人工智能在工業(yè)自動(dòng)化中的應(yīng)用

呂慧超

(山信軟件股份有限公司萊蕪自動(dòng)化分公司 山東 濟(jì)南 271104)

0 引言

人工智能(artificial intelligence,AI)的概念最早在20世紀(jì)50年代提出,隨著互聯(lián)網(wǎng)大數(shù)據(jù)云計(jì)算等技術(shù)的不斷發(fā)展[1],人工智能技術(shù)已經(jīng)相對(duì)完善,并且呈現(xiàn)爆發(fā)式增長。比如物聯(lián)網(wǎng)使得大量數(shù)據(jù)能夠被實(shí)時(shí)獲取,大數(shù)據(jù)為深度學(xué)習(xí)提供了數(shù)據(jù)資源及算法支撐,人工神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)進(jìn)行感知監(jiān)測(cè)和控制,專家系統(tǒng)能夠自動(dòng)處理設(shè)備故障,云計(jì)算則為人工智能提供了靈活的計(jì)算資源。隨著智能制造4.0時(shí)代的到來,人工智能應(yīng)用已經(jīng)貫穿于設(shè)計(jì)、生產(chǎn)、管理和服務(wù)等制造業(yè)的各個(gè)環(huán)節(jié)。本文圍繞鋼鐵冶金自動(dòng)化,以人工智能技術(shù)的應(yīng)用為核心,探討了人工智能技術(shù)在鋼鐵自動(dòng)化中的應(yīng)用價(jià)值,并圍繞冶金電氣設(shè)備控制、冶金生產(chǎn)狀態(tài)智能感知(分為運(yùn)行狀態(tài)監(jiān)測(cè)和運(yùn)行狀態(tài)識(shí)別)、操作參數(shù)智能優(yōu)化、運(yùn)行指標(biāo)智能優(yōu)化、冶金生產(chǎn)過程智能協(xié)同管理方面的研究進(jìn)展進(jìn)行了分析,以期為冶金行業(yè)的自動(dòng)化智能化建設(shè)提供一定參考借鑒。

1 計(jì)算機(jī)人工智能技術(shù)的概述

人工智能技術(shù)指的是利用計(jì)算機(jī)軟件技術(shù)進(jìn)行人類思維的模擬,從而使計(jì)算機(jī)系統(tǒng)具有人類獨(dú)有的學(xué)習(xí)、動(dòng)作、思考等行為能力,并以此為基礎(chǔ)進(jìn)行相關(guān)功能的拓展,使機(jī)械設(shè)備能夠在人工智能的控制下完成某些動(dòng)作或者特殊能力。這樣在工業(yè)生產(chǎn)或者日常生活中一些復(fù)雜的操作就能夠通過人工智能代替人類完成,提高工作效率,降低人力成本,減少操作風(fēng)險(xiǎn)。同時(shí)人工智能由于具備更強(qiáng)的執(zhí)行性、計(jì)算能力和操作精度,在某些方面完全可以代替人類高效高質(zhì)量地完成相關(guān)工作,減少因?yàn)槿祟愔饔^意識(shí)所產(chǎn)生的失誤?，F(xiàn)階段人工智能技術(shù)具體分為3類。

(1)認(rèn)知AI。該類人工智能技術(shù)屬于基礎(chǔ)性應(yīng)用技術(shù),主要是通過人工智能的認(rèn)知運(yùn)算能力,借助計(jì)算機(jī)系統(tǒng),幫助人們解決一些生活工作中的問題。同時(shí)隨著大數(shù)據(jù)以及云計(jì)算等技術(shù)的日益成熟,人工智能的認(rèn)知學(xué)習(xí)能力能夠進(jìn)一步增強(qiáng)其思維邏輯能力,在學(xué)習(xí)的過程中積累更多經(jīng)驗(yàn),為人工智能應(yīng)用范圍的拓展延伸奠定良好基礎(chǔ)。

