王国栋：钢铁工业的绿色智能制造

　　当前，我国提出要实施“中国制造2025”，加快向制造强国转变。两化深度融合是推动包括钢铁在内的工业转型升级的重要途径，是今后一段时期内钢铁行业的热点议题。世界金属导报2016年41期围绕钢铁行业两化深度融合，建设智能化工厂方面的发展现状和发展思路，在B04、B05、B07、B10-B15版推出两化深度融合专题报道，以期为推动钢铁行业两化深度融合，促进行业转型升级发挥作用。

　　为解决我国钢铁行业产品结构失衡、高端产品供给能力不足、产品外形尺寸精度低以及组织性能控制稳定性差等问题，需要实行生产、物流等的智能控制与优化协同，着力开发与应用智能化技术，实现信息深度感知、智慧优化决策和精准协调控制。信息物理系统（CPS）是实现智能化的关键技术。未来应以第四次工业革命的核心技术CPS为目标，对钢铁行业现有的自动化系统进行改造，拓展网络功能，强化计算能力和感知能力，建成可靠的、实时的、安全的、协作的智能化钢铁生产信息物理系统，实现钢铁行业的智能化发展。

　　1.钢铁工业发展的需求

　　改革开放以来，特别是进入21世纪以来，我国钢铁工业取得快速发展，钢铁产量迅速增长，支撑了我国经济的高速发展。但目前我国钢铁行业存在产品结构失衡，高端产品供给能力不足，低端产品同质化严重，缺少创新、特色与核心竞争力，环境污染严重等问题。而且，尽管我国钢材产量占世界钢材总产量的一半以上，但钢材生产过程与产品性能的稳定性、均匀性、一致性与国外相比仍有较大差距，尚未建立钢铁生产全过程的一体化控制与各层次的协调优化。此外，我国钢材产品质量的可靠性和适用性不高，产品的外形尺寸精度和组织性能的控制尚待提高，在大规模、连续化生产条件下，产品个性化、定制化亟待加强。

　　为此，我们必须进行科技创新，开发高性能、绿色化钢铁材料，开发减量化绿色工艺与装备（含自动化），减少资源和能源消耗，减少污染和排放。在实施绿色化的过程中，要实行生产、物流、能源等的智能控制与优化协同，着力开发与应用智能化技术，实现信息深度感知、智慧优化决策和精准协调控制，以智能提高我国钢铁生产过程和产品的绿色化、智能化水平。

　　2.钢铁工业的绿色智能制造

　　第四次工业革命正在到来，国际上的发达国家，如美国、德国、日本，纷纷制定规划，大力推行智能制造，实现制造业的智能化转型。德国政府提出的工业4.0是运用智能去创建更灵活的生产程序、支持制造业的革新以及更好地服务消费者，它代表着集中生产模式的转变。“工业4.0”的目标是对供应、制造、销售的全过程进行智能化的改造，转型升级，建立一个高度灵活的个性化和数字化的产品与服务的生产模式，最后实现快速、有效、个性化的产品供应。

　　智能制造的核心，是将工业技术（IT：industry technology）与信息技术（IT：information technology）和智能技术（IT：intelligent technology ）深度融合,形成绿色化、智能化的工业技术，即Green IT3 = Ind.T + Inf.T + Int. T。实施智能制造，就是要将这一技术应用于设计、生产、管理和服务的全生命周期，实现智能设计、智能生产、智能管理、智能制造服务，在制造过程中进行感知、分析、推理、决策与控制，实现对产品需求的快速动态响应，对生产和供应链网络实时优化，迅速开发市场需求的新产品。

　　智能制造是创新的先导共性技术。它是产品创新的共性使能技术，使产品向中高端、绿色化、低成本、高性能方向发展，从根本上提高产品精度、性能和市场竞争力。它又是生产技术创新的共性使能技术，使制造业向数字化、网络化、智能化集成制造发展，全面提升产品设计、制造和管理水平。它还是产业模式创新的共性使能技术，将大大促进规模定制生产方式的发展，延伸发展基本产品的服务价值，深刻地改变制造业的生产模式和产业形态。

