探討人工智能技術在有色行業智能制造中的應用

鄢鐵強

（長沙有色冶金設計研究院有限公司，湖南 長沙 410000）

制造業是我國經濟快速發展重要基礎，也是有效增強我國競爭力的有效方式，是不同高新技術主要載體，能充分體現出高新技術應用水平。伴隨人工智能技術不斷應用，制造專業知識與基本信息的獲取、表達及存儲都成為現實，生產模式也因此得到全面改變。對于智能制造，它實際上就是將傳統制造、計算機、網絡和自動化等技術充分結合到一起，在面向產品的全壽命周期基礎上，在凡在感知這一條件下實現信息化制造。

1 有色金屬與有色行業

金屬是一種有光澤、可導電、導熱，溫度電阻系數為正的物質，目前世界范圍內共存在86種不同的金屬。一般情況下，人們將金屬簡單的分成以下兩類：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。基于此，所謂黑色冶金工業即為鋼鐵工業。另外，因最常見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中，還可按照不同的原則進行分類，比如，若按照比重，當比重小于5時，被稱作輕金屬，如鋁、鎂、鋰、鈉、鉀，當比重大于5時，被稱作重金屬，如銅、鋅、鎳、汞、錫、鉛；由于金、銀、鉑的價格比較昂貴，所以被稱作貴金屬，而鐳、鈾、钚等具有很強的放射性，所以被稱作放射性金屬。另外，某些金屬在地殼當中的含量很低，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，全球經濟正在衰退，房地產與汽車業也持續低迷，這使得有色金屬的價格如同“高臺跳水”，比如，電解鋁和氧化鋁的市場價格降低了約50%，銅的市場價格降低了約70%，各大生產企業的庫存大幅增加，經濟效益明顯下滑，使流動資金越來越緊張，隨時面臨減產和停產。為了從根本上解決以上問題，首先，要穩定并逐步擴大國內市場規模，對出口環境予以改善；其次，從技術方面著手，通過對人工智能技術的引入，使有色行業制造盡早實現智能化，以此降低制造成本，提高制造效率。

2 有色行業智能制造對人工智能技術具體應用

2.1 智能設計和加工

有色金屬產品設計需要具備創造力，在確定綜合決策后，還要進行不斷的迭代和尋優。將人工智能技術用于有色金屬產品設計，能使過去的連續變量和混合離散變量兩種設計模式變成隨機變量和模糊變量優化。通過對模糊數學等新理論的合理應用，能對設計過程中精確度較低的經驗數據實施簡化，并借助蟻群和遺傳算法，使產品設計做到性能模擬、運動分析和對功能的仿真及評價，以此在最大程度上符合現階段有色金屬產品設計提出的智能化要求與自動化要求[2]。

此外，有色金屬制造產品的功能越來越多樣，這使得產品加工困難程度不斷提高，主要表現為具有時變形與非線性。在這種情況下，產品加工時的關鍵特性將難以使用簡單的數學模型來描述。由于人工神經網絡具備自學習與自組織功能，并且可對知識予以隱式表達，所以能建立產品加工時的參數預測數學模型，同時對加工的過程予以動態跟蹤。比如，對于刀具狀態監控，利用具備監督學習功能的神經網絡，能在加工時對刀具實際狀態實施自動識別；若能借助無監督功能的神經網絡，則不僅能實現狀態監測，還能加快結果收斂速度，使系統具備更高水平的自組織能力、自適應能力與柔性。

2.2 智能機器人

智能機器人在人工智能領域中是一個十分重要的分支，無論是機器人還是機械人學，均受到人們的關注和重視。在當前的有色金屬制造領域，由于任務復雜程度越來越高，作業環境趨于多變，所以對機器人提出了更高要求，最初的機械手已經無法滿足要求，需要向智能機器人方向快速進化。對于機器人而言，它是獨立存在的智能系統，應具備感知能力、決策能力與執行能力。另外，很多較為復雜的任務往往要采用多個機器人來進行處理，這就對協同管控提出了一定要求，使包含模式識別、機器學習與專家系統在內的技術得到深入應用[3]。

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

機器學習主要用于使機器人對環境發生的變化予以解讀，同時對自身的動作實施規劃，并給出決策，確保機器人在不斷變化的環境當中可以持續完成自我學習與提高，進而順利完成復雜度較高的任務。對于機器學習，可將其分成以下兩類：第一類是有監督學習，一般在有明確輸入輸出情況下使用，包括決策樹與神經網絡；第二類為無監督學習，一般在無明確輸入輸出條件下使用，包括強化學習與進化學習。比如，對機器人的路徑進行規劃的過程中，可通過對遺傳和蟻群算法的應用，使在一定條件的不斷約束下，確保機器人迅速找到最佳路徑[4]。

