D0I:10.13374/1.issnl00103.2008.05.001 第30卷第5期 北京科技大学学报 Vol.30 No.5 2008年5月 Journal of University of Science and Technology Beijing My2008 专家系统在电炉炼钢工艺中的应用 姜静2)孙铁)美琳3) 1)北京科技大学信息工程学院，北京1000832)山东理工大学电气与电子工程学院，淄博255049 3)河南安阳钢铁公司第二炼钢厂，安阳455004 摘要把可拓学中定量化描述解决矛盾问题过程的工具一关联函数一引入到电弧炉可拓专家系统中，用以解决电炉 出钢前钢水成分不合格的矛盾问题·电弧炉终点目标神经网络预报模型作为可拓专家系统评价机构的基础·终点预报模型 用混合遗传算法训练，达到了较高的预报精度·仿真结果表明电炉可拓专家系统可以指导技术人员进行更合理的炼钢操作。 关键词电弧炉：电炉炼钢：预报模型：关联函数：专家系统 分类号TF741.5:TP18 Application of an expert system to arc furnace steel-making JIA NG Jing),SUN Tie),JIA NG Lin2) 1)School of Information Engineering.University of Science and Technology Beijing.Beijing 100083.China 2)The Second Steel Plant of Anyang Iron&Steel Corporation,Anyang 455004.China ABSTRACT The correlation function,a means to quantitatively describe contradictory problems.was introduced into an arc furnace expert system to distinguish if the composition of molten steel was qualified before tapping.The neural network prediction model was used as an evaluation basis of the arc furnace expert system.which was trained by the hybrid genetic algorithm to a high precision. Simulation results show that many reasonable advices can be given to operators in steel-making process by the expert system. KEY WORDS arc furnace:electric furnace steelmaking:prediction model:correlation function:expert system 现代炼钢工艺只在电弧炉中保留了熔化、升温 建模被认为是对具有非线性、复杂性的“黑箱”建模 和必要的精炼（如脱磷、脱碳），而把其余的精炼过程 的最有前途的方法之一， 均移到二次精炼工序中进行，现代电弧炉冶炼工艺 在人工神经网络的实际应用中，80%~90%的 以为炉外精炼提供成分、温度都符合要求的初炼钢 神经网络模型采用BP网络或它的变化形式，它是 液为前提山，因此应有良好的冶金操作相配合，钢 前馈网络的核心部分，BP算法用于局部搜索时比 包完全可以对钢液进行成分、温度、夹杂物、气体含 较有效，而遗传算法擅长全局搜索，典型的遗传算 量等的严格控制)，为电弧炉初炼钢液提供各种最 法训练中，起初算法收敛得很快，然而得到进一步的 佳精炼条件，以满足用户对钢材质量越来越严格的 