　　智能制造的发展需要用两条腿走路，一条腿是企业对工艺技术和产品技术的开发能力；一条腿是企业对信息化、智能化技术的应用能力。这两个方面是相辅相成的，制造技术的推进会促进智能技术应用的深化，智能技术的导入也会在一定程度上助推企业生产水平的提升。这是一个动态联动的过程，任何一条腿有短板都会让企业走不快、走不远。

　　智能制造通过数字基础设施的铺设，打通、融合价值链上的研发、设计、制造、销售和服务等各个环节，最终形成虚实合一的生产系统。在这些环节中，制造是最难且最关键的一环。制造以经验为主，有自己的话语体系，依赖于技术工人的经验，隐含太多的隐性知识，难以被“编码化”。如果没有深度理解产业知识，仅仅对表层数据进行收集分析，效果不大，盲目使用一些低质量数据来指导生产更有可能走偏方向，造成误导。所以，绿色智能制造的重心应当在制造。不创新，不掌握核心制造技术，不熟悉制造过程，智能化无从谈起。没有强大的制造实体，智能化是空中楼阁。所以，智能制造的重心在制造过程本身，发展绿色化、颠覆性、引领性的制造技术是绿色智能制造的根本。

　　习近平主席说，信息化可以“如虎添翼”。首先，我们的基础是“虎”，还是“猫”，这很重要。如果给老虎添上双翼，那会是威风凛凛，威震天下；若是猫，即使添上双翼，也很难有大的起色。所以说，我们的智能化、信息化技术，不能加在落后于时代要求的传统技术上，而要添加在绿色化的颠覆性技术上。只有智能制造和产业升级充分结合，在升级的产业技术上，再插上双翼，则我们不仅能够跟上世界前进的步伐，还有很大的机会实现并行乃至超越式发展，走到世界发展的前列。

　　3.智能化的核心——信息物理系统（CPS）

　　3.1工业革命的进展历程

　　自1784年至今，人类已经经历了3次工业革命，即以机械化为核心的第一次工业革命，以电气化为核心的第二次工业革命，以自动化、数字化为核心的第三次工业革命。目前处于第四次工业革命阶段，其核心是智能化，目标是建立智能化、数字化工厂，实现智能制造。

　　数字化技术支撑起信息技术的发展，是第三次工业革命中的关键技术。在数字化发展的过程中，将绿色化生产设施与数字化基础设施（包括工业网络、数字化软硬件、数据库、智能技术等关键共性技术）结合起来，信息的获取、使用、控制以及共享变得极其快速和便捷。在数字化工厂中，不仅存在着我们能轻易看到的生产自动化、物流自动化，还广泛存在我们不易察觉的数据采集自动化、管理自动化。数字不仅仅是生产过程中产生的结果，更是引导生产、优化生产的主要依据。制造业变成数据驱动型的制造，工人、装备和产品之间实现了互联互通，数据流和物质流以及价值流实现了有机统一，车间由“黑箱”走向了透明，这是革命性的变化。

　　3.2智能与智能化

　　这些基础性的进步，为工业系统的智能化奠定了基础。那么，什么是智能化系统？

　　首先看什么是智能。从感觉到记忆再到思维这一过程称为“智慧”，智慧的结果产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称“智能”。那么，智能系统有哪些特点呢？或者说应当具有什么样的能力呢？智能系统应当：

　　1）具有感知能力；

　　2）具有记忆和思维能力；

　　3）具有学习能力和自适应能力；

　　4）具有行为决策能力。

　　具有上述特点的系统则为智能系统或智能化系统。这个系统能够感知、记忆、思维、自学习、自适应、决策，具有自组织、自协调、自重整能力。发展人工智能的目的是使机器更智慧、更聪明。通过学习，可以使计算机获取知识，创新、重构已有的知识，从而提升机器自身处理问题的能力，改善自身性能。所以，智能化的本质就是人、机、物的融合。它将使没有感觉、没有灵魂、不会思考、不会合作的物理系统成为活物，不仅赋予物体以感觉，还赋予其思想。最终，使机器的能力赶上甚至超过人类。

