劉相華^1a，1b，趙啟林^1b，黃貞益²

（1．東北大學(xué)，a．研究總院；b．軋制技術(shù)及連軋自動(dòng)化國家重點(diǎn)實(shí)驗(yàn)室，遼寧　沈陽　110819；2．安徽工業(yè)大學(xué)冶金學(xué)院，安徽　馬鞍山　243002）

摘　要：人工智能在軋制領(lǐng)域中的應(yīng)用已有30多年的發(fā)展歷史，20世紀(jì)90年代我國軋鋼界曾經(jīng)出現(xiàn)過一波在學(xué)術(shù)研究、技術(shù)開發(fā)和現(xiàn)場(chǎng)應(yīng)用中使用人工智能技術(shù)的高潮。本文介紹了神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊控制、智能優(yōu)化算法等人工智能方法在軋制過程中應(yīng)用的一些實(shí)例，涉及軋制力等參數(shù)計(jì)算、負(fù)荷分配、溫度控制、寬度厚度控制、板形控制等具體內(nèi)容，以及涉及原料管理、加熱、冷軋和熱軋、卷取、產(chǎn)品組織性能預(yù)報(bào)等，并對(duì)今后軋制智能化的發(fā)展方向進(jìn)行了展望。

關(guān)鍵詞：人工智能；軋制；過程控制；參數(shù)優(yōu)化；智能化信息處理

1　前言

中國制造2025和工業(yè)4.0概念中，都把智能化放在了突出重要的位置。金屬材料軋制作為最重要的原材料工業(yè)和國民經(jīng)濟(jì)支柱的傳統(tǒng)產(chǎn)業(yè)，需要與現(xiàn)代信息技術(shù)融合，實(shí)現(xiàn)技術(shù)的提升。日本和德國學(xué)者率先把人工智能應(yīng)用于軋制領(lǐng)域，早在20世紀(jì)90年代，我國曾經(jīng)出現(xiàn)了一波軋制技術(shù)智能化的熱潮，推出了一批專家系統(tǒng)、神經(jīng)元網(wǎng)絡(luò)、模糊邏輯等智能化方法在軋制中應(yīng)用的實(shí)例^［1-2］，進(jìn)行生產(chǎn)計(jì)劃編排、坯料管理、加熱中的優(yōu)化燃燒控制、軋制中的設(shè)定計(jì)算及厚度和板形控制等等。順應(yīng)軋制技術(shù)進(jìn)步的新形勢(shì)，我國東北大學(xué)、北京科技大學(xué)、燕山大學(xué)、中國鋼研科技集團(tuán)有限公司（原鋼鐵研究總院）和寶鋼、武鋼、鞍鋼等大型骨干企業(yè)均在軋制過程智能化方面開展了一系列研究與現(xiàn)場(chǎng)應(yīng)用工作，內(nèi)容涉及軋制過程參數(shù)預(yù)報(bào)與優(yōu)化^［3-4］、板材寬度控制^［5-6］、板形控制^［7-8］、厚度控制^［9-10］、卷取溫度控制^［11］、數(shù)據(jù)分析與處理^［12-13］、負(fù)荷分配^［14］和組織性能預(yù)報(bào)^［15-16］等。本文以此為主線，對(duì)近年來國內(nèi)外人工智能在軋制領(lǐng)域中應(yīng)用的進(jìn)展加以介紹。

2　人工智能在軋制領(lǐng)域中的應(yīng)用類型

人工智能在軋制領(lǐng)域中的應(yīng)用方式主要有3種類型：一是對(duì)軋制生產(chǎn)過程進(jìn)行在線智能控制；二是利用人工智能工具對(duì)軋制過程參數(shù)進(jìn)行優(yōu)化計(jì)算；三是采用智能化方法對(duì)軋制生產(chǎn)線上采集的海量數(shù)據(jù)進(jìn)行處理，簡(jiǎn)稱智能化信息處理。