(2)機(jī)器學(xué)習(xí)AI。該類人工智能技術(shù)以汽車無人駕駛系統(tǒng)為主要應(yīng)用代表,人工智能能夠代替駕駛員自動(dòng)駕駛汽車,實(shí)時(shí)識(shí)別路況信息,做出相應(yīng)的駕駛操作,模擬駕駛員的思維邏輯來確保汽車行駛安全。機(jī)器學(xué)習(xí)必須建立在計(jì)算機(jī)網(wǎng)絡(luò)和特定算法的基礎(chǔ)之上,需要通過大量的數(shù)據(jù)來對(duì)人工智能系統(tǒng)進(jìn)行訓(xùn)練,這樣才能夠?qū)崿F(xiàn)模擬人類思維的目的,該類技術(shù)是今后人工智能應(yīng)用的關(guān)鍵領(lǐng)域所在。

(3)深度學(xué)習(xí)AI。與認(rèn)知運(yùn)算和機(jī)器學(xué)習(xí)相比,深度學(xué)習(xí)屬于人工智能應(yīng)用的尖端技術(shù),能夠模擬人類大腦的結(jié)構(gòu)形成人工神經(jīng)網(wǎng)絡(luò),具備學(xué)習(xí)復(fù)雜概念的能力。同時(shí)在數(shù)據(jù)量中,深度學(xué)習(xí)的數(shù)據(jù)量更大,具備人類的分析學(xué)習(xí)能力,能夠有針對(duì)性地進(jìn)行圖文、影像等的識(shí)別提取。除此以外,深度學(xué)習(xí)AI的自主意識(shí)也更為先進(jìn),能夠與人類展開對(duì)話交流,甚至為人類的日常生活工作提供幫助,協(xié)助人們完成家務(wù),解決生活中的一些簡單問題。

2 工業(yè)自動(dòng)化控制中的人工智能運(yùn)用價(jià)值

人工智能作為21世紀(jì)最為重要的技術(shù)之一,對(duì)于整個(gè)人類的發(fā)展進(jìn)步都有著積極的促進(jìn)作用。在Gartner《2022年人工智能技術(shù)成熟度曲線》報(bào)告中明確指出,人工智能能夠進(jìn)一步增強(qiáng)企業(yè)的競(jìng)爭優(yōu)勢(shì)[2]。將人工智能應(yīng)用于冶金自動(dòng)化控制中,能夠?yàn)橐苯鹌髽I(yè)帶來下述價(jià)值:第一,降低成本。人工智能在現(xiàn)場(chǎng)控制和環(huán)境感知方面具有更高的穩(wěn)定性和靈敏度,與以往所用的自動(dòng)控制系統(tǒng)相比,可更好確保電氣設(shè)備及機(jī)電設(shè)備的運(yùn)行準(zhǔn)確性和安全性,并且可以進(jìn)一步減少人員配置,這對(duì)于降低整體生產(chǎn)成本,有著積極促進(jìn)作用。第二,提高控制精度。人工智能技術(shù)具備更強(qiáng)的邏輯運(yùn)算能力,可以結(jié)合冶金生產(chǎn)中的實(shí)際情況,自動(dòng)制定相應(yīng)的控制方案,確保冶金控制系統(tǒng)一直處于最佳運(yùn)行狀態(tài),提高控制精度。第三,適應(yīng)性強(qiáng)。在以往電氣自動(dòng)化控制中,多采用單路或者線性控制,控制效果相對(duì)較好,但是多只針對(duì)特定的工藝路線或者產(chǎn)品。而人工智能下的自動(dòng)控制可以結(jié)合具體環(huán)境變化迅速完成電氣控制系統(tǒng)的調(diào)整和優(yōu)化,更適用于復(fù)雜的冶金生產(chǎn)過程。