改善却非常困难山，将遗传算法和基于梯度下降的 要求，电弧炉冶炼的主要任务是确保钢液中含碳 BP算法相结合的混合训练算法可以综合两种算法 量、含磷量和温度达到要求的终点目标值，对电 的优点·首先用遗传算法对初始权值分布进行优 弧炉冶炼终点主要技术指标进行预报，可以实现更 化，在解空间中定位出一个较好的搜索空间，然后采 合理操作并提高炼钢过程生产率， 用BP算法在这个小的解空间中搜索出最优解， 电弧炉炼钢过程的物理化学反应过程难以用数 这种混合训练算法在缩短训练时间的同时提高了训 学描述，参数耦合关系极其复杂，而且是时变、非线 练的精度· 性和分布参数的多输入多输出系统，而用神经网络 在电弧炉冶炼工艺中，出钢前需要对钢水进行 测温取样操作，如果钢水的温度、碳含量和磷含量 收稿日期：2007-03-11修回日期：2007-04-05 在目标范围内，进行出钢操作；如果出钢前钢水测温 作者简介：姜静(1974一)女，博士研究生：孙铁(1952一)， 取样分析后目标值不合格，则继续进行钢水冶炼过 男，教授，E-mail:suntiel605@163.com 程，电弧炉可拓专家系统把可拓学中的关联函数和
专家系统在电炉炼钢工艺中的应用 姜 静12） 孙 铁1） 姜 琳3） 1）北京科技大学信息工程学院北京100083 2）山东理工大学电气与电子工程学院淄博255049 3）河南安阳钢铁公司第二炼钢厂安阳455004 摘 要 把可拓学中定量化描述解决矛盾问题过程的工具———关联函数———引入到电弧炉可拓专家系统中用以解决电炉 出钢前钢水成分不合格的矛盾问题．电弧炉终点目标神经网络预报模型作为可拓专家系统评价机构的基础．终点预报模型 用混合遗传算法训练达到了较高的预报精度．仿真结果表明电炉可拓专家系统可以指导技术人员进行更合理的炼钢操作． 关键词 电弧炉；电炉炼钢；预报模型；关联函数；专家系统 分类号 TF741．5；TP18 Application of an expert system to arc furnace stee-l making JIA NG Jing 1）SUN Tie 1）JIA NG Lin 2） 1） School of Information EngineeringUniversity of Science and Technology BeijingBeijing100083China 2） The Second Steel Plant of Anyang Iron ＆ Steel CorporationAnyang455004China ABSTRACT T he correlation functiona means to quantitatively describe contradictory problemswas introduced into an arc furnace expert system to distinguish if the composition of molten steel was qualified before tapping．T he neural network prediction model was used as an evaluation basis of the arc furnace expert systemwhich was trained by the hybrid genetic algorithm to a high precision． Simulation results show that many reasonable advices can be given to operators in stee-l making process by the expert system． KEY WORDS arc furnace；electric furnace steelmaking；prediction model；correlation function；expert system 收稿日期：2007-03-11 修回日期：2007-04-05 作者简介：姜 静（1974—）女博士研究生；孙 铁（1952—） 男教授E-mail：suntie1605＠163．