鄢鐵強(qiáng)

（長(zhǎng)沙有色冶金設(shè)計(jì)研究院有限公司，湖南 長(zhǎng)沙 410000）

制造業(yè)是我國(guó)經(jīng)濟(jì)快速發(fā)展重要基礎(chǔ)，也是有效增強(qiáng)我國(guó)競(jìng)爭(zhēng)力的有效方式，是不同高新技術(shù)主要載體，能充分體現(xiàn)出高新技術(shù)應(yīng)用水平。伴隨人工智能技術(shù)不斷應(yīng)用，制造專業(yè)知識(shí)與基本信息的獲取、表達(dá)及存儲(chǔ)都成為現(xiàn)實(shí)，生產(chǎn)模式也因此得到全面改變。對(duì)于智能制造，它實(shí)際上就是將傳統(tǒng)制造、計(jì)算機(jī)、網(wǎng)絡(luò)和自動(dòng)化等技術(shù)充分結(jié)合到一起，在面向產(chǎn)品的全壽命周期基礎(chǔ)上，在凡在感知這一條件下實(shí)現(xiàn)信息化制造。

1 有色金屬與有色行業(yè)

金屬是一種有光澤、可導(dǎo)電、導(dǎo)熱，溫度電阻系數(shù)為正的物質(zhì)，目前世界范圍內(nèi)共存在86種不同的金屬。一般情況下，人們將金屬簡(jiǎn)單的分成以下兩類：第一類為黑色金屬；第二類為有色金屬。其中，黑色金屬指的是鐵、錳、鉻三種，而其它金屬均為有色金屬。雖然稱為黑色金屬，但并非是黑色的，比如純鐵與錳均為銀白色，而鉻為灰白色。然而，由于鐵在自然環(huán)境中極易生銹，生銹后表面將覆蓋一層氧化物（氧化鐵與氧化三鐵的混合物），由于這一氧化層是黑色的，所以將其稱作黑色金屬?；诖耍^黑色冶金工業(yè)即為鋼鐵工業(yè)。另外，因最常見(jiàn)合金鋼為錳鋼和鉻鋼，所以也將錳和鉻視為黑色金屬。在除鐵、錳、鉻三種金屬以外的其它金屬當(dāng)中，還可按照不同的原則進(jìn)行分類，比如，若按照比重，當(dāng)比重小于5時(shí)，被稱作輕金屬，如鋁、鎂、鋰、鈉、鉀，當(dāng)比重大于5時(shí)，被稱作重金屬，如銅、鋅、鎳、汞、錫、鉛；由于金、銀、鉑的價(jià)格比較昂貴，所以被稱作貴金屬，而鐳、鈾、钚等具有很強(qiáng)的放射性，所以被稱作放射性金屬。另外，某些金屬在地殼當(dāng)中的含量很低，或分布的比較分散，所以被稱作稀有金屬，如鈮、鉭、鋯、镥[1]。

如今，全球經(jīng)濟(jì)正在衰退，房地產(chǎn)與汽車業(yè)也持續(xù)低迷，這使得有色金屬的價(jià)格如同“高臺(tái)跳水”，比如，電解鋁和氧化鋁的市場(chǎng)價(jià)格降低了約50%，銅的市場(chǎng)價(jià)格降低了約70%，各大生產(chǎn)企業(yè)的庫(kù)存大幅增加，經(jīng)濟(jì)效益明顯下滑，使流動(dòng)資金越來(lái)越緊張，隨時(shí)面臨減產(chǎn)和停產(chǎn)。為了從根本上解決以上問(wèn)題，首先，要穩(wěn)定并逐步擴(kuò)大國(guó)內(nèi)市場(chǎng)規(guī)模，對(duì)出口環(huán)境予以改善；其次，從技術(shù)方面著手，通過(guò)對(duì)人工智能技術(shù)的引入，使有色行業(yè)制造盡早實(shí)現(xiàn)智能化，以此降低制造成本，提高制造效率。

2 有色行業(yè)智能制造對(duì)人工智能技術(shù)具體應(yīng)用

2.1 智能設(shè)計(jì)和加工

有色金屬產(chǎn)品設(shè)計(jì)需要具備創(chuàng)造力，在確定綜合決策后，還要進(jìn)行不斷的迭代和尋優(yōu)。將人工智能技術(shù)用于有色金屬產(chǎn)品設(shè)計(jì)，能使過(guò)去的連續(xù)變量和混合離散變量?jī)煞N設(shè)計(jì)模式變成隨機(jī)變量和模糊變量?jī)?yōu)化。通過(guò)對(duì)模糊數(shù)學(xué)等新理論的合理應(yīng)用，能對(duì)設(shè)計(jì)過(guò)程中精確度較低的經(jīng)驗(yàn)數(shù)據(jù)實(shí)施簡(jiǎn)化，并借助蟻群和遺傳算法，使產(chǎn)品設(shè)計(jì)做到性能模擬、運(yùn)動(dòng)分析和對(duì)功能的仿真及評(píng)價(jià)，以此在最大程度上符合現(xiàn)階段有色金屬產(chǎn)品設(shè)計(jì)提出的智能化要求與自動(dòng)化要求[2]。

