。[6,10]負(fù)荷分配是熱連軋過程的關(guān)鍵環(huán)節(jié)，它直接影響到生產(chǎn)的穩(wěn)定性和產(chǎn)品的產(chǎn)量與質(zhì)量。利用協(xié)同人工智能的方法進(jìn)行熱軋帶鋼精軋機(jī)組負(fù)荷分配的基本思想是利用各種智能工具從已經(jīng)發(fā)生的軋制數(shù)據(jù)中挑選出負(fù)荷分配效果好的樣本，：①建立現(xiàn)場數(shù)據(jù)采集系統(tǒng)和歷史數(shù)據(jù)庫；②利用模糊聚類分析從海量數(shù)據(jù)庫中分別挑選出取得效果好的和差的負(fù)荷分配樣本；③用挑選出樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到負(fù)荷分配對產(chǎn)品質(zhì)量影響的相關(guān)知識；④根據(jù)提取出的知識建立負(fù)荷分配原則；⑤基于上述規(guī)則開發(fā)熱軋帶鋼精軋機(jī)組負(fù)荷分配專家系統(tǒng)。采用該智能負(fù)荷分配系統(tǒng)對熱連軋典型規(guī)格產(chǎn)品（1300mm）進(jìn)行負(fù)荷分配設(shè)定，并對各機(jī)架的軋制力進(jìn)行校驗，結(jié)果表明該設(shè)定更為合理。智能技術(shù)的發(fā)展經(jīng)歷了曲折的變化，神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)在各個階段此消彼長，由于對神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)孤立研究的局限性以及它們的特性的互補(bǔ)，使它們的結(jié)合成為必然，為智能的發(fā)展及應(yīng)用提供了一條可供探索的途徑。隨著人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模式識別、信息科學(xué)、認(rèn)知科學(xué)、計算機(jī)科學(xué)、人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和模糊邏輯等有關(guān)理論的進(jìn)展，由人工神經(jīng)網(wǎng)絡(luò)和智能專家系統(tǒng)形成的綜合智能系統(tǒng)定會得到進(jìn)一步的發(fā)展。人工智能在軋制過程中的應(yīng)用已經(jīng)對軋制技術(shù)的進(jìn)步起到了積極的推動作用。由此引起軋制過程控制與操作的巨大變化，為軋制理論和技術(shù)發(fā)展樹立一個新的里程碑。目前智能化材料成形技術(shù)仍在發(fā)展之中，預(yù)計今后一段時間內(nèi)較為重要的幾個方面有：(1) 智能化在線信息處理，充分利用在線采集的大量信息提取知識，優(yōu)化材料生產(chǎn)過程；(2) 協(xié)同智能技術(shù)，綜合利用多種智能工具，全方位模擬人腦，替代操作控制環(huán)節(jié)中的腦力勞動；(3) 數(shù)值模擬與智能優(yōu)化的結(jié)合，加強(qiáng)深層知識在智能優(yōu)化系統(tǒng)中的作用；(4) 在更加廣泛的范圍內(nèi)進(jìn)行數(shù)學(xué)模型與人工智能的結(jié)合，發(fā)揮各自的長處，提高控制系統(tǒng)的精度，改善系統(tǒng)品質(zhì)。在材料成形過程中推廣應(yīng)用智能技術(shù)是利用高新技術(shù)改造傳統(tǒng)產(chǎn)業(yè)的典型范例，利用人工智能來取代人的部分腦力勞動體現(xiàn)了現(xiàn)代技術(shù)進(jìn)步的發(fā)展方向。參考文獻(xiàn)[1] 王永慶． 人工智能原理與方法． 西安： 西安交通大學(xué)出版社，[2] 王萬森．人工智能原理及其應(yīng)用．北京： 電子工業(yè)出版社，[3] 蔡自興，徐光祐．人工智能及其應(yīng)用．北京：清華大學(xué)出版社，[4] 田盛豐，黃厚寬．人工智能與知識工程．北京：中國鐵道出版社，1999[5] 尹朝慶，尹皓．人工智能與專家系統(tǒng)．北京：中國水利水電出版社，2002[6] 王國棟，劉相化．金屬軋制過程人工智能優(yōu)化．北京： 冶金工業(yè)出版社，[7] 趙志業(yè)．金屬塑性變形與軋制理論．北京： 冶金工業(yè)出版社，[8] 王國棟，劉相華，姜正義，等．人工智能在軋制中的應(yīng)用（一）．軋鋼，1996，No．3：36~38[9] 王國棟，劉相華，姜正義，等．人工智能在軋制中的應(yīng)用（二）．軋鋼，1996，No．4：41~43[10] 劉相華，王國棟．人工智能技術(shù)在材料成形中應(yīng)用的進(jìn)展．哈爾濱工業(yè)大學(xué)學(xué)報，2000，32(5)：86~89[11] 許營．專家系統(tǒng)在鋼鐵工業(yè)中的應(yīng)用．鞍鋼技術(shù)，1998，No．4：32～39[12] 畢學(xué)工．人工智能和專家系統(tǒng)在鋼鐵工業(yè)中的應(yīng)用．武漢鋼鐵學(xué)院學(xué)報，1995，18(2)：146~155[13] 吳龍翔，楊覺先，鹿守理. 