　　现有的实际工控系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般很难获得精确的数学模型。应用传统控制理论进行控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与实际情况不相吻合。对于某些复杂的和包含不确定性的控制过程，根本无法用传统数学模型来表示，即无法解决建模问题。为了提高控制性能，传统控制系统可能变得很复杂，从而增加了设备的投资，减低了系统的可靠性。

　　3.3信息物理系统（CPS）

　　第四次工业革命的核心是智能化，而CPS系统（Cyber-Physical Systems）是实现智能化的关键技术，是下一代智能化控制系统。什么是CPS系统？CPS系统是一个综合计算、网络和物理环境的多维复杂系统，通过3C（Computing、Communication、Control）技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。CPS实现计算、通信与物理系统的一体化设计，可使系统更加可靠、高效、实时协同，具有重要而广泛的应用前景。它是实时适应环境变化的动态系统。信息物理系统作为计算进程和物理进程的统一体，是集成计算、通信与控制于一体的下一代智能系统。信息物理系统通过人机交互接口实现和物理进程的交互，使用网络化空间以远程的、可靠的、实时的、安全的、协作的方式操控一个物理实体。

　　信息物理系统包含了将来无处不在的环境感知、嵌入式计算、网络通信和网络控制等系统工程，使物理系统具有计算、通信、精确控制、远程协作和自治五大功能。它注重计算资源与物理资源的紧密结合与协调，主要用于一些智能系统上，如物联传感、智能家居、机器人、智能导航等。

　　CPS是在环境感知的基础上，深度融合计算、通信和控制能力的可控、可信、可扩展的网络化物理设备系统，它通过计算进程和物理进程相互影响的反馈循环实现深度融合和实时交互来增加或扩展新的功能，以安全、可靠、高效和实时的方式检测或者控制一个物理实体。

　　3.4CPS系统的组成和功能

　　CPS系统的基本组件包括传感器、执行器和决策控制单元。基本组件结合反馈循环控制机制构成了CPS的基本功能逻辑单元，执行最基本的检测与控制功能。

　　CPS系统是一种由感知设备（如传感器、感应器等）、嵌入式计算设备（如分布式控制器）和网络（如WSN，Internet 等）所组成的多维复杂系统。典型的CPS体系结构中主要包括以下３类组件：传感器、执行器和分布式控制器。传感器主要用于感知物理世界中的物理信息，并通过模-数转换器将各种模拟的、连续的物理信息转化成能被计算机和网络所处理的数字的、离散的信息。分布式控制器接收由传感器采集并通过网络传输过来的物理信息，经过处理过后以系统输出的形式反馈给执行器执行，基于此来提供智能化服务。执行器接收控制器的执行信息，对物理对象的状态和行为进行调整，以适应物理世界的动态变化。

　　CPS系统的核心是计算、通信、控制深度融合。CPS在环境感知的基础上，深度融合了计算、通信、控制（3C）的可控、可信、可拓展的网络化物理设备系统。它通过计算进程和物理进程相互影响的反馈循环实现深度融合和实时交互来增加或拓展新的功能，以安全、可靠、高效、实时的方式监测或者控制一个物理实体。简单说来，CPS是开放的嵌入式系统+网络+控制功能。

　　CPS系统也可以称作为一个“网络-实体系统”，即：从实体空间对象、环境、活动大数据的采集、存储、建模、分析、挖掘、评估、预测、优化、协同，并与对象的设计、测试和运行性能表征相结合，产生与实体空间深度融合、实时交互、互相耦合、互相更新的网络空间；进而通过自感知、自记忆、自认知、自决策、自重构和智能支持促进工业资产的全面智能化。所以，CPS系统是智能化的核心关键技术。

　　CPS系统可以被看作升级版的物联网。与物联网相比，CPS更强调数字世界对于物理世界的控制，CPS可通过互联网，以可靠并且安全的方式，实时和自治地操控一个物理实体和系统。CPS将使得数字世界不再仅仅是物理世界的虚拟映象，而将是物理世界的控制者。