com 现代炼钢工艺只在电弧炉中保留了熔化、升温 和必要的精炼（如脱磷、脱碳）而把其余的精炼过程 均移到二次精炼工序中进行．现代电弧炉冶炼工艺 以为炉外精炼提供成分、温度都符合要求的初炼钢 液为前提［1］因此应有良好的冶金操作相配合．钢 包完全可以对钢液进行成分、温度、夹杂物、气体含 量等的严格控制［2］为电弧炉初炼钢液提供各种最 佳精炼条件以满足用户对钢材质量越来越严格的 要求．电弧炉冶炼的主要任务是确保钢液中含碳 量、含磷量和温度达到要求的终点目标值［3］．对电 弧炉冶炼终点主要技术指标进行预报可以实现更 合理操作并提高炼钢过程生产率． 电弧炉炼钢过程的物理化学反应过程难以用数 学描述参数耦合关系极其复杂而且是时变、非线 性和分布参数的多输入多输出系统．而用神经网络 建模被认为是对具有非线性、复杂性的“黑箱”建模 的最有前途的方法之一． 在人工神经网络的实际应用中80％～90％的 神经网络模型采用 BP 网络或它的变化形式它是 前馈网络的核心部分．BP 算法用于局部搜索时比 较有效而遗传算法擅长全局搜索．典型的遗传算 法训练中起初算法收敛得很快然而得到进一步的 改善却非常困难［4］．将遗传算法和基于梯度下降的 BP 算法相结合的混合训练算法可以综合两种算法 的优点．首先用遗传算法对初始权值分布进行优 化在解空间中定位出一个较好的搜索空间然后采 用 BP 算法在这个小的解空间中搜索出最优解［5］ 这种混合训练算法在缩短训练时间的同时提高了训 练的精度． 在电弧炉冶炼工艺中出钢前需要对钢水进行 测温取样操作．如果钢水的温度、碳含量和磷含量 在目标范围内进行出钢操作；如果出钢前钢水测温 取样分析后目标值不合格则继续进行钢水冶炼过 程．电弧炉可拓专家系统把可拓学中的关联函数和 第30卷 第5期 2008年 5月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．30No．5 May2008 DOI:10．13374／j．issn1001－053x．2008．05．001
.572 北京科技大学学报 第30卷 物元变换方法引入到专家系统中，解决Q235B普碳 (2)随机联赛选择.个体遗传到下一代的几率 钢出钢前钢水测温取样分析后终点目标值不合格的 与其适应度值是成正比的，即适应度越高的个体被 矛盾问题，由于关联函数不仅能表示集合中的元素 选择作为父辈的机会越大[门，随机联赛选择是基于 属于该集合的程度，而且能表示集合外的元素转化 个体适应度之间大小关系的选择方法，每次选择时， 到该集合中的可能程度，关联函数的引入为解决矛 从群体中随机选取两个个体进行适应度大小的比 盾问题提供了定量化的计算方法， 较，将其中适应度高的个体遗传到下一代群体中. 重复上述过程M次，就可以得到下一代群体中的 1 电弧炉冶炼终点目标预报模型 M个个体. 作为课题研究背景的某电炉炼钢厂：废钢采购 (③)交叉和变异，实数编码并不排除单点或多 源较稳定，实现了分类堆放；铁水由厂内高炉供给； 点交叉，这些交叉算子并不依赖于二进制编码表示， 炼钢车间配有混铁炉；铁水温度和成分稳定，可以忽 它们同样可以作用在实数表示的个体上，但杂交位 略废钢和铁水中成分的波动等因素的影响，通过对 置只允许选在各个实数分量之间处[8] 电炉冶炼工艺过程进入深入分析，确定以装入废钢 交叉选用单点交叉方法，如x和y是两个选中 量、铁水量、电耗、烧嘴氧耗、烧嘴油耗、碳氧枪吹氧 进行交叉的父代个体，x={x1,x2,…,x,x+1,… 量作为预报模型的输入量，对电弧炉冶炼终点温度、 x93},y=y1,y2,…,y:,y+1,…,y93,i为随机选 碳含量和磷含量进行预报.