此外，有色金屬制造產(chǎn)品的功能越來(lái)越多樣，這使得產(chǎn)品加工困難程度不斷提高，主要表現(xiàn)為具有時(shí)變形與非線性。在這種情況下，產(chǎn)品加工時(shí)的關(guān)鍵特性將難以使用簡(jiǎn)單的數(shù)學(xué)模型來(lái)描述。由于人工神經(jīng)網(wǎng)絡(luò)具備自學(xué)習(xí)與自組織功能，并且可對(duì)知識(shí)予以隱式表達(dá)，所以能建立產(chǎn)品加工時(shí)的參數(shù)預(yù)測(cè)數(shù)學(xué)模型，同時(shí)對(duì)加工的過(guò)程予以動(dòng)態(tài)跟蹤。比如，對(duì)于刀具狀態(tài)監(jiān)控，利用具備監(jiān)督學(xué)習(xí)功能的神經(jīng)網(wǎng)絡(luò)，能在加工時(shí)對(duì)刀具實(shí)際狀態(tài)實(shí)施自動(dòng)識(shí)別；若能借助無(wú)監(jiān)督功能的神經(jīng)網(wǎng)絡(luò)，則不僅能實(shí)現(xiàn)狀態(tài)監(jiān)測(cè)，還能加快結(jié)果收斂速度，使系統(tǒng)具備更高水平的自組織能力、自適應(yīng)能力與柔性。

2.2 智能機(jī)器人

智能機(jī)器人在人工智能領(lǐng)域中是一個(gè)十分重要的分支，無(wú)論是機(jī)器人還是機(jī)械人學(xué)，均受到人們的關(guān)注和重視。在當(dāng)前的有色金屬制造領(lǐng)域，由于任務(wù)復(fù)雜程度越來(lái)越高，作業(yè)環(huán)境趨于多變，所以對(duì)機(jī)器人提出了更高要求，最初的機(jī)械手已經(jīng)無(wú)法滿足要求，需要向智能機(jī)器人方向快速進(jìn)化。對(duì)于機(jī)器人而言，它是獨(dú)立存在的智能系統(tǒng)，應(yīng)具備感知能力、決策能力與執(zhí)行能力。另外，很多較為復(fù)雜的任務(wù)往往要采用多個(gè)機(jī)器人來(lái)進(jìn)行處理，這就對(duì)協(xié)同管控提出了一定要求，使包含模式識(shí)別、機(jī)器學(xué)習(xí)與專家系統(tǒng)在內(nèi)的技術(shù)得到深入應(yīng)用[3]。

其中，模式識(shí)別主要用于感知功能方面，通過(guò)模式識(shí)別，能使機(jī)器人在感官的作用下對(duì)外部信息進(jìn)行接收，同時(shí)對(duì)這些信息進(jìn)行識(shí)別與理解，除基本的文字信息，還包括聲音與圖像。通常而言，模式識(shí)別要先后經(jīng)歷以下步驟：采集各類信息、信息預(yù)處理、信息特征和基本單元的提取、最后完成模式分類。

機(jī)器學(xué)習(xí)主要用于使機(jī)器人對(duì)環(huán)境發(fā)生的變化予以解讀，同時(shí)對(duì)自身的動(dòng)作實(shí)施規(guī)劃，并給出決策，確保機(jī)器人在不斷變化的環(huán)境當(dāng)中可以持續(xù)完成自我學(xué)習(xí)與提高，進(jìn)而順利完成復(fù)雜度較高的任務(wù)。對(duì)于機(jī)器學(xué)習(xí)，可將其分成以下兩類：第一類是有監(jiān)督學(xué)習(xí)，一般在有明確輸入輸出情況下使用，包括決策樹(shù)與神經(jīng)網(wǎng)絡(luò)；第二類為無(wú)監(jiān)督學(xué)習(xí)，一般在無(wú)明確輸入輸出條件下使用，包括強(qiáng)化學(xué)習(xí)與進(jìn)化學(xué)習(xí)。比如，對(duì)機(jī)器人的路徑進(jìn)行規(guī)劃的過(guò)程中，可通過(guò)對(duì)遺傳和蟻群算法的應(yīng)用，使在一定條件的不斷約束下，確保機(jī)器人迅速找到最佳路徑[4]。