　　CPS集成了感知系统、计算系统、控制系统与网络系统，它主要着眼于信息世界与物理世界的协同和统一。

　　3.4.1感知系统

　　传感器技术是CPS系统技术中的关键技术。到目前为止绝大部分计算机处理的都是数字信号。传感器需要把模拟信号转换成计算机能够处理的数字信号。传感器网络是CPS系统的“五官”，传感器组成了CPS系统的传感器系统，负责对物理世界的感知。本质上说，传感器是一种检测装置，是用于采集各类信息并将其转换为特定信号的器件。它可以采集物理对象的身份标识、运动状态、地理位置、姿态、压力、温度、湿度、光线、声音、气味等信息，同时，也可以采集各种环境信息。

　　信息物理系统（CPS）的运作过程基本包括了对物理对象本地化的感知，然后将感知的结果利用网络传递到远程的服务器，也包括传递到本地化的嵌入式系统，然后进行计算，进行控制和交互。需要注意的是，首先这种对本地化的感知，作为信息物理系统，一般可以采取多传感器、或者冗余传感器，这样来提高系统的可靠性，而在控制器、执行器方面，也可以采取冗余结构，而信息网络，则更需要可靠。另外，更需要强调的是，这种传感器部署，不仅仅是冗余模式，而可以是一种有结构关系的模块结构，从而可以形成体系。这样通过较多的数据节点、较多的数据量，可以更好地获得物理世界的数据，从而进行监控、问题诊断、预测计算。物料存放、跟踪、管理是平台基础，立体仓库、RFID标签传感器、跟踪传感器等是平台的重要基础条件。

　　3.4.2网络系统

　　通过物联网、互联网技术的采用和融入，具有开放、功能强大的网络融合，具有开放性、动态性和多维度的异构性特点。通过机理、环境与群体有机结合，构建能够指导实体空间的网络环境，包括精确同步、关联建模、变化记录、分析预测等，实现信息世界与物理世界的交互协同、反馈闭环控制和深度集成。物联网、互联网等网络仅仅是为了实现万物相联，网络中的节点并不具备协同和自治的能力。

　　CPS系统与物联网、传感网有所区别。物联网、传感网所擅长的是基于无线连接，主要实现感知；CPS需要感控（感知 + 控制），传感器网络为CPS一部分。物联网中的物不具备控制和自治能力，通信也大都发生在物品与服务器之间，因此物品之间无法进行协同（从这个角度来说物联网可以看作CPS的一种简约应用）。CPS具有远远超过物联网、传感网的强大的设备计算能力，CPS是具有计算、通信、控制、协同和自治性能的系统

　　3.4.3计算系统

　　CPS系统可以将传感器系统提供的大量数据转化为信息，并对数据进行特征提取、筛选、分类和优先级排列，保证了数据的可解读性。

　　CPS系统的计算系统具有从各种各样的数据中快速获取有价值资讯的能力，核心目标是要从体量巨大、结构繁多的数据中挖掘出隐蔽在背后的规律，由计算机代替人去挖掘资讯，获取知识，从而使数据发挥最大化的价值。

　　在数据机器分析中，半监督学习、集成学习、概率模型等技术尤为重要。

　　CPS是一个协同计算元件控制物理实体的系统。CPS系统的强大的计算能力，需要与物理系统紧密结合与协调。在传感器的帮助下，CPS接受并处理来自物理世界的大量数据，经过数据处理、识别、计算，并将这些用于基于网络的各种应用和服务中，最终这些服务和应用会通过致动器反馈并影响实体世界。

　　CPS系统的战略意义在于对含有意义的数据（或大数据）进行专业化处理的“加工能力”，及通过“加工”实现数据的“增值”。数据处理技术包括大规模并行（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

　　CSP系统采用分布式架构。它基于云计算、分布式处理技术、存储技术和感知技术来对大数据进行采集、处理、存储、数据挖掘和实际应用。它的特色在于依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术对海量数据进行分布式数据挖掘。数据分析聚焦于数据仓库、数据安全、数据分析、数据挖掘等大数据商业价值的利用。