2.1　軋制生產(chǎn)過程的智能控制

人工智能應(yīng)用于軋制領(lǐng)域的重要目的之一，是實(shí)現(xiàn)對(duì)軋制過程的在線智能控制。智能控制是在自動(dòng)控制的基礎(chǔ)上，加上一些帶有人工智能特征的控制方法，使軋制過程取得更為理想的控制效果。從某種意義上說，自動(dòng)化是替代四肢，解放操作工的體力勞動(dòng)；智能化則是替代部分大腦，解放技術(shù)人員的腦力勞動(dòng)。智能控制的優(yōu)點(diǎn)是：能夠更加便于適應(yīng)生產(chǎn)過程中外部條件的變化，及時(shí)、有效地對(duì)控制策略、控制模型、控制參數(shù)和控制量做出調(diào)整和修正，使生產(chǎn)過程、設(shè)備狀態(tài)及其產(chǎn)品質(zhì)量更加接近設(shè)定的控制目標(biāo)。

在軋制生產(chǎn)線上的各個(gè)環(huán)節(jié)，都有應(yīng)用智能控制的實(shí)例。例如對(duì)加熱爐，有采用專家自整定、模糊自整定、神經(jīng)元自整定的PID智能控制器^［17］；利用模糊神經(jīng)元網(wǎng)絡(luò)自學(xué)習(xí)和自尋優(yōu)功能，結(jié)合動(dòng)態(tài)PID反饋補(bǔ)償策略的加熱爐燃燒過程的智能控制系統(tǒng)^［18］等；對(duì)板帶熱連軋，有精軋機(jī)微張力模糊智能控制^［19］，綜合AGC系統(tǒng)的智能化控制^［20］等；對(duì)層流冷卻和卷取，有基于案例推理和前饋、反饋補(bǔ)償?shù)幕旌现悄芸刂?sup>［^21］等；對(duì)冷軋機(jī)，有利用粒子群算法對(duì)冷連軋機(jī)組進(jìn)行智能設(shè)定控制^［22］，利用模糊預(yù)測(cè)方法對(duì)帶鋼邊部減薄和平直度進(jìn)行智能控制等^［23］；對(duì)型材和棒線材軋機(jī)，有在精軋機(jī)組的后幾個(gè)機(jī)架采用在線動(dòng)態(tài)液壓壓下，利用高精度尺寸控制實(shí)現(xiàn)深度負(fù)偏差軋制，以及根據(jù)鋼坯稱重和在線測(cè)長(zhǎng)，通過微調(diào)輥縫實(shí)現(xiàn)棒材產(chǎn)品全定尺的智能控制等。

2.2　軋制參數(shù)的智能優(yōu)化計(jì)算

利用人工智能方法進(jìn)行軋制參數(shù)的優(yōu)化計(jì)算，能夠提高軋制參數(shù)的計(jì)算精度，減少計(jì)算偏差，從而提高對(duì)軋制過程和產(chǎn)品質(zhì)量預(yù)測(cè)、預(yù)報(bào)的精度。

這方面最典型的例子是用神經(jīng)元網(wǎng)絡(luò)預(yù)報(bào)軋制力能參數(shù)。早在20世紀(jì)90年代，就有很多關(guān)于利用神經(jīng)元網(wǎng)絡(luò)預(yù)報(bào)軋制力的報(bào)道^［24-25］，近年來這項(xiàng)工作仍在進(jìn)行中，例如：借助Matlab工具箱的BP 神經(jīng)網(wǎng)絡(luò)，計(jì)算三輥Y型軋機(jī)軋制18TC4鈦合金棒材時(shí)的軋制力^［26］；利用有限元與神經(jīng)元網(wǎng)絡(luò)相結(jié)合的方法預(yù)報(bào)冷軋帶鋼軋制力^［27］等。除軋制力外，利用智能方法進(jìn)行軋制參數(shù)優(yōu)化計(jì)算的例子還有很多，例如：利用GRNN 神經(jīng)元網(wǎng)絡(luò)預(yù)測(cè)中厚板軋制溫度^［28］，利用BP神經(jīng)元網(wǎng)絡(luò)對(duì)鋼材組織和性能進(jìn)行預(yù)報(bào)^［29］等等。

