|
冶金自动化 自本世纪60年代冶金自动化装备问世以来，取得了极其迅猛的发展。特别是80年代种类繁多的PLC和DCS的出现，冶金自动化装备的可靠性和实时性，可操作性和可维护性都得到极大的改善。方便的软件编制和友好的人机界面，不断提高的性能价格比使冶金自动化装备技术得到极快的推广和使用。
从单元控制装置、单体设备自动化到全线的自动化系统和全厂全公司的生产管理控制系统遍布冶金工业的各个工艺流程。冶金自动化装备技术的发展与应用推广，使冶金产品的质量和冶金生产线的作业率获得极大的提高，新产品、新工艺的开发周期大为缩短，获得了极其显著的经济效益。在我国冶金工业产量已基本满足需要，现阶段主要是增加品种和改善质量的发展期，冶金自动化就因此变得更为重要，并且提出了更高要求。我国冶金自动化行业也从普及发展阶段进入提高阶段，要加强适应于冶金自动化需求的软硬件产品的开发，着力发展具有自主产权的产品和以成套工程应用技术为主的高技术产业，减少对国外技术的依赖性。自90年代以来，随着电子技术、计算机技术、电力电子技术和检测技术的不断发展和普及，冶金工艺和自动化更加密切的结合，冶金自动化装备技术必将得到进一步的发展和提高。
本世纪末和下世纪初在自动控制理论和方法方面主要的发展方向是人工智能技术的应用。人工智能技术主要是神经元网络、模糊控制、专家系统及与其相结合的智能控制系统，近年来已在冶金自动化中得到了多方面的应用。仅日本应用的实例就超过百件，德国Krupp Hoesch钢铁公司的Westfaien钢厂应用神经元网络改进数学模型，取得了明显的经济效益，尺寸偏差减少12%。如在轧制过程自动化方面，传统的轧制过程数学模型是以轧制力为中心，以一组数学物理方程描述轧制过程。轧制工况是多样化的，影响轧件质量的因素众多，并且有些工况参数不能直接地或连续地检测，具有边界约束条件的数学物理方程虽然对轧制过程有一个相当近似的描述，但还不能完整精确地表达轧制过程，存在着固有的误差。采用人工智能技术如人工神经元网络，通过采集实测数据来观察工艺过程，积累经验，并且将以前只有人才能掌握的经验融入计算过程，就能弥补常规数学模型的不足，它的学习功能不断适应设备的实时状态。单纯采用以人工智能技术为基础的数学模型有点像魔术师的黑盒子，采用人工智能同传统数学模型相结合的组合模型侧重于工艺过程内的各种分析关系式，易于操作者和工艺技术人员接受和使用。来自常规数学模型中先前的经验不是丢弃，而是通过算法模型和神经元网络之间的协作关系全部并入组合模型之中，通过这种方法使设定精度得到了提高。在厚板质量工程设计中，以订单为基础制定轧制过程中生产工艺和工艺参数的专家系统，轧机液压下故障在线实时诊断的专家系统，连轧机组负荷分配的专家系统都得到了应用。采用模糊逻辑对于实测数据进行评价和判断，对于传感器的状态进行在线实时诊断都取得了良好的效果，人工神经元网络还应用于轧件板形识别，多辊轧机的板形控制等。在焦化、烧结、炼铁、炼钢各个工艺流程同轧制过程相比，物理化学的变化更为复杂。连续有效的直接过程检测仪表也不如轧制过程的检测齐全。因此，在冶炼过程控制数学模型方面还远达不到板带轧制过程数学模型的精度。在这些工艺流程方面应用人工智能技术更加迫切和必要。
|
