人工智能(Artificial Intelligence)是20世纪中期发生的并正在迅速开展的新式边缘学科，它与具体范畴相结合发生了许多新技能，例如数据发掘、专家体系、软核算等。这些新技能在冶金职业也得到了极大重视。冶金工业要求有必要对各个出产进程进行愈加严厉的操控，以满意用户对产品质量的高要求，一起也要尽力将出产本钱最小化。人工智能新技能可以有用地处理冶金工业出产中许多无法用数学模型精确描绘的工艺进程，以及运用传统数字核算机难以获得令人满意作用的许多问题，在冶金职业运用中已体现出了很大的优势。
数据发掘
数据发掘(data mining)是一项新式的、面向商业运用的人工智能技能，泛指一切从源数据中发掘的方式或联系办法。用数据库中的常识发现(knowledge discovery of database，简称KDD)描绘整个数据发掘进程，用数据发掘描绘运用发掘算法进行数据发掘的子进程。数据发掘是从很多的、不完全的、有噪声的、含糊的、随机的数据中，提取隐含在其间的、人们事前不知道的、但又是潜在有用的信息和常识的进程。从它的界说中可以发现，数据发掘想到达的作用是从数据中得到想要的东西。具体运用到哪些范畴，运用什么方式来处理所面对的问题，都是数据发掘研讨所要处理的首要问题。
冶金厂商的现代化出产进程每天就有不计其数的传感器不断记载，出产数据日堆集量乃至到达TB级。这些数据中蕴涵着丰厚的出产实践进程中各种要素之间相互影响、相互作用的信息，关于加强对出产进程的知道、进步操控和管理水平具有重要意义。数据发掘技能的诞生和开展使从出产进程实时监测并记载的海量数据中提取信息和常识成为或许。
胡志坤等[1]以有色冶金进程为工程布景，阐明晰数据发掘在工业进程中运用的战略，指出了有色冶金进程数据发掘的一般进程和有色冶金进程数据发掘的重要准则，针对有色冶金进程数据的“多变量”、“非线性”、“高噪声”的特色，分别在操作方式预处理和特征变量挑选、操作进程优化决议计划、冶金设备某阶段运行情况的点评、有色冶金进程故障诊断与防备四方面运用数据发掘技能，对或许遇到的困难及处理方案进行了讨论。铁军等[2]将数据发掘技能运用在铝电解出产中，运用Microsoft SQL Server2000 的Analysys Services供给的发掘模型和Excel2000中的回归办法，对铝电解出产进程中主动发生的很多日报表进行分析，在很多数据中发掘获取到下降能耗和本钱的办法，并依据效应持续时间对均匀电压进行猜测。
智能操控
智能操控体系运用人工智能的办法，处理难以用数学办法精确描绘的杂乱的、随机的、含糊的、柔性的操控问题，具有自学习、自习惯、自组织的才能。首要用来处理具有以下特色的问题：操控目标存在严峻的不断定性，操控模型不知道或模型的结构和参数在很大的范围内改动;操控目标具有高度的非线性特征;操控使命要求杂乱。而冶金的操控进程正契合以上要求。
冶炼是一个涉及到传质、传热和杂乱化学反响的杂乱工业进程，因为其强非线性和滞后性以及不规矩的空间散布和不断定性，使得冶炼进程操控难以经过一般的数学模型办法结构操控体系来完结高效率的操控。近年来，跟着核算机体系功能的进步，冶炼进程操控智能化也已具有了较好的条件和可行性。现在，配料、烧结、高炉等进程的智能化操控现已作为一个节能增效、进步国际竞争力的重要措施被列入我国钢铁厂商信息化开展计划。
鲁晓娟等[3]介绍了贵州铝厂开发的国内首例铝电解槽含糊操控技能和含糊专家体系，该项新技能已成功运用于180kA预焙电解槽上，使该槽型的电流效率目标进步了2个百分点，铝的直流电耗目标从原13594 kW.h/t降至13049 kW.h/t，每吨铝节电545kW·h。顾学群等[4]具体介绍了智能操控在电弧炉炼钢进程电极升降操控中的运用，经过对电极升降完结主动操控，到达了恒功率调理，可以进步体系的快速性、鲁棒性和实时性，并能获得满意的操控作用。
软核算