圖1 機(jī)器人控制專家系統(tǒng)

除此之外，因機(jī)器人動(dòng)力學(xué)具有時(shí)變形和非線性，所以在它的控制模型當(dāng)中，所有參數(shù)都只能通過(guò)計(jì)算確定，計(jì)算量極大，完成計(jì)算需要的時(shí)間很難滿足反應(yīng)速度要求。機(jī)器人控制專家系統(tǒng)如圖1所示，通過(guò)將專家系統(tǒng)和普通控制系統(tǒng)充分結(jié)合到一起，能有效減少實(shí)際計(jì)算量，起到有效提高反應(yīng)速度的作用。

2.3 智能工藝規(guī)劃

在各先進(jìn)制造裝備正大量投入使用，制造工藝路線自身柔性與加工效率將得到有效提高，然而，因有色金屬制造產(chǎn)品的種類越來(lái)越多，使產(chǎn)品工藝規(guī)劃變得十分復(fù)雜，采用CAPP等傳統(tǒng)方法無(wú)法滿足要求，表現(xiàn)為不能對(duì)制造環(huán)境發(fā)生的變化進(jìn)行快速反饋。在這種情況下，需要在有色金屬產(chǎn)品加工制造過(guò)程中引入人工智能技術(shù)[5]。

在CAPP當(dāng)中，人工智能技術(shù)主要用于建立并管理知識(shí)庫(kù)。以專家系統(tǒng)為基礎(chǔ)，為不同任務(wù)提供不同決策，并借助專家系統(tǒng)對(duì)接收到的所有信息實(shí)施推理。某些復(fù)雜程度較高的工藝，其知識(shí)具有很強(qiáng)的不確定性及模糊性，此時(shí)可通過(guò)對(duì)遺傳算法和模糊邏輯的充分結(jié)合來(lái)實(shí)現(xiàn)建模及求解。

2.4 智能調(diào)度

有色金屬產(chǎn)品制造系統(tǒng)在生產(chǎn)調(diào)度方面通常具備復(fù)雜程度高、多目標(biāo)性與不確定性，對(duì)于調(diào)度優(yōu)化問(wèn)題，它屬于NP-Hard問(wèn)題，這種問(wèn)題采用傳統(tǒng)方法很難找出最優(yōu)解。而利用人工智能技術(shù)進(jìn)行優(yōu)化，或和運(yùn)籌學(xué)充分結(jié)合，能有效解決以上問(wèn)題。

在調(diào)度問(wèn)題方面引入人工智能技術(shù)，可分成以下兩類：第一類是集中式方法，即利用模糊邏輯和專家系統(tǒng)大幅提高空間檢索效率，比如對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，能使網(wǎng)絡(luò)以生產(chǎn)特征為依據(jù)，選擇適宜的評(píng)價(jià)指標(biāo)及調(diào)度策略；另外，在推理機(jī)和知識(shí)庫(kù)的支持下，還能在決策處理時(shí)根據(jù)定性及定量知識(shí)，自動(dòng)生成啟發(fā)式的各類規(guī)則，最后根據(jù)信息確定最優(yōu)規(guī)則。但是需要注意，該方法智能加快實(shí)際求解速度，由于柔性和魯棒性尚不足，所以并不能從本質(zhì)上解決問(wèn)題；第二類是分布式方法，它將MAS系統(tǒng)作為基礎(chǔ)，結(jié)合其它方法，如遺傳算法和蟻群算法，通過(guò)對(duì)問(wèn)題的逐層分解和彼此協(xié)商，使復(fù)雜度極高的問(wèn)題變得簡(jiǎn)化，同時(shí)充分利用智能體具有的自主性與協(xié)作性，基于系統(tǒng)總目標(biāo)，對(duì)單獨(dú)的子問(wèn)題進(jìn)行求解[6]。

2.5 智能測(cè)量

采用傳統(tǒng)測(cè)量裝置與系統(tǒng)對(duì)輸入信號(hào)進(jìn)行處理時(shí)，一般是在建立普通數(shù)學(xué)模型基礎(chǔ)上利用規(guī)范算法，然而，因算法難度較高且十分復(fù)雜，所以在一些特殊情況中難以對(duì)問(wèn)題實(shí)施規(guī)范化表達(dá)。將人工智能技術(shù)應(yīng)用到測(cè)量系統(tǒng)后，以上問(wèn)題能被有效的解決。通過(guò)對(duì)人工智能技術(shù)的分析和應(yīng)用，能對(duì)現(xiàn)有與歷史數(shù)據(jù)實(shí)施智能分析及處理，并從不同的層次上使測(cè)量整個(gè)過(guò)程抽象化，以此提高測(cè)量系統(tǒng)自身性能與運(yùn)行效率，并擴(kuò)展其它功能[7]。