2.3　智能化信息處理

在各類現(xiàn)代化軋機(jī)上，都配備有大量的傳感器，例如軋制力傳感器、測(cè)溫儀、測(cè)速儀、編碼器、位移傳感器、熱金屬檢測(cè)器等等。在軋制過程中，這些傳感器往往會(huì)以毫秒級(jí)周期，把實(shí)測(cè)參數(shù)采集出來，輸送到計(jì)算機(jī)，形成龐大數(shù)據(jù)流及海量數(shù)據(jù)庫，其中攜帶著反映軋制過程狀態(tài)的各種有用信息。

依靠人的手、眼、腦力來處理這些海量數(shù)據(jù)是不現(xiàn)實(shí)的，但是這些數(shù)據(jù)如果不經(jīng)過處理，將很快由數(shù)據(jù)海洋變成數(shù)據(jù)垃圾，造成信息資源的極大浪費(fèi)。如果利用人工智能方法由計(jì)算機(jī)從這些海量信息中提取出知識(shí)^［30］，將是一筆寶貴財(cái)富。在軋制領(lǐng)域智能化信息處理系統(tǒng)中，可采用大數(shù)據(jù)技術(shù)來在線實(shí)時(shí)采集和處理各類龐大數(shù)據(jù)流和海量數(shù)據(jù)庫，利用模糊邏輯、聚類分析、神經(jīng)元網(wǎng)絡(luò)等智能工具來進(jìn)行數(shù)據(jù)挖掘。日本的日立公司（Hitachi Ltd）曾經(jīng)開發(fā)了一個(gè)用于鋼鐵廠的智能化信息處理系統(tǒng)SODAS （Self or ganized Diagnosisand Analysis System）^［13］，這是一個(gè)在線數(shù)據(jù)的自組織診斷和分析系統(tǒng)，由基本功能子系統(tǒng)SODASE、動(dòng)態(tài)協(xié)同控制子系統(tǒng)SODAS-DS、質(zhì)量分析子系統(tǒng)SODAS-QA、人機(jī)界面子系統(tǒng)SODAS-PH等部分組成，能夠完成數(shù)據(jù)采集、分類、歸檔、統(tǒng)計(jì)量計(jì)算、相關(guān)性分析、變量的可視化處理、點(diǎn)檢記錄保存、故障履歷管理等功能。在線信息處理得到的結(jié)果經(jīng)互聯(lián)網(wǎng)傳播，可以進(jìn)一步實(shí)現(xiàn)在線模擬優(yōu)化、系統(tǒng)診斷與遠(yuǎn)程維修^［31］等更具智能化特點(diǎn)的功能。

3　軋制領(lǐng)域中常用的人工智能工具

無論是智能控制、智能參數(shù)優(yōu)化計(jì)算還是智能化信息處理，都需要采用智能化方法來實(shí)現(xiàn)。從某種意義上說，甚至可以將是否采用了人工智能工具作為是否具有智能化特征的判斷條件。在軋制領(lǐng)域中常用的人工智能工具有：神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊邏輯與模糊控制以及各類智能優(yōu)化算法。

