重工机械网

    提起人工智能，一般的联想是战胜象棋大师的电脑、曲径通幽的网络游戏，可它同样能为改造传统工业出力。上海工程技术大学程武山教授开发的“烧结复杂工艺智能控制系统”，通过一个人造“神经网络”并不断“训练”，成功模拟复杂工艺过程并加以控制，不但提高了生产效率，而且降低了能耗。该成果获2006年度上海市发明一等奖。 

    控制和优化冶炼、化工及电力等行业中的复杂工艺过程，是当前控制工程领域亟待解决的难题。如矿石烧结结束时的位置，即“烧透点”非常难控制：如果位置偏前，则烧结机利用率降低，成本升高，影响产量；若偏后，则烧结矿冷却不够，较脆易碎，成品率下降。传统的做法是靠工人经验来判断烧透点位置，再手动调整矿石上料的数量和烧结台车的机速。这不可避免造成人为不稳定，生产效率难以大幅提高。 

    程武山教授团队认为，可以把极其复杂的烧结过程，设想为类似生物体神经反应的“黑箱”，如能建立一种模拟这个“黑箱”的“神经网络”，就能通过人工智能的模糊控制，实现预测和控制烧透点。 

    研究人员以国产*台大型烧结机作为模拟对象，用计算机建立了相应的虚拟“神经网络”，并在其内部预设了若干个“隐含层”。然后，以该烧结机的历年生产纪录为参照，开始对该“神经网络”进行“训练”：把机头的点火温度、台车上矿石层的厚度等初始数据输入后，“神经网络”立即演算得出一个“烧透点”的位置；研究人员反复修正网络中“隐含层”的相关参数，使这个虚拟的烧透点位置逐步接近真实状态。经无数次实验，“训练”终于成功——输入初始数据后，过去要过40分钟才知道的烧透点，现在“神经网络”可立即知晓，且与真实记录相符。 

    研究人员进一步把工人们*经验积累的控制方法编程，设立了一个自动模糊控制器。得到“神经网络”烧透点的预测值后，再对模糊控制器的有关数据加以修正，自动调节烧结台车的机速、矿石的下料量和风箱温度等，实现对“烧透点”稳定的自动控制。 

    2004年，这个系统在国产*台大型烧结机上进行现场调试。据测算，每单位面积烧结机上的烧结矿产量上升了10%。而且由于实行了自动化控制，烧结机运行平稳，主抽风机功耗降低，能源消耗由此大大降低。当年，这台烧结机增加效益800万元。基于这项技术的智能控制系统，还可进一步扩展应用到化工、电力等行业。