软核算经过对不断定、不精确及不完全真值的容错来获得低价值的处理方案和鲁棒性。它仿照自然界中智能体系的生化进程(人的感知、脑结构、进化和免疫等)来有用地处理日常作业。现代化钢铁冶金工业的大规模出产要求精确把握出产中的各种参数及其改动趋势，可是因为冶炼进程的周期长，要素多，动摇大，反响机理杂乱，加之缺少有用的检测手法，不易树立数学模型，使得传统信息处理技能难以进行十分有用的处理。软核算办法适合于那些含有杂乱性、不精确性、不断定性的非数字进程，已逐渐在钢铁冶金工业中得到运用。
1 人工神经网络
在人工神经网络中，核算是经过数据在网络中的活动来完结的。在数据的活动进程中，每个神经元从与其衔接的神经元处接纳输入数据流，对其进行处理往后，再将作用以输出数据流的方式传送到与其衔接的其它神经元中去。经过这个学程，人工神经网络可以不断地从环境中主动地获取常识，并将这些常识以网络结构和衔接权值的方式存储于网络之中。人工神经网络具有杰出的自学习、自习惯和自组织才能，以及大规模并行、散布式信息存储和处理等特色，这使得它在体系建模与辨识、PID 参数整定、内模操控、优化规划、体系猜测、自习惯操控等多方面都有成功的运用。
Jian Chen[5]提出了神经网络在高炉中对生铁硅含量的猜测，其选用三层前馈神经网络，将神经网络与定性分析进行整合，经过定性分析决议神经网络输入变量，再依据输入变量动态改动隐层结点数，运用BP算法完结网络的练习。其猜测体系的作用要好于传统的办法。程武山[6]以马鞍山钢铁公司烧结厂现场出产数据为依托，树立了依据神经网络的烧结结尾预告体系。该模型为4输入、4输出的BP网络，选取上料量、透气性、机速、焚烧温度4个变量作为网络输入，18#风箱(倒数第2个风箱)温度及压力、大烟道温度及压力4个变量作为网络输出，来预告烧结结尾，在神经网络预告烧结结尾方面进行了必定的测验。
2 含糊逻辑和含糊核算
含糊调集论是处理含糊信息的有用办法，其特色是用严厉的数学办法分析含糊的体系信息，它铺设了经典的定量化办法和“含糊”国际的桥梁。而含糊逻辑(Furry Logic，简称FL)则是树立在含糊调集论基础上的处理不断定常识和近似推理的首要办法。含糊逻辑是含糊值的各种逻辑的总称。含糊调集中运用从属函数将调集中的每个元素映射为0到1之间的从属度，以此表明元素归于调集的程度。自含糊调集的概念提出以来，以含糊逻辑为中心的含糊核算获得了广泛的运用，在主动操控、决议计划分析、智能体系等范畴获得大批作用。含糊核算与其它技能的有机结合，更使其可解问题域大为延拓，问题求解的质量明显进步。
在转炉炼钢中，氧位直接关系到冶炼进程的平稳进行。谢书明等[7]树立了炼钢期间声响的差错及其改动率的含糊子集，选用三角形从属函数和T2S断定性含糊推理，依据35条含糊规矩进行含糊推理。含糊操控可以依据炉内情况对氧位进行接连调理，克服了固定位不能及时习惯炉况改动的缺陷。在连铸中钢液面的改动与终究产品的表面质量密切相关。Dukman等[8]提出一种在薄板坯连铸机中对钢液面操控的复合结构的操控器。含糊逻辑体系用于补偿操控钢液面动摇时发生的差错。运用该操控器后,钢液面的长时间改动消失了，操控差错从±4 mm减小到了±(1.0～1.5)mm。
3 遗传算法
遗传算法(Genetic Algorithm)选用简略的编码技能来表明各种杂乱的结构，并经过对一组编码表明进行简略的遗传操作和优胜劣汰的自然挑选来辅导学习和断定查找的方向。遗传算法的操作目标是一群二进制串(称为染色体、个别)，即种群。这儿每一个染色体都对应问题的一个解。从初始种群动身，选用依据习惯值份额的挑选战略在当时种群中挑选个别，运用杂交和变异来发生下一代种群。如此仿照生命的进化一代代演化下去，直到满意希望的停止条件停止。遗传算法供给了一种求解杂乱体系优化问题的通用结构，具有简略、通用、鲁棒性强和适于并行散布处理的特色。自20世纪80年代后期以来，遗传算法得到越来越广泛的重视，并在方式识别、图画处理、机器学习、工业优化操控、自习惯操控、生物科学等方面得到运用。
李英顺等[9]针对真空感应炉的温度操控，提出了一种依据遗传算法的PID操控办法。该办法运用遗传算法大局查找才能获取一组最优的PID参数，得到了较好的PID参数整定作用，完善了PID操控的动静态特性、自习惯性和鲁棒性。Santos等[10]在优化连铸机的操控中提出了把数学模型、遗传算法和参变量常识库整合的战略,并得到了很好的作用。