3.1　神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)又稱為神經(jīng)元網(wǎng)絡(luò)或者人工神經(jīng)元網(wǎng)絡(luò)（Artificial Nero Network，ANN）。在軋制領(lǐng)域中所應(yīng)用的神經(jīng)網(wǎng)絡(luò)實(shí)際上是一組計(jì)算機(jī)程序，這組程序提供了一套具有記憶功能的算法，能夠?qū)Υ嬖谝蚬P(guān)系的事物根據(jù)輸入條件的變化來預(yù)測(cè)結(jié)果。神經(jīng)網(wǎng)絡(luò)一般是由若干節(jié)點(diǎn)組成的一個(gè)輸入層、一個(gè)輸出層和一個(gè)以上的中間隱層組成，各層之間由權(quán)值相連接。確定各層節(jié)點(diǎn)數(shù)目及各層神經(jīng)元內(nèi)部算法的過程稱為網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)，對(duì)一個(gè)設(shè)計(jì)好的神經(jīng)網(wǎng)絡(luò)，確定其權(quán)值的過程稱為網(wǎng)絡(luò)訓(xùn)練。訓(xùn)練好的網(wǎng)絡(luò)即可用來做參數(shù)預(yù)報(bào)。數(shù)學(xué)上已經(jīng)證明，訓(xùn)練好的三層神經(jīng)網(wǎng)絡(luò)能夠以任意高的精度，去逼近任何復(fù)雜函數(shù)。

神經(jīng)網(wǎng)絡(luò)是在軋制領(lǐng)域中應(yīng)用最多的智能工具，利用神經(jīng)網(wǎng)絡(luò)來提高軋制參數(shù)預(yù)報(bào)精度的文獻(xiàn)很多，有很多已經(jīng)在西門子、西馬克、TIMEC等系統(tǒng)中用于在線控制。采用數(shù)學(xué)模型與神經(jīng)網(wǎng)絡(luò)相結(jié)合方法，用數(shù)學(xué)模型的預(yù)報(bào)作為基值，用神經(jīng)網(wǎng)絡(luò)作為數(shù)學(xué)模型計(jì)算誤差的實(shí)時(shí)補(bǔ)償，兩者組成一個(gè)智能糾偏網(wǎng)絡(luò)，有利于大幅度提高軋制力的預(yù)報(bào)精度。據(jù)介紹這種智能糾偏網(wǎng)絡(luò)可把軋制力預(yù)報(bào)精度改善到偏差小于5%^［31］。

3.2　專家系統(tǒng)

專家系統(tǒng)作為人工智能技術(shù)的一個(gè)主要分支，在軋制領(lǐng)域得到較多應(yīng)用。對(duì)許多過程難以用物理或數(shù)學(xué)模型來準(zhǔn)確描述，且在異常工況時(shí)模型往往無效，只有依靠有經(jīng)驗(yàn)的人進(jìn)行人工干預(yù)。把人工干預(yù)變?yōu)橛?jì)算機(jī)控制下的行為，需要將人的知識(shí)和經(jīng)驗(yàn)加以總結(jié)，形成知識(shí)庫、規(guī)則庫、數(shù)據(jù)庫、模型庫等，利用專家系統(tǒng)中的推理機(jī)制來完成判定、決策、控制、計(jì)劃與設(shè)計(jì)、物流管理等，替代人腦進(jìn)行工作。

專家系統(tǒng)已經(jīng)用于加熱爐出爐節(jié)奏控制、燃燒控制，板帶熱連軋機(jī)負(fù)荷分配，熱軋板帶卷取溫度控制，以及精整線上的板卷運(yùn)輸?shù)葘?duì)實(shí)時(shí)性要求不高的生產(chǎn)過程，其典型應(yīng)用如表1所示。

3.3　模糊邏輯與模糊控制

軋制過程中經(jīng)常會(huì)遇到各種模糊量，操作工依據(jù)對(duì)生產(chǎn)線上各種現(xiàn)象觀察所做出的推理判斷實(shí)際上大多數(shù)也是模糊的．例如溫度高了、壓力大了、速度快了、軋件偏了等等。這些模糊量可以用模糊邏輯和模糊規(guī)則來表示，基于模糊量來對(duì)生產(chǎn)過程中的一些模糊現(xiàn)象進(jìn)行控制就是模糊控制。一般說來，模糊控制的規(guī)則簡(jiǎn)單，計(jì)算速度極快，反應(yīng)迅速，在一些特定條件下，當(dāng)其他控制方法無計(jì)可施的時(shí)候，使用模糊控制可取得意想不到的效果。

