探讨人工智能技术在有色行业智能制造中的应用

鄢铁强

（长沙有色冶金设计研究院有限公司，湖南 长沙 410000）

制造业是我国经济快速发展重要基础，也是有效增强我国竞争力的有效方式，是不同高新技术主要载体，能充分体现出高新技术应用水平。伴随人工智能技术不断应用，制造专业知识与基本信息的获取、表达及存储都成为现实，生产模式也因此得到全面改变。对于智能制造，它实际上就是将传统制造、计算机、网络和自动化等技术充分结合到一起，在面向产品的全寿命周期基础上，在凡在感知这一条件下实现信息化制造。

1 有色金属与有色行业

金属是一种有光泽、可导电、导热，温度电阻系数为正的物质，目前世界范围内共存在86种不同的金属。一般情况下，人们将金属简单的分成以下两类：第一类为黑色金属；第二类为有色金属。其中，黑色金属指的是铁、锰、铬三种，而其它金属均为有色金属。虽然称为黑色金属，但并非是黑色的，比如纯铁与锰均为银白色，而铬为灰白色。然而，由于铁在自然环境中极易生锈，生锈后表面将覆盖一层氧化物（氧化铁与氧化三铁的混合物），由于这一氧化层是黑色的，所以将其称作黑色金属。基于此，所谓黑色冶金工业即为钢铁工业。另外，因最常见合金钢为锰钢和铬钢，所以也将锰和铬视为黑色金属。在除铁、锰、铬三种金属以外的其它金属当中，还可按照不同的原则进行分类，比如，若按照比重，当比重小于5时，被称作轻金属，如铝、镁、锂、钠、钾，当比重大于5时，被称作重金属，如铜、锌、镍、汞、锡、铅；由于金、银、铂的价格比较昂贵，所以被称作贵金属，而镭、铀、钚等具有很强的放射性，所以被称作放射性金属。另外，某些金属在地壳当中的含量很低，或分布的比较分散，所以被称作稀有金属，如铌、钽、锆、镥[1]。

如今，全球经济正在衰退，房地产与汽车业也持续低迷，这使得有色金属的价格如同“高台跳水”，比如，电解铝和氧化铝的市场价格降低了约50%，铜的市场价格降低了约70%，各大生产企业的库存大幅增加，经济效益明显下滑，使流动资金越来越紧张，随时面临减产和停产。为了从根本上解决以上问题，首先，要稳定并逐步扩大国内市场规模，对出口环境予以改善；其次，从技术方面着手，通过对人工智能技术的引入，使有色行业制造尽早实现智能化，以此降低制造成本，提高制造效率。

2 有色行业智能制造对人工智能技术具体应用

2.1 智能设计和加工

有色金属产品设计需要具备创造力，在确定综合决策后，还要进行不断的迭代和寻优。将人工智能技术用于有色金属产品设计，能使过去的连续变量和混合离散变量两种设计模式变成随机变量和模糊变量优化。通过对模糊数学等新理论的合理应用，能对设计过程中精确度较低的经验数据实施简化，并借助蚁群和遗传算法，使产品设计做到性能模拟、运动分析和对功能的仿真及评价，以此在最大程度上符合现阶段有色金属产品设计提出的智能化要求与自动化要求[2]。

此外，有色金属制造产品的功能越来越多样，这使得产品加工困难程度不断提高，主要表现为具有时变形与非线性。在这种情况下，产品加工时的关键特性将难以使用简单的数学模型来描述。由于人工神经网络具备自学习与自组织功能，并且可对知识予以隐式表达，所以能建立产品加工时的参数预测数学模型，同时对加工的过程予以动态跟踪。比如，对于刀具状态监控，利用具备监督学习功能的神经网络，能在加工时对刀具实际状态实施自动识别；若能借助无监督功能的神经网络，则不仅能实现状态监测，还能加快结果收敛速度，使系统具备更高水平的自组织能力、自适应能力与柔性。

2.2 智能机器人

智能机器人在人工智能领域中是一个十分重要的分支，无论是机器人还是机械人学，均受到人们的关注和重视。在当前的有色金属制造领域，由于任务复杂程度越来越高，作业环境趋于多变，所以对机器人提出了更高要求，最初的机械手已经无法满足要求，需要向智能机器人方向快速进化。对于机器人而言，它是独立存在的智能系统，应具备感知能力、决策能力与执行能力。另外，很多较为复杂的任务往往要采用多个机器人来进行处理，这就对协同管控提出了一定要求，使包含模式识别、机器学习与专家系统在内的技术得到深入应用[3]。

其中，模式识别主要用于感知功能方面，通过模式识别，能使机器人在感官的作用下对外部信息进行接收，同时对这些信息进行识别与理解，除基本的文字信息，还包括声音与图像。通常而言，模式识别要先后经历以下步骤：采集各类信息、信息预处理、信息特征和基本单元的提取、最后完成模式分类。

机器学习主要用于使机器人对环境发生的变化予以解读，同时对自身的动作实施规划，并给出决策，确保机器人在不断变化的环境当中可以持续完成自我学习与提高，进而顺利完成复杂度较高的任务。对于机器学习，可将其分成以下两类：第一类是有监督学习，一般在有明确输入输出情况下使用，包括决策树与神经网络；第二类为无监督学习，一般在无明确输入输出条件下使用，包括强化学习与进化学习。比如，对机器人的路径进行规划的过程中，可通过对遗传和蚁群算法的应用，使在一定条件的不断约束下，确保机器人迅速找到最佳路径[4]。