3 人工智能在工業(yè)自動(dòng)化控制中的具體應(yīng)用

文章以冶金生產(chǎn)為例,對(duì)人工智能的具體應(yīng)用展開了下述探討。

3.1 人工智能在冶金電氣設(shè)備控制中的應(yīng)用

冶金電氣設(shè)備的運(yùn)行控制過程相對(duì)復(fù)雜,一方面指的是其控制技術(shù)復(fù)雜,另一方面指的是整體控制程序復(fù)雜。所以從設(shè)計(jì)角度進(jìn)行分析,冶金電氣設(shè)備原有的控制系統(tǒng)與人工智能技術(shù)存在一定的相似性。人工智能主要是借助相關(guān)技術(shù),實(shí)現(xiàn)對(duì)復(fù)雜、隨機(jī)、模糊柔性控制問題的解決,具有良好的自我學(xué)習(xí)、自適應(yīng)能力,因此將其應(yīng)用于冶金設(shè)備電氣設(shè)備控制中可獲得良好效果。比如以多核學(xué)習(xí)的高爐框架、以VOL技術(shù)為基礎(chǔ)的高爐系統(tǒng)驅(qū)動(dòng)建模、高爐熱風(fēng)流量設(shè)定、鐵水含硅量預(yù)測(cè)、爐況分析等。通過專家系統(tǒng)能夠更加準(zhǔn)確的實(shí)現(xiàn)高度流量的實(shí)時(shí)調(diào)整和控制,解決以往人工在控制熱風(fēng)爐加熱空氣量、煤氣量等方面的問題,進(jìn)一步提高燃燒控制的智能化程度,提高燃燒效率。同時(shí)在高爐診斷和監(jiān)控工作中,也可以基于專家系統(tǒng)、數(shù)據(jù)挖掘技術(shù)等構(gòu)建實(shí)時(shí)在線控制模型,結(jié)合高爐工作的特點(diǎn)、冶煉計(jì)算模型等研發(fā)出能夠適用于高爐生產(chǎn)運(yùn)行狀態(tài)的爐況分析系統(tǒng),為操控人員管控高爐,監(jiān)控高度指標(biāo)提供有效幫助[3]。再者還可以借助專家知識(shí)和數(shù)學(xué)建模構(gòu)建基于煉鋼成分功能的控制系統(tǒng),用戶提前將相關(guān)參數(shù)或者閾值輸入到系統(tǒng)之中,以此為依據(jù)結(jié)合專家經(jīng)驗(yàn)和數(shù)據(jù)庫自動(dòng)生成契合度更高的產(chǎn)品,確保最終冶金產(chǎn)品的質(zhì)量。之后再通過冶金產(chǎn)品目標(biāo)成分,對(duì)最終產(chǎn)品的力學(xué)性能展開預(yù)測(cè)分析,再通過鋼纖維演變數(shù)學(xué)模型對(duì)冶金產(chǎn)品在軋制中的目標(biāo)成本進(jìn)行分析,這樣就能夠掌握產(chǎn)品最終的力學(xué)性能。除此以外,基于人工智能所構(gòu)建的電氣設(shè)備在線監(jiān)控系統(tǒng),能夠更好地服務(wù)于電氣設(shè)備的運(yùn)維工作,提前預(yù)測(cè)設(shè)備故障,幫助工作人員制定有效措施,避免非計(jì)劃性停機(jī)情況的產(chǎn)生。同時(shí)還可以在發(fā)生突發(fā)事故時(shí)迅速進(jìn)行定位,并給出有效的解決方案,盡可能降低故障影響。

3.2 在冶金生產(chǎn)運(yùn)行狀態(tài)智能感知中的應(yīng)用

3.2.1 運(yùn)行狀態(tài)監(jiān)測(cè)