模糊邏輯和模糊控制在軋制中的應(yīng)用范圍很廣，典型例子有：熱連軋帶鋼頭部厚度的模糊動(dòng)態(tài)設(shè)定、冷連軋機(jī)組中帶鋼板形控制系統(tǒng)的冷卻水分段模糊控制、線材軋制中的活套高度閉環(huán)模糊控制、基于模糊評(píng)判規(guī)則的冷軋帶鋼智能板形評(píng)價(jià)模型^［32］等等。也經(jīng)常采用將模糊邏輯與其他智能化手段相結(jié)合的方法進(jìn)行智能控制，例如：將模糊聚類分析與神經(jīng)網(wǎng)絡(luò)相結(jié)合預(yù)測(cè)熱連軋粗軋寬度^［6］、利用模糊小腦模型神經(jīng)網(wǎng)絡(luò)進(jìn)行多輥冷連軋機(jī)軋制力預(yù)報(bào)^［33］、基于模糊RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行板帶橫向厚度和縱向厚度綜合控制^［10］等等。

3.4　智能優(yōu)化算法

在軋制領(lǐng)域中采用的智能優(yōu)化算法有：遺傳算法、粒子群算法、蟻群算法、模擬退火算法等等。這些算法的共同特點(diǎn)是起源于對(duì)生物進(jìn)化、動(dòng)物捕食等行為的模擬和模仿，基于群體智能進(jìn)行全局隨機(jī)優(yōu)化，可作為基于迭代的優(yōu)化工具。這些算法的優(yōu)勢(shì)在于：算法簡(jiǎn)單、易于實(shí)現(xiàn)、適用范圍廣、不需要機(jī)理模型，且調(diào)整的參數(shù)較少。在軋制過程中應(yīng)用的例子有：利用改進(jìn)的粒子群算法進(jìn)行熱連軋負(fù)荷分配^［34］、用遺傳算法優(yōu)化短行程控制曲線^［35］、基于改進(jìn)粒子群算法的熱連軋厚度控制仿真研究^［36］等等。

需要指出，只有在找不到（建立不起來）合適的機(jī)理模型或者機(jī)理模型不能有效發(fā)揮作用的情況下，才會(huì)采用各類智能優(yōu)化算法去解決難題。在各種方案都有可行性時(shí)，還是應(yīng)優(yōu)先選擇機(jī)理模型。因?yàn)楹玫臋C(jī)理模型加上自學(xué)習(xí)功能后，往往具有計(jì)算精度高、結(jié)果穩(wěn)定、便于推廣等優(yōu)點(diǎn)。要用智能優(yōu)化算法來實(shí)實(shí)在在地解決那些機(jī)理模型解決不了的難題，不要用來求新奇、撐門面。

3.5　協(xié)同人工智能技術(shù)

協(xié)同人工智能（SAI，Synergetic Artificial Intelligence）技術(shù)是綜合運(yùn)用神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊邏輯等智能工具，全方位模擬人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，可克服單一方法解決問題的片面性，各部分相互協(xié)作，集成為一個(gè)整體來處理復(fù)雜問題，能在復(fù)雜情況下給出問題的最佳解決方案。

一種用于熱連軋負(fù)荷分配的協(xié)同人工智能系統(tǒng)技術(shù)思路^［12］：（1）建立現(xiàn)場(chǎng)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(duì)產(chǎn)品質(zhì)量影響的相關(guān)知識(shí)；（4）根據(jù)提取出的知識(shí)建立負(fù)荷分配規(guī)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(duì)熱連軋典型規(guī)格產(chǎn)品（3.0mm ×1300mm）進(jìn)行負(fù)荷分配設(shè)定，并對(duì)各機(jī)架的軋制力進(jìn)行校驗(yàn)，結(jié)果表明該設(shè)定更為合理。