隐层神经元节点数目由 中的交叉点，单点交叉运算后得到的两个新个体是 经验公式确定为9.经验公式为： x=y1,y2,…,y,x+1,,x9g和y=x1,x2, n=N:十n。十a (1) ,xi,y+1,…,y93{.如染色体x中的第k个实数 式中，n为隐层节点数，n:为输入节点数，n。为输出 分量被选中作变异，则变异操作后染色体为x'= 节点数，a为1~10之间的常数，电炉冶炼终点目 x1,…,xk,…,x93,其中xk是预报模型权值或阈 标预报模型为69-3结构. 值定义域中的一个随机值， 用遗传算法训练神经网络预报模型的步骤 种群通过选择、交叉、变异等不断演化，产生出 如下， 新的更加优良的种群，经过若干代的进化，若误差能 (1)编码和适应度函数的确定，遗传算法中常 量函数E的值小于某预定值，则遗传算法优化权值 用的编码方法有二进制编码和实数编码.二进制编 过程终止，终止时最优个体解码作为BP算法训练 码存在着连续函数离散化时的映射误差，个体编码 时的初始权值和阈值，用BP算法继续对预报模型 串的长度较短时，可能达不到精度的要求；个体编码 的权值进行优化 串的长度较大时，虽然能提高编码精度，但却会使遗 从某电炉炼钢厂现场收集到的1033炉次数据 传算法的搜索空间急剧扩大，二进制编码在编码和 中，筛选出621炉钢种为Q235B普碳钢炉况数据作 解码的过程中花费大量的时间，实数编码是连续参 为训练和测试预报模型的数据基础，其中421炉次 数优化问题的直接的自然描述，不存在编码和解码 数据用于训练模型，200炉次数据用于对模型测试， 问题]，神经网络的联结权系数在连续实数域内分 每炉次钢可得到的初始条件、过程信息和终点结果 布，对于实数域内的寻优问题实数编码优于二进制 的信息包括计划钢种、炉号、装入废钢重量，装入的 编码，电弧炉冶炼终点目标预报模型联结权系数和 铁水量、石灰和轻烧白云石重量，熔清钢水温度和成 阈值数目之和为93，种群规模为60个个体，种群可 分、烧嘴氧耗和油耗、出钢量、出钢温度和成分、碳氧 以用60×93实数矩阵表示. 枪喷加的碳粉和氧耗、冶炼时间、送电时间和电耗 适应度函数定义为： 等，为了消除不同变量因量纲或量级不同对网络训 练造成的影响，必须对预报模型的输入量和输出量 F=1十E (2) 数据按下式进行归一化处理： 式中，E为网络学习的误差能量函数，定义为： 22 X (4) (3) 式中，X:为数据i的归一化结果，x:为数据i的实 式中，y为第i个样本下的期望输出值，y为第i个 际数据，xmim为参数的最小值，xmax为参数的最 样本下神经网络的实际输出值，M为训练样本的数 大值 目，为神经网络输出层节点数， 相应地，神经网络计算结果需参考归一化公式
物元变换方法引入到专家系统中解决 Q235B 普碳 钢出钢前钢水测温取样分析后终点目标值不合格的 矛盾问题．由于关联函数不仅能表示集合中的元素 属于该集合的程度而且能表示集合外的元素转化 到该集合中的可能程度关联函数的引入为解决矛 盾问题提供了定量化的计算方法． 1 电弧炉冶炼终点目标预报模型 作为课题研究背景的某电炉炼钢厂：废钢采购 源较稳定实现了分类堆放；铁水由厂内高炉供给； 炼钢车间配有混铁炉；铁水温度和成分稳定可以忽 略废钢和铁水中成分的波动等因素的影响．通过对 电炉冶炼工艺过程进入深入分析确定以装入废钢 量、铁水量、电耗、烧嘴氧耗、烧嘴油耗、碳氧枪吹氧 量作为预报模型的输入量对电弧炉冶炼终点温度、 碳含量和磷含量进行预报．隐层神经元节点数目由 经验公式确定为9．经验公式为： n＝ ni＋ no＋ a （1） 式中n 为隐层节点数ni 为输入节点数no 为输出 节点数a 为1～10之间的常数．电炉冶炼终点目 标预报模型为6—9—3结构． 用遗传算法训练神经网络预报模型的步骤 如下． （1）编码和适应度函数的确定．遗传算法中常 用的编码方法有二进制编码和实数编码．二进制编 码存在着连续函数离散化时的映射误差个体编码 串的长度较短时可能达不到精度的要求；个体编码 串的长度较大时虽然能提高编码精度但却会使遗 传算法的搜索空间急剧扩大．