在冶金生產(chǎn)中需要應(yīng)用到大量設(shè)備設(shè)施,不同機(jī)械設(shè)備的實(shí)時(shí)運(yùn)行情況,組成了運(yùn)行狀態(tài)。借助現(xiàn)代化的監(jiān)測(cè)技術(shù)和信息傳輸技術(shù),能夠更加準(zhǔn)確完成對(duì)整個(gè)冶金機(jī)電系統(tǒng)運(yùn)行狀態(tài)的掌握,并預(yù)知其后續(xù)發(fā)展情況,這對(duì)于冶金生產(chǎn)有著極其重要的作用。一方面借助實(shí)時(shí)監(jiān)測(cè)能夠更加科學(xué)的完成機(jī)電設(shè)備運(yùn)行故障特征的分析判斷,并采用相應(yīng)的措施,避免產(chǎn)生突發(fā)事故;另一方面以此為基礎(chǔ),能夠展開預(yù)防性維修,通過提前性的針對(duì)性的維修計(jì)劃,有效防范設(shè)備設(shè)施發(fā)生故障,提高設(shè)備運(yùn)行穩(wěn)定性和運(yùn)行效益[4]。比如在冶金生產(chǎn)中,為了實(shí)現(xiàn)對(duì)鐵前工序的監(jiān)測(cè),可以結(jié)合冶金生產(chǎn)工藝和各類不同設(shè)備的運(yùn)行情況,構(gòu)建基于循環(huán)風(fēng)機(jī)、高爐鼓風(fēng)機(jī)等振動(dòng)狀態(tài)的智能在線監(jiān)測(cè)系統(tǒng),這樣就可以在相關(guān)機(jī)械設(shè)備發(fā)生異常時(shí),及時(shí)判斷和識(shí)別故障特征,避免機(jī)械設(shè)備出現(xiàn)帶病作業(yè),確保生產(chǎn)安全。大量工業(yè)測(cè)試表明,智能在線監(jiān)測(cè)系統(tǒng)在冶金生產(chǎn)運(yùn)行狀態(tài)監(jiān)測(cè)中能夠起到有效的作用,但是要將其完全用于生產(chǎn)現(xiàn)場(chǎng),還必須經(jīng)過反復(fù)的測(cè)試和研究。

3.2.2 運(yùn)行狀態(tài)識(shí)別

在冶金自動(dòng)化控制中,各項(xiàng)決策的制定都必須建立在運(yùn)行狀態(tài)識(shí)別的基礎(chǔ)上,結(jié)合不同的運(yùn)行狀態(tài),制定出有針對(duì)性的控制決策,切實(shí)保證冶金產(chǎn)品的質(zhì)量產(chǎn)量,并盡可能降低在生產(chǎn)中的能耗。冶金生產(chǎn)與加熱燃燒密切相關(guān),所以其運(yùn)行狀態(tài)也體現(xiàn)在生產(chǎn)中的熱狀態(tài)。例如在煉鐵生產(chǎn)中,高度熱狀態(tài)具體分為向涼、正常和向熱3種,其中向涼和向熱兩種狀態(tài)對(duì)鐵前生產(chǎn)的能耗、生產(chǎn)安全、生產(chǎn)效率等都直接相關(guān)。所以利用人工智能技術(shù)進(jìn)行冶金運(yùn)行狀態(tài)的識(shí)別有著非常重要的意義。運(yùn)行狀態(tài)一般指的是在某個(gè)時(shí)間段內(nèi),動(dòng)力設(shè)備運(yùn)行參數(shù)間的相互關(guān)系,設(shè)置有標(biāo)的的運(yùn)行狀態(tài)也被特指為工況。具體生產(chǎn)中,多是以專家經(jīng)驗(yàn)的人工智能方法來進(jìn)行運(yùn)行狀態(tài)識(shí)別,高爐煉鐵屬于“黑箱”系統(tǒng),工作人員的專家經(jīng)驗(yàn)與高爐運(yùn)行密切相關(guān)。在現(xiàn)階段可以通過提取高爐煉鐵生產(chǎn)中的各種表征參數(shù)特征來構(gòu)建出異常爐況專家系統(tǒng),通過專家系統(tǒng)和專家經(jīng)驗(yàn)來進(jìn)行高度異常狀態(tài)的識(shí)別和處理[5]。在異常爐況專家系統(tǒng)運(yùn)行中,主要是針對(duì)高爐煉鐵中的某些特定參數(shù)數(shù)據(jù)進(jìn)行提取分析,然后再通過模糊推理等來完成運(yùn)行狀態(tài)識(shí)別。該方法在運(yùn)行中受專家經(jīng)驗(yàn)知識(shí)以及操作人員綜合能力素養(yǎng)的影響,所以在具體應(yīng)用中需要通過學(xué)習(xí)不斷對(duì)其進(jìn)行完善優(yōu)化。