　　数据分析需具有易用、安全、稳定、高性能的数据开发引擎，为用户的大数据集成、存储、计算环节提供完整的企业级解决方案，让用户能聚焦于挖掘自身数据资产的商业价值。 数据分析采用一站式的数据挖掘与分析平台，可以进行便捷的数据探索与挖掘。它支持SQL交互分析、多维分析、敏捷报表门户，向用户提供简便、易用、高性能的数据分析与展示功能。数据系统管理可以助力平台的稳定运行。

　　数据挖掘技术的实施需遵循下述步骤：信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估、知识表示。其中数据挖掘是最核心的步骤。数据挖掘是根据数据仓库中的数据信息，选择合适的分析工具，应用统计方法、事例推理、决策树、规则推理、模糊集、甚至神经网络、遗传算法的方法处理信息，得出有用的分析信息。

　　3.4.4控制系统

　　CPS是一个结合计算领域以及传感器(Sensor)和致动器(Actuator)装置的整合控制系统。在传感器的帮助下，CPS接受并处理来自物理世界的大量数据，并将这些用于基于网络的各种应用和服务中，最终这些服务和应用会通过致动器反馈并影响实体世界。

　　从侧重点来看，CPS着重于信息世界与物理世界的融合和协调，主要用于工业控制和自动化系统中。CPS的前身常常被称作应用于工业控制的嵌入式系统。传统的物理设备通过嵌入式系统来扩展或增加新的功能，其形成的系统基本上是封闭系统。在一些工控网络中，有可能会采用工业控制总线进行通讯，但其通讯功能较弱，网络内部难以通过开放总线或者互联网进行联网。嵌入式系统更强调计算元件，而不太强调计算元件和物理元件的连接。

　　CPS触发了工业自动化模式转变。与传统的自动化系统相比，CPS系统控制模式发生了转变。不再是单点模式，而是可以多点模式。不再是本地模式，可以是远程管控模式；不再是小数据量的经验决策，而是基于大数据的科学决策；不再是开环的控制模式，而是可以反馈循环、实时交互；数据计算的基础不再是静态的，而是动态的、可扩展的、可学习的。信息物理系统（CPS） 可以真正实现物理世界与信息世界融合、协调一致，实现物理系统的精确控制，有效运作。

　　CPS系统与传统控制系统是有区别的。传统的控制系统往往没有网络功能，CPS具备了网络功能。目前一般认为CPS系统是一个开放系统，可以进行数据、软件、控制模式等扩充，而不像以往的控制系统是一个相对固化的系统。综合而言，信息物理系统(CPS)对系统内部设备的远程协调能力、自治能力、控制对象的种类和数量，特别是节点规模上远远超过现有的工控网络。

　　CPS系统与物联网、传感网有所区别。物联网、传感网所擅长的是基于无线连接，主要实现感知；CPS需要感控（感知 + 控制），传感器网络为CPS一部分。物联网中的物不具备控制和自治能力，通信也大都发生在物品与服务器之间，因此物品之间无法进行协同。

　　CPS具有更强的反馈闭环控制、重配置和自适应能力。CPS在物与物互联的基础上，还强调对物的实时、动态信息控制与服务，在实时性、安全性和可靠性方面的要求更高。

　　需要注意的是，在CSP系统和大数据思维的框架下，人们由关注因果关系转变为关注相关性。关注相关性而不是因果关系，社会需要放弃了它对因果关系的渴求，而仅需关注相关关系，也就是说只需要知道是什么，而不需要知道为什么。因此没有必要找到原因，不需要科学的手段来证明这个事件和那个事件之间有一个必然、先后关联发生的因果规律。这就推翻了自古以来的惯例，而我们做决定和理解现实的最基本方式也将受到挑战。 

　　4.钢铁企业智能制造平台

　　4.1现有的钢铁企业制造管理平台

　　目前钢铁企业信息管理系统的架构由三个维度组成，第一个维度是在水平方向上，是沿着钢铁生产全流程布置的钢铁生产的各个工序，这是钢铁生产的物理系统。在垂直方向上，是各个层级的信息管理和控制系统。底层是大量的传感器和执行机构处于钢铁生产的物理环境中，传感器采集信息并上传到基础自动化系统，执行器接受来自基础自动化系统的控制信息并执行指定的控制任务。