4　人工智能在軋制領(lǐng)域中的應(yīng)用展望

人工智能在軋制領(lǐng)域中的應(yīng)用為軋制理論、工藝和技術(shù)發(fā)展樹立了一個(gè)新的里程碑，已經(jīng)對(duì)軋制技術(shù)的進(jìn)步起到了積極的推動(dòng)作用。由此引起軋制理論研究、技術(shù)開發(fā)、以及控制與操作均產(chǎn)生巨大變化。目前智能化技術(shù)在軋制領(lǐng)域中的應(yīng)用仍在發(fā)展之中，預(yù)計(jì)今后一段時(shí)間值得關(guān)注的幾個(gè)發(fā)展方向有：

（1）現(xiàn)有的軋制過程智能方法與互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)等前沿技術(shù)深度融合，把當(dāng)前的一些局部智能化應(yīng)用擴(kuò)展到更寬的范圍，深入到更深的層次，實(shí)現(xiàn)多工序、多機(jī)組、甚至多廠家的軋制知識(shí)共享、數(shù)據(jù)共享、利益共享。

（2）數(shù)學(xué)模型、數(shù)值模擬等傳統(tǒng)方法與智能優(yōu)化技術(shù)相結(jié)合，強(qiáng)化智能優(yōu)化系統(tǒng)中深層知識(shí)的作用，發(fā)揮各自的長(zhǎng)處，提高控制系統(tǒng)的精度，改善系統(tǒng)品質(zhì)。推廣應(yīng)用智能技術(shù)在軋鋼產(chǎn)業(yè)應(yīng)用的成功范例，逐步擴(kuò)大利用人工智能來取代軋制技術(shù)人員部分腦力勞動(dòng)的范圍。

（3）將虛擬現(xiàn)實(shí)^［37］、智能機(jī)器人等計(jì)算機(jī)應(yīng)用新技術(shù)與現(xiàn)有智能化方法相結(jié)合，開發(fā)出能夠產(chǎn)生身臨其境效果和具有沉浸感的虛擬現(xiàn)實(shí)軋制環(huán)境，改變軋制機(jī)組設(shè)計(jì)與調(diào)試、軋鋼操作人員培訓(xùn)上崗以及新工藝、新設(shè)備、新產(chǎn)品開發(fā)的傳統(tǒng)模式，為軋鋼企業(yè)依靠高新技術(shù)實(shí)現(xiàn)節(jié)能減排、降成本提供強(qiáng)有力的技術(shù)支撐。

期望未來10年能夠在上述方面取得突破性進(jìn)展，在軋制技術(shù)智能化過程中貫徹中國制造2025和工業(yè)4.0的核心思想，伴隨著我國由鋼鐵大國向鋼鐵強(qiáng)國的轉(zhuǎn)變，在我國的軋制領(lǐng)域率先實(shí)現(xiàn)智能軋制技術(shù)的新跨越。

5　結(jié)論

（1）將人工智能在軋制領(lǐng)域中的應(yīng)用類型分為３種情況，即軋制過程智能控制、軋制參數(shù)智能優(yōu)化計(jì)算、軋制線上海量信息的智能化處理等，給出了在上述典型場(chǎng)合人工智能技術(shù)的應(yīng)用實(shí)例。

（2）介紹了神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊控制、智能優(yōu)化算法等在軋制領(lǐng)域中常用的人工智能工具，給出了利用這些智能工具解決軋制過程中難題的應(yīng)用范例。

（3）對(duì)軋制領(lǐng)域人工智能的進(jìn)一步發(fā)展進(jìn)行了展望，指出智能化與互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)等新技術(shù)的融合、智能化與數(shù)學(xué)模型及數(shù)值模擬的結(jié)合、人工智能與虛擬現(xiàn)實(shí)、智能機(jī)器人等計(jì)算機(jī)應(yīng)用新技術(shù)相結(jié)合等發(fā)展方向，期待未來在這些方面取得突破性進(jìn)展。