圖1 機器人控制專家系統

除此之外，因機器人動力學具有時變形和非線性，所以在它的控制模型當中，所有參數都只能通過計算確定，計算量極大，完成計算需要的時間很難滿足反應速度要求。機器人控制專家系統如圖1所示，通過將專家系統和普通控制系統充分結合到一起，能有效減少實際計算量，起到有效提高反應速度的作用。

2.3 智能工藝規劃

在各先進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，因有色金屬制造產品的種類越來越多，使產品工藝規劃變得十分復雜，采用CAPP等傳統方法無法滿足要求，表現為不能對制造環境發生的變化進行快速反饋。在這種情況下，需要在有色金屬產品加工制造過程中引入人工智能技術[5]。

在CAPP當中，人工智能技術主要用于建立并管理知識庫。以專家系統為基礎，為不同任務提供不同決策，并借助專家系統對接收到的所有信息實施推理。某些復雜程度較高的工藝，其知識具有很強的不確定性及模糊性，此時可通過對遺傳算法和模糊邏輯的充分結合來實現建模及求解。

2.4 智能調度

有色金屬產品制造系統在生產調度方面通常具備復雜程度高、多目標性與不確定性，對于調度優化問題，它屬于NP-Hard問題，這種問題采用傳統方法很難找出最優解。而利用人工智能技術進行優化，或和運籌學充分結合，能有效解決以上問題。

在調度問題方面引入人工智能技術，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大幅提高空間檢索效率，比如對人工神經網絡進行訓練，能使網絡以生產特征為依據，選擇適宜的評價指標及調度策略；另外，在推理機和知識庫的支持下，還能在決策處理時根據定性及定量知識，自動生成啟發式的各類規則，最后根據信息確定最優規則。但是需要注意，該方法智能加快實際求解速度，由于柔性和魯棒性尚不足，所以并不能從本質上解決問題；第二類是分布式方法，它將MAS系統作為基礎，結合其它方法，如遺傳算法和蟻群算法，通過對問題的逐層分解和彼此協商，使復雜度極高的問題變得簡化，同時充分利用智能體具有的自主性與協作性，基于系統總目標，對單獨的子問題進行求解[6]。

2.5 智能測量

采用傳統測量裝置與系統對輸入信號進行處理時，一般是在建立普通數學模型基礎上利用規范算法，然而，因算法難度較高且十分復雜，所以在一些特殊情況中難以對問題實施規范化表達。將人工智能技術應用到測量系統后，以上問題能被有效的解決。通過對人工智能技術的分析和應用，能對現有與歷史數據實施智能分析及處理，并從不同的層次上使測量整個過程抽象化，以此提高測量系統自身性能與運行效率，并擴展其它功能[7]。

另外，遺傳算法、人工神經網絡及模糊邏輯能實現多傳感器融合，即對從不同傳感器獲取的數據實施綜合處理。比如，對自組織映射與神經網絡進行結合，實現分類及識別，把傳統方法整個過程通過擬合化變成分段擬合，以此降低算法自身復雜程度，保證信號識別率。在這種情況下，如果傳感器產生短暫故障，借助人工智能技術，能及時發現，并立即警報和隔離，發出對備用器件進行啟動的信號，同時通過對其它信息的應用，有效彌補丟失信息。

2.6 智能人機協作

對于整套智能制作系統而言，做到完全的無人化，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現通力協作，一同構成完整的智能系統，采用高質量與高效方式達到預期的目標。不同于普通人機工程學，智能交互過程中，人機處在相同的地位，很多時候都需要人工為智能系統提供輔助才能完成那些復雜性很高的任務，也有時候完全借助機器來完成任務，使工人完成自動化難以實現的復雜工序，包括夾具的裝卸、劃線定位與產品翻面。此外，那些只靠常識與以往經驗即可解決的任務，現場的操作人員同樣可以通過交互來控制系統，以此省略感知和計算等復雜的過程，使制造系統實際運行效率得以大幅提升[8]。

2.7 智能管理

因普通企業管理系統很難滿足新時期企業在管理與業務上提出的要求，特別是半結構化與非結構化方面的復雜問題。通過對決策支持、知識庫與專家系統的引入，能構建以人工智能技術為核心的應用平臺，對不同的內外部數據進行綜合分析，參考現有各類知識和規則，為企業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生浪費和風險，進而提高企業在市場中的綜合競爭力。

3 結束語

綜上所述，伴隨感知與網絡通信等不同先進技術的快速發展，通過十余年的優化與發展，人工智能技術正從理論快速過渡至實踐，在有色金屬生產制造當中充分發揮出各項優勢。作為有色行業制造改革重要話題，智能制造將在后續發展中得到更廣泛的應用。對人工智能技術相關理論進行深入研究，并將日益成熟的理論應用到日趨復雜的有色金屬產品制造系統當中，滲透至每一個生產制造環節，能實現本質的智能制造目標。