工字鋼孔型設(shè)計專家系統(tǒng)的研究. 軋鋼，1995（3）：2～5[14] 徐福昌，王有銘，余偉，等．熱軋鋼材組織與性能預(yù)測及控制專家系統(tǒng)．鋼鐵，1995，30（6）：39～42[15] Yoshihiro JIMICHI．An Expert System of Automatic Slab Assignment for Hot Strip Mill．ISIJ International ，1990，30(2)：155~160[16] Shinji SASAKA．Fully Automated Bar Mill Pacing Control System Incorporating Artificial International，1990，30(2)：161~166[17] 孫雷劍，牛濟(jì)泰，孟慶昌．基于神經(jīng)網(wǎng)絡(luò)的微合金鋼熱軋奧氏體晶粒尺寸及流變應(yīng)力模型的研究．材料科學(xué)與工藝，2000， 8(4)：16~21[18] 賈春玉．基于神經(jīng)網(wǎng)絡(luò)模糊推理的智能厚度控制．鋼鐵研究學(xué)報，2001，13(2)：50~53[19] 呂程，王國棟，劉相華，谷立軍．利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測熱連軋精軋機(jī)組帶鋼寬度變化．上海金屬，1998，20(4)：36~39[20] 王秀梅，王國棟，劉相華．綜合神經(jīng)網(wǎng)絡(luò)在熱連軋機(jī)組軋制壓力預(yù)報中的應(yīng)用．鋼鐵研究學(xué)報，1998，10(4)：72~75[21] 牛濟(jì)泰，孫雷劍，李海濤，等．基于人工神經(jīng)網(wǎng)絡(luò)的微合金鋼熱軋奧氏體晶粒尺寸模型的研究．材料科學(xué)與工藝，1999，7(1)：12~16[22] Tang Y S， Wang T C. The use of Neutral Network in prexlicting Turning force[J]．J Materials Processing Tech，1995，47(34)：273~289[23] 劉建昌．基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)厚度控制．鋼鐵，1999，34（11）：33～36[24] Suga Y，Narase M， Tokina T. Application of Neural Network to Visual Sensing of Weld Line and AutomaticTracking in Robot Welding in the word[J]．1990，34：275~282[25] Jonas　J　J．Hot Rolling Simulation by Means of High Temperature Mechanical Testing[M]．Proceedings ISPS 97，127~140[26] 艾立群．人工神經(jīng)網(wǎng)絡(luò)在鋼鐵工業(yè)中的應(yīng)用．鋼鐵研究學(xué)報，1997，9(4)：60~63[27] 王國棟，劉相華，張殿華．軋制過程模擬優(yōu)化的新進(jìn)展．軋鋼，2000，17(6)：3~5[28] Nicklaus F Portmann，Dieter Linhoff,Gunter Sorgel et al．Application of Neural Networks in Rolling Mill and Steel Engineer,1995，(2)：33~36[29] 周旭東，李連詩，王先進(jìn)，等．人工神經(jīng)網(wǎng)絡(luò)板厚綜合控制．軋鋼，1995（2）：16～19[30] Rao K P，Prasad Y K D V．Neural Network Approach to Flow Stress Evaluation in Hot of Materials Processing Technology，1995，53：552~566[31] Aistleitner K，Mattersdorfer L G,Hass W et al ．Neural Networks for Identification of Roll Eccentricity in Rolling of Materials Processing Technology，1996，60：387~392[32] 李元，劉文仲，孫一康． 神經(jīng)元網(wǎng)絡(luò)在熱連連軋機(jī)組軋制力預(yù)報的應(yīng)用．鋼鐵，1996，31(1)：54～57[33] 王殿輝，劉振宇，王國棟，等． 利用神經(jīng)網(wǎng)絡(luò)預(yù)測熱軋板帶力學(xué)性能． 鋼鐵，1995，30（1）：28～31[34] 劉振宇，王昭東，王國棟，等． 應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測熱軋CMn鋼力學(xué)性能． 鋼鐵研究學(xué)報，1995，7（4）：61～6620 / 20