　　最顶层是企业资源管理系统（ERP），负责制定经营决策、制造模式、发展规划，完成原料采购、市场营销、财务、物流、设备、能源管理等资源规划功能。ERP系统依据订单编制的生产计划，下达到制造执行系统（MES）具体编制轧制作业计划，组织生产。MES负责制定生产作业计划、进程资源分配、对生产过程的动态优化管理、质量在线监控、诊断与优化等。制造执行系统编制的轧制计划传递到过程控制系统（PCS）进行规程设定和执行。PCS根据MES系统的轧制计划，编制出每块钢的轧制规程，负责轧机的设定、跟踪、自适应、报表打印等功能。设定结果经过工业控制总线传递给基础自动化系统，指挥基础自动化系统进行轧机的各具体环节的控制。

　　基础自动化系统（BA），由若干子系统组成，这些子系统分别接受来自过程控制系统的指令，经过计算给出执行器的调节量，并发送到执行器调节控制。传统子系统主要依靠数学模型计算调节量，并发送给执行器。在基础自动化系统的传感器及时采集执行器的执行效果，将相关的参数采集并传送回基础自动化系统，继续进行调节和控制。

　　在基础自动化系统和过程控制系统之间是工业控制总线，将两者连接起来，并进行相应的各个单元之间的协调。

　　除了水平生产流程和垂直信息传递这两个维度外，第三个维度是时间，沿生产的全生命周期实施管理，实现总体成本核算、运行优化及不断改进。

　　应当说，在各类生产系统中，钢铁工业的生产系统，特别是轧制系统，其管理、控制水平是最高的，具有最好的条件，去发展、改造成为先进的智能化系统，即CPS系统。

　　4.2钢铁行业CPS系统的建设目标与功能

　　现有的钢铁生产管理与控制系统，基本是嵌入式系统，与CPS系统有一定的关系。CPS系统和嵌入式系统同属于控制系统，CPS系统的前身就是嵌入式系统。或者说，CPS系统是嵌入式系统发展而来的。因此，现有的钢铁生产控制系统，即最发达、最先进的嵌入式系统，经过改进，可以“进化”为CPS系统。

　　如前所述，作为一个智能系统，智能钢铁生产系统同样应当具有感知能力、记忆和思维能力、学习能力和自适应能力、行为决策能力，具有感知、记忆、思维、自学习、自适应、决策，具有自组织、自协调、自重整等自治功能。通过学习，可以使计算机获取、重构、创新知识，提升钢铁设备处理问题的能力，改善自身性能。这样的话，我们的转炉、连铸机、轧机、热处理线就由没有感觉、没有灵魂、不会思考、不会合作的物理系统成为活物，不仅有了感觉，还有了思想，变得更智慧、更聪明，甚至超过人类。

　　这个系统最核心的部分就是其计算部分，由于钢铁设备十分复杂，存在强烈的复杂性、非线性、时变性、不确定性和不完全性等，一般很难用精确的数学模型描述。而人工智能技术恰恰在这方面具有优势。因此，开发钢铁企业的CPS系统，最关键的问题是恰当、合理地应用各类智能算法，解决这些用数学模型难于精确控制的过程。当然，信息的深度感知也是非常重要的。

　　作为钢铁行业的智能化系统，应当完成下述功能：

　　◆钢铁产品尺寸与表面的高精度控制和智能调优 ；

　　◆钢铁冶炼与加工过程中组织-性能的控制与智能调优 ；

　　◆流程工业的定制化、个性化与稳定化、均匀化生产；

　　◆设备的智能管理与维护以及智能维修 ；

　　◆物流智能管理与控制，能源智能管理与控制；

　　真正做到智慧优化决策，信息深度感知，精准协调控制。

　　4.3钢铁行业CPS系统构建的基本原则

　　产品设计个性化、制造过程智能化、过程控制精准化、产销服务网络化 。

　　4.3.1整体架构和工作范围

　　1）以原工控系统为基础，硬件适当小规模改造、扩展，软件依据需要进行智能化改造，大幅度应用人工智能，使原工控系统成为CPS系统。智能技术在钢铁材料设计以及工艺优化、产品质量监控与质量评估、智能制造精准控制中全面应用。