图1 机器人控制专家系统

除此之外，因机器人动力学具有时变形和非线性，所以在它的控制模型当中，所有参数都只能通过计算确定，计算量极大，完成计算需要的时间很难满足反应速度要求。机器人控制专家系统如图1所示，通过将专家系统和普通控制系统充分结合到一起，能有效减少实际计算量，起到有效提高反应速度的作用。

2.3 智能工艺规划

在各先进制造装备正大量投入使用，制造工艺路线自身柔性与加工效率将得到有效提高，然而，因有色金属制造产品的种类越来越多，使产品工艺规划变得十分复杂，采用CAPP等传统方法无法满足要求，表现为不能对制造环境发生的变化进行快速反馈。在这种情况下，需要在有色金属产品加工制造过程中引入人工智能技术[5]。

在CAPP当中，人工智能技术主要用于建立并管理知识库。以专家系统为基础，为不同任务提供不同决策，并借助专家系统对接收到的所有信息实施推理。某些复杂程度较高的工艺，其知识具有很强的不确定性及模糊性，此时可通过对遗传算法和模糊逻辑的充分结合来实现建模及求解。

2.4 智能调度

有色金属产品制造系统在生产调度方面通常具备复杂程度高、多目标性与不确定性，对于调度优化问题，它属于NP-Hard问题，这种问题采用传统方法很难找出最优解。而利用人工智能技术进行优化，或和运筹学充分结合，能有效解决以上问题。

在调度问题方面引入人工智能技术，可分成以下两类：第一类是集中式方法，即利用模糊逻辑和专家系统大幅提高空间检索效率，比如对人工神经网络进行训练，能使网络以生产特征为依据，选择适宜的评价指标及调度策略；另外，在推理机和知识库的支持下，还能在决策处理时根据定性及定量知识，自动生成启发式的各类规则，最后根据信息确定最优规则。但是需要注意，该方法智能加快实际求解速度，由于柔性和鲁棒性尚不足，所以并不能从本质上解决问题；第二类是分布式方法，它将MAS系统作为基础，结合其它方法，如遗传算法和蚁群算法，通过对问题的逐层分解和彼此协商，使复杂度极高的问题变得简化，同时充分利用智能体具有的自主性与协作性，基于系统总目标，对单独的子问题进行求解[6]。

2.5 智能测量

采用传统测量装置与系统对输入信号进行处理时，一般是在建立普通数学模型基础上利用规范算法，然而，因算法难度较高且十分复杂，所以在一些特殊情况中难以对问题实施规范化表达。将人工智能技术应用到测量系统后，以上问题能被有效的解决。通过对人工智能技术的分析和应用，能对现有与历史数据实施智能分析及处理，并从不同的层次上使测量整个过程抽象化，以此提高测量系统自身性能与运行效率，并扩展其它功能[7]。

另外，遗传算法、人工神经网络及模糊逻辑能实现多传感器融合，即对从不同传感器获取的数据实施综合处理。比如，对自组织映射与神经网络进行结合，实现分类及识别，把传统方法整个过程通过拟合化变成分段拟合，以此降低算法自身复杂程度，保证信号识别率。在这种情况下，如果传感器产生短暂故障，借助人工智能技术，能及时发现，并立即警报和隔离，发出对备用器件进行启动的信号，同时通过对其它信息的应用，有效弥补丢失信息。

2.6 智能人机协作

对于整套智能制作系统而言，做到完全的无人化，不是它的最终需要，最终需要是使资源可以与操作人员之间实现通力协作，一同构成完整的智能系统，采用高质量与高效方式达到预期的目标。不同于普通人机工程学，智能交互过程中，人机处在相同的地位，很多时候都需要人工为智能系统提供辅助才能完成那些复杂性很高的任务，也有时候完全借助机器来完成任务，使工人完成自动化难以实现的复杂工序，包括夹具的装卸、划线定位与产品翻面。此外，那些只靠常识与以往经验即可解决的任务，现场的操作人员同样可以通过交互来控制系统，以此省略感知和计算等复杂的过程，使制造系统实际运行效率得以大幅提升[8]。

2.7 智能管理

因普通企业管理系统很难满足新时期企业在管理与业务上提出的要求，特别是半结构化与非结构化方面的复杂问题。通过对决策支持、知识库与专家系统的引入，能构建以人工智能技术为核心的应用平台，对不同的内外部数据进行综合分析，参考现有各类知识和规则，为企业的管理人员提供帮助，制定合理有效的决策支持，避免由于决策失误产生浪费和风险，进而提高企业在市场中的综合竞争力。

3 结束语

综上所述，伴随感知与网络通信等不同先进技术的快速发展，通过十余年的优化与发展，人工智能技术正从理论快速过渡至实践，在有色金属生产制造当中充分发挥出各项优势。作为有色行业制造改革重要话题，智能制造将在后续发展中得到更广泛的应用。对人工智能技术相关理论进行深入研究，并将日益成熟的理论应用到日趋复杂的有色金属产品制造系统当中，渗透至每一个生产制造环节，能实现本质的智能制造目标。