參考文獻(xiàn)：

［1］　王國棟，劉相華，姜正義，等．人工智能在軋制中的應(yīng)用（一）［J］．軋鋼，1996，13（3）：36．

［2］　王國棟，劉相華，姜正義，等．人工智能在軋制中的應(yīng)用（二）［J］．軋鋼，1996，１3（4）：41．

［3］　何安瑞，邵健，孫文權(quán)，等．適應(yīng)智能制造的軋制精準(zhǔn)控制關(guān)鍵技術(shù)［J］．冶金自動(dòng)化，2016，40（5）：1．

［4］　張志輝，王希哲，陳金英，等．軋制力預(yù)報(bào)人工神經(jīng)網(wǎng)絡(luò)設(shè)定模型的開發(fā)［J］．軋鋼，1999，16（1）：9．

［5］　李西安，丁敬國，曾慶亮，等．基于族相關(guān)技術(shù)的中厚板寬度控制［J］．軋鋼，2011，28（1）：58．

［6］　丁敬國，焦景民，昝培，等．基于模糊聚類的PSO－神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)熱連軋粗軋寬度［J］．東北大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，28（9）：1282．

［7］　張殿華，陳樹宗，李旭，等．板帶冷連軋自動(dòng)化系統(tǒng)的現(xiàn)狀與展望［J］．軋鋼，2015，32（3）：9．

［8］　麻永林，宮美娜，邢淑清，等．304不銹鋼帶板形控制的有限元分析［J］．鋼鐵，2015，50（2）：48．

［9］　卜赫男，閆注文，張殿華，等．基于硬度辨識(shí)的冷連軋厚度控制模型［J］．軋鋼，2015，32（5）：59．

［10］　宋獻(xiàn)鋒，張克輝．基于模糊ＲＢＦ神經(jīng)網(wǎng)絡(luò)的板帶橫向厚度和縱向厚度綜合控制［J］．熱加工工藝，2012，41（13）：132．

［11］　馬麗坤，袁衛(wèi)華，韓斌，等．人工神經(jīng)網(wǎng)絡(luò)方法預(yù)報(bào)熱軋帶鋼卷取溫度［J］．軋鋼，2005，22（1）：14．

［12］　張秀玲，劉宏民．變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)在板形信號(hào)模式識(shí)別方面的應(yīng)用［J］．鋼鐵研究學(xué)報(bào)，2001，13（2）：62．

［13］　王國棟，劉相華．金屬軋制過程人工智能優(yōu)化［M］．北京：冶金工業(yè)出版社，2000．

［14］　王焱，劉景錄，孫一康．免疫遺傳算法對(duì)精軋機(jī)組負(fù)荷分配的優(yōu)化［J］．北京科技大學(xué)學(xué)報(bào)，2002，24（3）：339．

［15］　王殿輝，劉振宇，王國棟，等．利用神經(jīng)元網(wǎng)絡(luò)預(yù)測(cè)熱軋板帶力學(xué)性能［J］．鋼鐵，1995，30（1）：28．

［16］　賈麗琴，周學(xué)?。谏窠?jīng)網(wǎng)絡(luò)的熱軋產(chǎn)品性能預(yù)報(bào)與參數(shù)優(yōu)化［J］．武鋼技術(shù)，2008，46（2）：19．

［17］　榮莉，柴天佑，錢曉龍．加熱爐過程控制技術(shù)的新策略—智能控制［J］．控制與決策，2000，15（3）：269．

［18］　卜建榮，徐君燕，朱里紅．熱軋過程中加熱爐爐溫優(yōu)化控制方法［J］．鋼鐵研究學(xué)報(bào)，2010，22（8）：60．

［19］　張殿華，韓蕊繁，張其生，等．板帶熱連軋精軋機(jī)微張力模糊智能控制［J］．鋼鐵，2005，40（10）：42．

［20］　童朝南，孫一康，陳百紅，等．熱連軋綜合AGC系統(tǒng)的智能化控制［J］．北京科技大學(xué)學(xué)報(bào)，2002，24（5）：553．