二进制编码在编码和 解码的过程中花费大量的时间实数编码是连续参 数优化问题的直接的自然描述不存在编码和解码 问题［6］．神经网络的联结权系数在连续实数域内分 布对于实数域内的寻优问题实数编码优于二进制 编码．电弧炉冶炼终点目标预报模型联结权系数和 阈值数目之和为93种群规模为60个个体种群可 以用60×93实数矩阵表示． 适应度函数定义为： F＝ 1 1＋ E （2） 式中E 为网络学习的误差能量函数定义为： E＝ 1 2 ∑ M i＝1 ∑ 3 j＝1 （ yij—y′ij） 2 （3） 式中yij为第 i 个样本下的期望输出值y′ij为第 i 个 样本下神经网络的实际输出值M 为训练样本的数 目j 为神经网络输出层节点数． （2）随机联赛选择．个体遗传到下一代的几率 与其适应度值是成正比的即适应度越高的个体被 选择作为父辈的机会越大［7］．随机联赛选择是基于 个体适应度之间大小关系的选择方法每次选择时 从群体中随机选取两个个体进行适应度大小的比 较将其中适应度高的个体遗传到下一代群体中． 重复上述过程 M 次就可以得到下一代群体中的 M 个个体． （3）交叉和变异．实数编码并不排除单点或多 点交叉这些交叉算子并不依赖于二进制编码表示 它们同样可以作用在实数表示的个体上但杂交位 置只允许选在各个实数分量之间处［8］． 交叉选用单点交叉方法如 x 和 y 是两个选中 进行交叉的父代个体x＝｛x1x2…xixi＋1… x93｝y＝｛y1y2…yiyi＋1…y93｝i 为随机选 中的交叉点单点交叉运算后得到的两个新个体是 x ∗＝｛y1y2…yixi＋1…x93｝和 y ∗＝｛x1x2 …xiyi＋1…y93｝．如染色体 x 中的第 k 个实数 分量被选中作变异则变异操作后染色体为 x′＝ ｛x1…x′k…x93｝其中 x′k 是预报模型权值或阈 值定义域中的一个随机值． 种群通过选择、交叉、变异等不断演化产生出 新的更加优良的种群经过若干代的进化若误差能 量函数 E 的值小于某预定值则遗传算法优化权值 过程终止终止时最优个体解码作为 BP 算法训练 时的初始权值和阈值用 BP 算法继续对预报模型 的权值进行优化． 从某电炉炼钢厂现场收集到的1033炉次数据 中筛选出621炉钢种为 Q235B 普碳钢炉况数据作 为训练和测试预报模型的数据基础其中421炉次 数据用于训练模型200炉次数据用于对模型测试． 每炉次钢可得到的初始条件、过程信息和终点结果 的信息包括计划钢种、炉号、装入废钢重量装入的 铁水量、石灰和轻烧白云石重量熔清钢水温度和成 分、烧嘴氧耗和油耗、出钢量、出钢温度和成分、碳氧 枪喷加的碳粉和氧耗、冶炼时间、送电时间和电耗 等．为了消除不同变量因量纲或量级不同对网络训 练造成的影响必须对预报模型的输入量和输出量 数据按下式进行归一化处理： Xi＝ xi— xmin xmax— xmin （4） 式中Xi 为数据 i 的归一化结果xi 为数据 i 的实 际数据xmin 为参数的最小值xmax 为参数的最 大值． 相应地神经网络计算结果需参考归一化公式 ·572· 北 京 科 技 大 学 学 报 第30卷
第5期 姜静等：专家系统在电炉炼钢工艺中的应用 .573 逆变换为实际生产数据 用混合遗传算法对电炉终点目标预报模型进行 R- v2 心 训练后，对模型进行测试，预报模型命中率和学习过 03 程如表1和图1所示. 