人工智能新技能与冶金工业的交融，极大地促进了冶金职业的开展，必将成为往后冶金职业运用的要点。跟着人工智能新技能在冶金职业中的运用和逐渐老练，人工智能技能将会在冶金工业迎候新应战的进程中扮演愈加重要的人物。
数据发掘
数据发掘(data mining)是一项新式的、面向商业运用的人工智能技能，泛指一切从源数据中发掘的方式或联系办法。用数据库中的常识发现(knowledge discovery of database，简称KDD)描绘整个数据发掘进程，用数据发掘描绘运用发掘算法进行数据发掘的子进程。数据发掘是从很多的、不完全的、有噪声的、含糊的、随机的数据中，提取隐含在其间的、人们事前不知道的、但又是潜在有用的信息和常识的进程。从它的界说中可以发现，数据发掘想到达的作用是从数据中得到想要的东西。具体运用到哪些范畴，运用什么方式来处理所面对的问题，都是数据发掘研讨所要处理的首要问题。
冶金厂商的现代化出产进程每天就有不计其数的传感器不断记载，出产数据日堆集量乃至到达TB级。这些数据中蕴涵着丰厚的出产实践进程中各种要素之间相互影响、相互作用的信息，关于加强对出产进程的知道、进步操控和管理水平具有重要意义。数据发掘技能的诞生和开展使从出产进程实时监测并记载的海量数据中提取信息和常识成为或许。
胡志坤等[1]以有色冶金进程为工程布景，阐明晰数据发掘在工业进程中运用的战略，指出了有色冶金进程数据发掘的一般进程和有色冶金进程数据发掘的重要准则，针对有色冶金进程数据的“多变量”、“非线性”、“高噪声”的特色，分别在操作方式预处理和特征变量挑选、操作进程优化决议计划、冶金设备某阶段运行情况的点评、有色冶金进程故障诊断与防备四方面运用数据发掘技能，对或许遇到的困难及处理方案进行了讨论。铁军等[2]将数据发掘技能运用在铝电解出产中，运用Microsoft SQL Server2000 的Analysys Services供给的发掘模型和Excel2000中的回归办法，对铝电解出产进程中主动发生的很多日报表进行分析，在很多数据中发掘获取到下降能耗和本钱的办法，并依据效应持续时间对均匀电压进行猜测。
智能操控
智能操控体系运用人工智能的办法，处理难以用数学办法精确描绘的杂乱的、随机的、含糊的、柔性的操控问题，具有自学习、自习惯、自组织的才能。首要用来处理具有以下特色的问题：操控目标存在严峻的不断定性，操控模型不知道或模型的结构和参数在很大的范围内改动;操控目标具有高度的非线性特征;操控使命要求杂乱。而冶金的操控进程正契合以上要求。
冶炼是一个涉及到传质、传热和杂乱化学反响的杂乱工业进程，因为其强非线性和滞后性以及不规矩的空间散布和不断定性，使得冶炼进程操控难以经过一般的数学模型办法结构操控体系来完结高效率的操控。近年来，跟着核算机体系功能的进步，冶炼进程操控智能化也已具有了较好的条件和可行性。现在，配料、烧结、高炉等进程的智能化操控现已作为一个节能增效、进步国际竞争力的重要措施被列入我国钢铁厂商信息化开展计划。
鲁晓娟等[3]介绍了贵州铝厂开发的国内首例铝电解槽含糊操控技能和含糊专家体系，该项新技能已成功运用于180kA预焙电解槽上，使该槽型的电流效率目标进步了2个百分点，铝的直流电耗目标从原13594 kW.h/t降至13049 kW.h/t，每吨铝节电545kW·h。顾学群等[4]具体介绍了智能操控在电弧炉炼钢进程电极升降操控中的运用，经过对电极升降完结主动操控，到达了恒功率调理，可以进步体系的快速性、鲁棒性和实时性，并能获得满意的操控作用。
软核算
软核算经过对不断定、不精确及不完全真值的容错来获得低价值的处理方案和鲁棒性。它仿照自然界中智能体系的生化进程(人的感知、脑结构、进化和免疫等)来有用地处理日常作业。现代化钢铁冶金工业的大规模出产要求精确把握出产中的各种参数及其改动趋势，可是因为冶炼进程的周期长，要素多，动摇大，反响机理杂乱，加之缺少有用的检测手法，不易树立数学模型，使得传统信息处理技能难以进行十分有用的处理。软核算办法适合于那些含有杂乱性、不精确性、不断定性的非数字进程，已逐渐在钢铁冶金工业中得到运用。