3.3 操作參數(shù)智能優(yōu)化

冶金高爐極其復(fù)雜,并且在冶煉過程中,爐體需要保持密閉,因此,為了確保高爐的安全穩(wěn)定運(yùn)行,必須嚴(yán)格控制相關(guān)操作參數(shù)。在現(xiàn)階段高度運(yùn)行,基本都是借助專家經(jīng)驗(yàn)來制定決策,雖然該方法應(yīng)用效果相對(duì)良好,但是在現(xiàn)階段為了增強(qiáng)競(jìng)爭力,提高冶金生產(chǎn)的節(jié)能減排效果和產(chǎn)品質(zhì)量,鋼鐵企業(yè)需要構(gòu)建起更加智能化的操作參數(shù)控制系統(tǒng),實(shí)現(xiàn)集約型生產(chǎn)的目的。在現(xiàn)階段,高爐操作參數(shù)的優(yōu)化多是通過黑箱建模來展開分析,建筑工業(yè)大數(shù)據(jù)和智能優(yōu)化方法來進(jìn)行最優(yōu)操作參數(shù)的選擇和確定。比如可以通過人工神經(jīng)網(wǎng)絡(luò)遺傳、遺傳算法等構(gòu)建高爐多目標(biāo)優(yōu)化模型,通過模擬分析來得出最優(yōu)的燃燒溫度、焦比、壓差等相關(guān)操作參數(shù)。焦炭可以通過煤粉噴吹來代替,這更有助于改善爐況。同時(shí)在現(xiàn)階段還可以小波神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測(cè)模型,通過粒子群優(yōu)化方法來找出高爐生產(chǎn)中熱風(fēng)量、噴煤量等相關(guān)參數(shù)的最優(yōu)解。

3.4 運(yùn)行指標(biāo)智能優(yōu)化

在冶金生產(chǎn)中需要從成本、能耗、質(zhì)量、產(chǎn)量等多方面指標(biāo)來進(jìn)行運(yùn)行生產(chǎn)控制。對(duì)于高爐煉鐵,需要重點(diǎn)圍繞煤氣利用率、產(chǎn)量來作為運(yùn)行控制指標(biāo)。為了提高煤氣利用率和產(chǎn)量,降低生產(chǎn)成本,需要圍繞具體生產(chǎn)指標(biāo)中的相關(guān)參數(shù),結(jié)合智能控制系統(tǒng),對(duì)運(yùn)行指標(biāo)進(jìn)行優(yōu)化。在現(xiàn)階段可以借助信息化技術(shù)、大數(shù)據(jù)技術(shù),結(jié)合高爐、燒結(jié)、焦化等各個(gè)環(huán)節(jié)間的工藝順序和產(chǎn)品關(guān)系,構(gòu)建起基于原料成本的協(xié)同優(yōu)化模型,在利用遺傳算法對(duì)配料并進(jìn)行優(yōu)化調(diào)整,從系統(tǒng)性入手考慮原料成分、能耗等對(duì)整個(gè)冶金過程的影響,從全局入手優(yōu)化各個(gè)環(huán)節(jié)的運(yùn)行性能指標(biāo)[6],在促進(jìn)產(chǎn)量質(zhì)量提高的同時(shí),盡可能降低冶金生產(chǎn)中的能耗污染,實(shí)現(xiàn)綠色冶金生產(chǎn)的發(fā)展目標(biāo)。