式中，下标T、C和P分别表示温度、C含量和P 表1电弧炉终点目标预报模型命中率 含量 Table 1 Hit rate of arc furnace end point aim predictive model 对于Q235B型钢种，目标物元模型中的电炉终 磷含量预报 碳含量预报 温度预报 点钢水温度v1范围要求为1620~1660℃，碳含量 精度/%命中率/%精度/%命中率/%精度/℃命中率/% v2要求为0.07%~0.10%（质量分数），磷含量v3 ±0.004 的 ±0.04 9 ±8 % 要求在0.015%（质量分数）以下，实现目标物元模 ±0.003 87 土0.02 82 士6 90 型的条件用条件物元表示，条件物元集合包括P、 ±0.002 81 ±0.01 9 士4 85 rc和rT 电弧炉冶炼可拓专家系统对专家的经验和知识 102 进行总结，并存储在可拓变换策略集中，如出钢前取 样分析磷含量高，必须进行流渣或放渣去磷，并根据 10 具体情况适量补加石灰；取样分析碳含量高时，对钢 液进行吹氧脱碳操作直至满足工艺要求；出钢前取 109 样分析碳含量低时，对钢液进行喷粉增碳操作. 上述经验知识可以用产生式规则来描述，有： 10- IF系统评价THEN变换方式 10r30 电弧炉可拓专家系统数据库由取样前工艺量 0 20 30 40 50 学习迭代次数 表、取样后工艺量表和控制条件物元数据表组成，三 个数据表间的数据通过具有相同属性的字段“炉号” 图1混合遗传算法训练过程 相互联系，构成一个数据集合体.取样前工艺量表 Fig.1 Training process of the hybrid genetic algorithm 和取样后工艺量表中数据取自冶炼现场出钢前测 从表1和图1可以得出，用混合遗传算法训练 温、取样分析不合格的Q235B型钢种炉次数据.取 预报模型具有较快的学习收敛速度，电炉终点预报 样前工艺量表存储的工艺数据是测温、取样前冶炼 模型具有较高的预报精度和命中率 阶段的工艺数据.取样后工艺量表中存储的是测温 取样后冶炼阶段工艺数据，电弧炉专家系统的设定 2电弧炉治炼可拓专家系统组成 值存储在控制条件物元数据表中，取样前工艺量表 电弧炉冶炼可拓专家系统总体框图如图2. 和控制条件物元数据表中存储数据作为终点预报模 型的输入量，取样后工艺量表中存储数据是人工设 定值，可与控制条件物元数据表中数据即专家系统 可拓变换策略集 点预报模型 关联度计算 评价机构 设定值作比较 可拓知识库 电弧炉冶炼终点温度、碳含量和磷含量经测温、 标物元集合 件物元集合 取样分析后，如果不在目标范围内，则电弧炉专家系 统给出解决矛盾问题的试探性条件物元，根据评价 机构提供的反馈信息（终点预报值关联函数），对解 数据库 决矛盾问题的条件物元进行评价，如果控制条件物 治炼工艺现场 元能使终点目标预报值关联函数从小于0变为大于 0,则接受控制条件物元作为解决矛盾问题的策略， 图2电弧炉可拓专家系统总体框图 Fig.2 Block diagram of the are furnace extensive expert system 否则根据评价机构的反馈信息及专家经验和知识对 控制条件物元进行相应的量值扩缩变换，获得新的 电弧炉可拓专家系统目标物元集合包括三个子 调节量，重复上述过程直至矛盾问题转化成相容 目标物元.目标物元模型为： 问题
逆变换为实际生产数据． 用混合遗传算法对电炉终点目标预报模型进行 训练后对模型进行测试预报模型命中率和学习过 程如表1和图1所示． 表1 电弧炉终点目标预报模型命中率 Table1 Hit rate of arc furnace end point aim predictive model 磷含量预报 碳含量预报 温度预报 精度／％ 命中率／％ 精度／％ 命中率／％ 精度／℃ 命中率／％ ±0．004 95 ±0．04 91 ±8 96 ±0．003 87 ±0．02 82 ±6 90 ±0．002 81 ±0．01 79 ±4 85 图1 混合遗传算法训练过程 Fig．1 Training process of the hybrid genetic algorithm 从表1和图1可以得出用混合遗传算法训练 预报模型具有较快的学习收敛速度电炉终点预报 模型具有较高的预报精度和命中率． 2 电弧炉冶炼可拓专家系统组成 电弧炉冶炼可拓专家系统总体框图如图2． 图2 电弧炉可拓专家系统总体框图 Fig．