　　2）根据流程工业特点，立体原料库、成品库、RFID等不作为重点。从纵向均匀性考虑，物流的重点放在工件位置信息，强化跟踪和微跟踪。

　　3）设备管理及智能化以感知、计算、协调、通讯、预测等为重点，单独一个模块，通过网络进入系统进行协调处理。

　　4）生产链从炼钢开始，价值链（或供应链）由原料开始。

　　5）水平方向工序环节包括：炼钢、连铸、热轧、冷轧、热处理与涂镀，直到产品出厂。

　　4.3.2网络与传感

　　1）目前钢厂工控系统有良好的中间件系统，内部各部分通讯协议均已解决，通讯功能可以满足内部通讯的需要。

　　2）缺少外部开放功能，加强对外开放的远程的网络功能，做到内部与内部、内部与外部顺畅互联互通。

　　3）传感器：增设必要传感器，做到信息深度感知。

　　4）针对无法检测的物理量，开发智能化软测量技术。

　　5）自主开发优先，智能、无线传感器优先，外购降到最低。

　　6）数据库、计算机必要的增设与扩充。

　　7）强化跟踪与微跟踪。

　　4.3.3大数据与计算

　　1）计算部分是核心，应当具有强大的智能化信息处理能力。

　　2）采用人工智能与数学模型混合的策略。单独利用数学模型难于解决的问题，可以采用数学模型和智能化混合的解法，利用智能化的方法提高数学模型的计算精度和自适应、自学习的能力。

　　3）对于不确定性问题、极复杂问题、强烈非线性问题，可以采用智能化的方法，特别是机器学习，甚至深度学习。

　　4.3.4上层服务功能

　　1）以原有ERP和MES、PCS为基础开发。

　　2）提出新的订单处理、计划排产、规程制定的设计思想。

　　3）重点是以价值链创新为导向，实现柔性制造、定制化生产，适应大规模生产、小批量定制、短交货期要求。

　　4）以智能化组织性能预测系统为支撑，以提高效率、降低成本、保证质量与精度为目标，实现创新的生产经营计划管理。

　　5.智能算法及实例

　　5.1智能算法

　　1）聚类分析。聚类分析，又称为聚类，是按照属性值把一组对象划分成一系列有意义的子集的描述性任务，是将物理或抽象对象的集合分组为由相似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一簇中的对象彼此相似，与其他簇中的对象相异。在许多应用中，可以将一个簇中的数据对象作为一个整体来对待。

　　2）专家控制系统（Expert System）。专家系统能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。它具有启发性、透明性、灵活性、符号操作、不确定性推理等特点。相对来说，专家系统工程费用较高，而且还涉及自动获取知识困难、无自学能力、知识面太窄等问题，实际应用相对还是比较少。

　　3）神经网络。神经网络利用大量的神经元按一定的拓扑结构和学习调整方法构成，能表示出丰富的特性：并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习等。它在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特能力。擅长单输入多输出系统和多输入多输出系统的多变量控制。

　　4）模糊控制系统。对于用传统控制理论无法进行分析和控制的复杂和无法建立数学模型的系统，人们把经验指导下的行为过程总结成一些规则，并根据这些规则设计出控制器。然后运用模糊理论、模糊语言变量和模糊逻辑推理的知识，把这些模糊的语言上升为数值运算，从而能够利用计算机来完成对这些规则的具体实现，达到以机器代替人对某些对象进行自动控制的目的。模糊逻辑主要用于单输入单输出系统（SISO） 或多输入单输出系统（MISO） 的控制。

　　5）学习控制系统。所谓学习是一种过程，它通过重复输人信号，并从外部校正该系统，从而使系统对特定输人具有特定响应。学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息，积累控制经验，并在一定的评价标准下进行估值、分类、决策和不断改善系统品质的自动控制系统。