3.5 鋼鐵冶金過程智能協(xié)同管控

現(xiàn)階段互聯(lián)網(wǎng)技術(shù)、5G技術(shù)等的迅速發(fā)展,為智能感知、智能控制和智能優(yōu)化等多種人工智能技術(shù)的融合提供了便利,為冶金生產(chǎn)智能協(xié)同管控目標(biāo)的實(shí)現(xiàn)提供了技術(shù)支撐。在冶金生產(chǎn)中分為多個(gè)不同工序,為了實(shí)現(xiàn)對(duì)各工序生產(chǎn)過程的監(jiān)測(cè),針對(duì)各工序都建立了相應(yīng)的監(jiān)測(cè)、控制和優(yōu)化調(diào)度系統(tǒng),但是所設(shè)置的監(jiān)測(cè)點(diǎn)相對(duì)分散,控制系統(tǒng)層級(jí)多,并且整個(gè)系統(tǒng)的架構(gòu)也呈現(xiàn)離散狀態(tài),這就給整個(gè)冶金生產(chǎn)控制造成了困難,無法從全局入手做好各系統(tǒng)的協(xié)調(diào)控制。比如說,管理人員不能夠及時(shí)感知各設(shè)備設(shè)施的運(yùn)行狀態(tài),識(shí)別其中的問題故障;不能夠?qū)ξ锪夏茉吹氖褂脿顟B(tài)進(jìn)行監(jiān)測(cè),無法根據(jù)生產(chǎn)指標(biāo)、環(huán)保指標(biāo)等對(duì)操作參數(shù)進(jìn)行優(yōu)化調(diào)整[7]。但是智能協(xié)同管控系統(tǒng)的構(gòu)建就可以避免上述問題的發(fā)生,該系統(tǒng)包括以下幾個(gè)架構(gòu)層次:(1)數(shù)據(jù)中心層。該層主要負(fù)責(zé)對(duì)冶金生產(chǎn)中各種設(shè)備設(shè)施以及生產(chǎn)參數(shù)的采集、儲(chǔ)存和處理,并且其還需要負(fù)責(zé)將不同類型和標(biāo)準(zhǔn)的數(shù)據(jù)轉(zhuǎn)換為同一格式。(2)調(diào)控中心層。結(jié)合全流程數(shù)據(jù),分別實(shí)現(xiàn)物流運(yùn)輸、全過程監(jiān)視監(jiān)控、設(shè)備監(jiān)控、能源制造等功能,進(jìn)而達(dá)成對(duì)冶金生產(chǎn)過程的實(shí)時(shí)協(xié)調(diào)、實(shí)時(shí)調(diào)控和動(dòng)態(tài)平衡。(3)協(xié)同管控層。圍繞以上兩層獲得的信息數(shù)據(jù),綜合整個(gè)冶金生產(chǎn)目標(biāo)對(duì)不同工序展開優(yōu)化調(diào)整,并分析部分生產(chǎn)數(shù)據(jù),確保不同工藝環(huán)節(jié)間的有效銜接,提高生產(chǎn)效率和產(chǎn)品質(zhì)量。(4)智能管控層。該層主要用于高級(jí)數(shù)據(jù)的開發(fā)探索,分析生產(chǎn)中的異常情況,并進(jìn)行溯源[8];預(yù)測(cè)和平衡生產(chǎn)中的能耗量;結(jié)合設(shè)備運(yùn)行狀態(tài)分析結(jié)果進(jìn)行智能報(bào)警;物流調(diào)度優(yōu)化等。比如利用在線智能金屬成分檢測(cè)分析儀,通過裝在智能機(jī)械手臂上的金屬成分檢測(cè)儀對(duì)產(chǎn)品逐個(gè)進(jìn)行檢測(cè),檢測(cè)出的產(chǎn)品成分元素和生產(chǎn)此產(chǎn)品的原料成分進(jìn)行比對(duì),比對(duì)相符則放行,如果發(fā)現(xiàn)異常則會(huì)發(fā)出報(bào)警,這樣就能夠有效地降低了因工作人員失誤造成的產(chǎn)品諢號(hào)的重大質(zhì)量隱患。智能協(xié)同管控系統(tǒng)中能夠?qū)崿F(xiàn)對(duì)不同工序數(shù)據(jù)的整合、分析存儲(chǔ)和共享,從整個(gè)冶金生產(chǎn)過程入手實(shí)現(xiàn)決策調(diào)度的智能化和自動(dòng)化,不斷提高冶金生產(chǎn)的效率和質(zhì)量[9-10]。

4 結(jié)語

綜上所述,人工智能應(yīng)用于冶金自動(dòng)化是冶金行業(yè)發(fā)展的必然趨勢(shì),因此在現(xiàn)階段需要圍繞冶金自動(dòng)化積極探索人工智能技術(shù)的合理應(yīng)用,充分發(fā)揮人工智能技術(shù)的優(yōu)勢(shì),為冶金企業(yè)生產(chǎn)效益和競(jìng)爭力的提升作出貢獻(xiàn)。