另外，遺傳算法、人工神經(jīng)網(wǎng)絡(luò)及模糊邏輯能實(shí)現(xiàn)多傳感器融合，即對(duì)從不同傳感器獲取的數(shù)據(jù)實(shí)施綜合處理。比如，對(duì)自組織映射與神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合，實(shí)現(xiàn)分類及識(shí)別，把傳統(tǒng)方法整個(gè)過(guò)程通過(guò)擬合化變成分段擬合，以此降低算法自身復(fù)雜程度，保證信號(hào)識(shí)別率。在這種情況下，如果傳感器產(chǎn)生短暫故障，借助人工智能技術(shù)，能及時(shí)發(fā)現(xiàn)，并立即警報(bào)和隔離，發(fā)出對(duì)備用器件進(jìn)行啟動(dòng)的信號(hào)，同時(shí)通過(guò)對(duì)其它信息的應(yīng)用，有效彌補(bǔ)丟失信息。

2.6 智能人機(jī)協(xié)作

對(duì)于整套智能制作系統(tǒng)而言，做到完全的無(wú)人化，不是它的最終需要，最終需要是使資源可以與操作人員之間實(shí)現(xiàn)通力協(xié)作，一同構(gòu)成完整的智能系統(tǒng)，采用高質(zhì)量與高效方式達(dá)到預(yù)期的目標(biāo)。不同于普通人機(jī)工程學(xué)，智能交互過(guò)程中，人機(jī)處在相同的地位，很多時(shí)候都需要人工為智能系統(tǒng)提供輔助才能完成那些復(fù)雜性很高的任務(wù)，也有時(shí)候完全借助機(jī)器來(lái)完成任務(wù)，使工人完成自動(dòng)化難以實(shí)現(xiàn)的復(fù)雜工序，包括夾具的裝卸、劃線定位與產(chǎn)品翻面。此外，那些只靠常識(shí)與以往經(jīng)驗(yàn)即可解決的任務(wù)，現(xiàn)場(chǎng)的操作人員同樣可以通過(guò)交互來(lái)控制系統(tǒng)，以此省略感知和計(jì)算等復(fù)雜的過(guò)程，使制造系統(tǒng)實(shí)際運(yùn)行效率得以大幅提升[8]。

2.7 智能管理

因普通企業(yè)管理系統(tǒng)很難滿足新時(shí)期企業(yè)在管理與業(yè)務(wù)上提出的要求，特別是半結(jié)構(gòu)化與非結(jié)構(gòu)化方面的復(fù)雜問(wèn)題。通過(guò)對(duì)決策支持、知識(shí)庫(kù)與專家系統(tǒng)的引入，能構(gòu)建以人工智能技術(shù)為核心的應(yīng)用平臺(tái)，對(duì)不同的內(nèi)外部數(shù)據(jù)進(jìn)行綜合分析，參考現(xiàn)有各類知識(shí)和規(guī)則，為企業(yè)的管理人員提供幫助，制定合理有效的決策支持，避免由于決策失誤產(chǎn)生浪費(fèi)和風(fēng)險(xiǎn)，進(jìn)而提高企業(yè)在市場(chǎng)中的綜合競(jìng)爭(zhēng)力。

3 結(jié)束語(yǔ)

綜上所述，伴隨感知與網(wǎng)絡(luò)通信等不同先進(jìn)技術(shù)的快速發(fā)展，通過(guò)十余年的優(yōu)化與發(fā)展，人工智能技術(shù)正從理論快速過(guò)渡至實(shí)踐，在有色金屬生產(chǎn)制造當(dāng)中充分發(fā)揮出各項(xiàng)優(yōu)勢(shì)。作為有色行業(yè)制造改革重要話題，智能制造將在后續(xù)發(fā)展中得到更廣泛的應(yīng)用。對(duì)人工智能技術(shù)相關(guān)理論進(jìn)行深入研究，并將日益成熟的理論應(yīng)用到日趨復(fù)雜的有色金屬產(chǎn)品制造系統(tǒng)當(dāng)中，滲透至每一個(gè)生產(chǎn)制造環(huán)節(jié)，能實(shí)現(xiàn)本質(zhì)的智能制造目標(biāo)。