　　6）遗传算法学习控制。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法，它模拟生物界/生存竞争，优胜劣汰，适者生存的机制，利用复制、交叉、变异等遗传操作来完成寻优。如何同时提高搜索最优解的概率和效率，是遗传算法的一个主要研究方向。遗传算法作为一种非确定的拟自然随机优化工具，具有并行计算、快速寻找全局最优解等特点。它可以和其他技术混合使用，用于智能控制的参数、结构或环境的最优控制。

　　7）迭代学习控制。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成，其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。在执行重复运动的非线性机器人系统的控制中相当成功。

　　8）深度学习。阿尔法围棋（AlphaGo）的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接在一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。

　　5.2智能算法实例

　　东北大学轧制技术及连轧自动化国家重点实验室长期以来将轧制过程自动化与智能化作为其四个研究方向之一。现举出几个实例说明智能化的应用与效果。

　　1）材料加工过程组织-性能的预测与控制，该项目是与钢研总院、宝钢等合作承担的一个国家863重点项目。利用物理冶金理论建立了热轧过程物理冶金模型，利用热力模拟实验确定模型参数，进行热轧材料组织性能的理论预测。同时，利用神经元网络模型预测理论模型的偏差。将人工智能模型与物理冶金模型相结合，实行材料组织性能的预测与控制。

　　2）集约化定制与柔性轧制。与宝钢梅钢、鞍钢等单位合作，基于组织性能预测模块和钢种归并模块，进行组织性能预测。在处理噪音和不确定性等问题时，应用基于贝叶斯概率理论的神经网络模型，在网络目标函数中引入代表网络复杂程度的惩罚项，融入“奥克姆剪刀”理论防止网络“过训练”的发生，使网络具有较好的泛化性能。该技术大大提高了系统的柔性，为科学制定生产计划、科学排产、制定规程提供了有力的支撑。

　　3）轧制过程数模智能调优。此为九五攻关项目：钢铁工业综合自动化关键技术研究及示范工程项目的一个子项目，题目为：人工智能在轧钢中的应用。同时，也是与本钢、宝钢横向合作的项目。提出连轧数模参数智能调优的思想，开发了连轧过程数模解析工具，使数模的维护与参数整定由个人行为变成计算机的智能行为，形成具有我国特色的轧制过程数模调优理论体系和实用方法。“轧制过程人工智能优化与数模调优”获得2000年国家科技进步二等奖。

　　4）中厚板轧制平面形状控制，与三明钢铁、唐钢等单位合作完成。针对中厚板平面形状控制这一极为复杂的问题，考虑采用多智能体技术，进行了轧件厚度、长度、轧制力、平面形状的协调智能控制。现场应用效果良好，可以提高中厚板成材率1%-1.5%。

　　5）中厚板轧后控冷温度智能控制。与南钢、韶钢、唐钢等企业合作完成。基于k-NN原理并结合有限元网格划分和聚类算法，建立“变比例空间法”自学习智能模型，并成功应用于实际生产中。VSG模型提高了温度命中率和稳定性。大量钢厂的统计数据表明，温度控制精度提高约5%。

　　6.结语

　　1）实施创新驱动发展战略，攻克关键共性技术，促进钢铁行业绿色发展；建设钢铁信息物理系统，促进钢铁行业智能发展。

　　2）以第四次工业革命的核心技术CPS为目标，对钢铁行业现有的自动化系统进行拓展和改造，是钢铁行业实现智能化的必由之路。

　　3）主要工作：拓展网络功能，强化计算能力和感知能力，建成可靠的、实时的、安全的、协作的智能化钢铁生产信息物理系统，实现钢铁行业的智能化发展。

　　4）相信经过3-5年的努力，我国钢铁工业将形成一批具有感知、记忆、思维、适应、决策、控制、自适应、自学习、自组织能力的生产线，做到信息深度感知、智慧优化决策和精准协调控制，助力钢铁行业转型升级，绿色发展，领跑世界。

（编辑：admin）