1 人工神经网络
在人工神经网络中，核算是经过数据在网络中的活动来完结的。在数据的活动进程中，每个神经元从与其衔接的神经元处接纳输入数据流，对其进行处理往后，再将作用以输出数据流的方式传送到与其衔接的其它神经元中去。经过这个学程，人工神经网络可以不断地从环境中主动地获取常识，并将这些常识以网络结构和衔接权值的方式存储于网络之中。人工神经网络具有杰出的自学习、自习惯和自组织才能，以及大规模并行、散布式信息存储和处理等特色，这使得它在体系建模与辨识、PID 参数整定、内模操控、优化规划、体系猜测、自习惯操控等多方面都有成功的运用。
Jian Chen[5]提出了神经网络在高炉中对生铁硅含量的猜测，其选用三层前馈神经网络，将神经网络与定性分析进行整合，经过定性分析决议神经网络输入变量，再依据输入变量动态改动隐层结点数，运用BP算法完结网络的练习。其猜测体系的作用要好于传统的办法。程武山[6]以马鞍山钢铁公司烧结厂现场出产数据为依托，树立了依据神经网络的烧结结尾预告体系。该模型为4输入、4输出的BP网络，选取上料量、透气性、机速、焚烧温度4个变量作为网络输入，18#风箱(倒数第2个风箱)温度及压力、大烟道温度及压力4个变量作为网络输出，来预告烧结结尾，在神经网络预告烧结结尾方面进行了必定的测验。
2 含糊逻辑和含糊核算
含糊调集论是处理含糊信息的有用办法，其特色是用严厉的数学办法分析含糊的体系信息，它铺设了经典的定量化办法和“含糊”国际的桥梁。而含糊逻辑(Furry Logic，简称FL)则是树立在含糊调集论基础上的处理不断定常识和近似推理的首要办法。含糊逻辑是含糊值的各种逻辑的总称。含糊调集中运用从属函数将调集中的每个元素映射为0到1之间的从属度，以此表明元素归于调集的程度。自含糊调集的概念提出以来，以含糊逻辑为中心的含糊核算获得了广泛的运用，在主动操控、决议计划分析、智能体系等范畴获得大批作用。含糊核算与其它技能的有机结合，更使其可解问题域大为延拓，问题求解的质量明显进步。
在转炉炼钢中，氧位直接关系到冶炼进程的平稳进行。谢书明等[7]树立了炼钢期间声响的差错及其改动率的含糊子集，选用三角形从属函数和T2S断定性含糊推理，依据35条含糊规矩进行含糊推理。含糊操控可以依据炉内情况对氧位进行接连调理，克服了固定位不能及时习惯炉况改动的缺陷。在连铸中钢液面的改动与终究产品的表面质量密切相关。Dukman等[8]提出一种在薄板坯连铸机中对钢液面操控的复合结构的操控器。含糊逻辑体系用于补偿操控钢液面动摇时发生的差错。运用该操控器后,钢液面的长时间改动消失了，操控差错从±4 mm减小到了±(1.0～1.5)mm。
3 遗传算法
遗传算法(Genetic Algorithm)选用简略的编码技能来表明各种杂乱的结构，并经过对一组编码表明进行简略的遗传操作和优胜劣汰的自然挑选来辅导学习和断定查找的方向。遗传算法的操作目标是一群二进制串(称为染色体、个别)，即种群。这儿每一个染色体都对应问题的一个解。从初始种群动身，选用依据习惯值份额的挑选战略在当时种群中挑选个别，运用杂交和变异来发生下一代种群。如此仿照生命的进化一代代演化下去，直到满意希望的停止条件停止。遗传算法供给了一种求解杂乱体系优化问题的通用结构，具有简略、通用、鲁棒性强和适于并行散布处理的特色。自20世纪80年代后期以来，遗传算法得到越来越广泛的重视，并在方式识别、图画处理、机器学习、工业优化操控、自习惯操控、生物科学等方面得到运用。
李英顺等[9]针对真空感应炉的温度操控，提出了一种依据遗传算法的PID操控办法。该办法运用遗传算法大局查找才能获取一组最优的PID参数，得到了较好的PID参数整定作用，完善了PID操控的动静态特性、自习惯性和鲁棒性。Santos等[10]在优化连铸机的操控中提出了把数学模型、遗传算法和参变量常识库整合的战略,并得到了很好的作用。
人工智能新技能与冶金工业的交融，极大地促进了冶金职业的开展，必将成为往后冶金职业运用的要点。跟着人工智能新技能在冶金职业中的运用和逐渐老练，人工智能技能将会在冶金工业迎候新应战的进程中扮演愈加重要的人物。