［21］　片錦香，柴天佑．熱軋帶鋼層流冷卻過程混合智能控制方法［J］．東北大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，30（11）：1534．

［22］　車海軍，劉暢，劉曉娜，等．基于粒子群算法的冷連軋軋制規(guī)程優(yōu)化設(shè)計(jì)［J］．軋鋼，2009，26（1）：22．

［23］　劉蓓蓓，李福進(jìn)．冷軋帶鋼邊部減薄和平坦度模糊預(yù)測(cè)控制的研究［J］．儀器儀表用戶，2010，17（6）：14．

［24］　呂程，王國棟，劉相華，等．基于神經(jīng)網(wǎng)絡(luò)的熱連軋精軋機(jī)組軋制力高精度預(yù)報(bào)［J］．鋼鐵，1998，33（3）：33．

［25］　王秀梅，王國棟，劉相華．人工神經(jīng)元網(wǎng)絡(luò)和數(shù)學(xué)模型在熱連軋機(jī)組軋制力預(yù)報(bào)中的應(yīng)用［J］．鋼鐵，1999，34（3）：37．

［26］　劉欣玉，潘露，帥美榮．基于Matlab的BP神經(jīng)網(wǎng)絡(luò)軋制力預(yù)報(bào)模型及應(yīng)用［J］．重慶科技學(xué)院學(xué)報(bào)，2016，18（6）：96．

［27］　薛濤，杜鳳山，孫靜娜．基于FEM-ANN 的冷軋帶鋼軋制力預(yù)報(bào)［J］．中南大學(xué)學(xué)報(bào)，2013，44（11）：4456．

［28］　孟令啟，雷明杰，王建勛．基于GRNN網(wǎng)絡(luò)的中厚板軋制溫度的預(yù)測(cè)［J］．鋼鐵研究學(xué)報(bào)，2009，21（8）：53．

［29］　何平，劉瀏，劉偉，等．神經(jīng)網(wǎng)絡(luò)技術(shù)在鋼材性能和組織預(yù)報(bào)中的應(yīng)用［J］．鋼鐵研究，2006，34（2）：29．

［30］　張延華．智能化信息處理在中厚板生產(chǎn)過程應(yīng)用的研究［D］．沈陽：東北大學(xué)，2005［31］　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［J］．哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2000，32（5）：86．

［32］　丁順風(fēng)，楊利坡，于丙強(qiáng)．基于模糊評(píng)判規(guī)則的冷軋帶鋼智能板形評(píng)價(jià)模型［J］．鋼鐵，2014，49（9）：61．

［33］　劉華強(qiáng)，唐荻，楊荃，等．模糊小腦模型神經(jīng)網(wǎng)絡(luò)在多輥冷連軋機(jī)軋制力預(yù)報(bào)模型中的應(yīng)用［J］．北京科技大學(xué)學(xué)報(bào)，2006，28（10）：969．

［34］　王建輝，徐林，顧樹生，等．改進(jìn)粒子群算法及其對(duì)熱連軋機(jī)負(fù)荷分配優(yōu)化的研究［J］．控制與決策，2005，20（12）：1379．

［35］　劉文斌，康永林，崔倫凱，等．遷鋼2250熱軋短行程控制模型參數(shù)優(yōu)化［J］．軋鋼，2010，27（1）：51．

［36］　周建新．基于改進(jìn)PSO神經(jīng)網(wǎng)絡(luò)的熱連軋厚度控制仿真研究［J］．控制工程，2016，23（5）：656

［37］　王益群，陳春明，張偉，等．虛擬軋制技術(shù)研究進(jìn)展的評(píng)述［J］．機(jī)械工程學(xué)報(bào)，2010，46（2）：34．