2 Block diagram of the arc furnace extensive expert system 电弧炉可拓专家系统目标物元集合包括三个子 目标物元．目标物元模型为： R＝ v1 v2 v3 ＝ rT rC rP ． 式中下标 T、C 和 P 分别表示温度、C 含量和 P 含量． 对于 Q235B 型钢种目标物元模型中的电炉终 点钢水温度 v1 范围要求为1620～1660℃碳含量 v2 要求为0∙07％～0∙10％（质量分数）磷含量 v3 要求在0∙015％（质量分数）以下．实现目标物元模 型的条件用条件物元表示条件物元集合包括 rP、 rC 和 rT． 电弧炉冶炼可拓专家系统对专家的经验和知识 进行总结并存储在可拓变换策略集中如出钢前取 样分析磷含量高必须进行流渣或放渣去磷并根据 具体情况适量补加石灰；取样分析碳含量高时对钢 液进行吹氧脱碳操作直至满足工艺要求；出钢前取 样分析碳含量低时对钢液进行喷粉增碳操作． 上述经验知识可以用产生式规则来描述有： IF 系统评价 T HEN 变换方式 电弧炉可拓专家系统数据库由取样前工艺量 表、取样后工艺量表和控制条件物元数据表组成三 个数据表间的数据通过具有相同属性的字段“炉号” 相互联系构成一个数据集合体．取样前工艺量表 和取样后工艺量表中数据取自冶炼现场出钢前测 温、取样分析不合格的 Q235B 型钢种炉次数据．取 样前工艺量表存储的工艺数据是测温、取样前冶炼 阶段的工艺数据．取样后工艺量表中存储的是测温 取样后冶炼阶段工艺数据．电弧炉专家系统的设定 值存储在控制条件物元数据表中．取样前工艺量表 和控制条件物元数据表中存储数据作为终点预报模 型的输入量取样后工艺量表中存储数据是人工设 定值可与控制条件物元数据表中数据即专家系统 设定值作比较． 电弧炉冶炼终点温度、碳含量和磷含量经测温、 取样分析后如果不在目标范围内则电弧炉专家系 统给出解决矛盾问题的试探性条件物元根据评价 机构提供的反馈信息（终点预报值关联函数）对解 决矛盾问题的条件物元进行评价如果控制条件物 元能使终点目标预报值关联函数从小于0变为大于 0则接受控制条件物元作为解决矛盾问题的策略 否则根据评价机构的反馈信息及专家经验和知识对 控制条件物元进行相应的量值扩缩变换获得新的 调节量重复上述过程直至矛盾问题转化成相容 问题． 第5期 姜 静等： 专家系统在电炉炼钢工艺中的应用 ·573·
.574 北京科技大学学报 第30卷 2.1评价机构中关联函数的确定 可拓专家系统可以指导炼钢操作人员进行更合理的 在解决实际问题时，遇到的是各种各样的实际 炼钢操作，避免了物料浪费，平均每炉次钢可节约用 事物，问题的矛盾程度是用事物关于某些量值符合 料8%左右，节约了人力物力 要求的程度来表述的，关联函数的建立使解决矛盾 400 问题的过程定量化成为可能).对Q235B型钢种， 仔人工设定值 日专家系统设定值 建立电弧炉冶炼终点目标值关联函数 350 终点碳含量要求在0.07%~0.10%（质量分 数)，建立其关联函数为： 3004 x-0.07 0.085-0.07 x≤0.085 250 C(x)= (5) 0.1-x 6 200 0.1-0.085 x≥0.085 钢水温度要求在1620~1660℃，建立其关联 1500 10 15 20 25 函数为： 炉次 x-1620 1640-1620 x≤1640 图3吹氧量人工和专家系统设定值比较 T(x)= (6) 1660-x Fig-3 Comparison of oxygen value set by operators and the expert 1660-1640 x≥1640 system 钢水磷含量越低越好，电炉终点磷含量要求在 640 0.015%(质量分数)以下，建立其关联函数为： 620 _0.015-x P(x)=0.015 (7) 600 可拓变换策略集给出解决矛盾问题的设定值 580 后，电弧炉终点预报模型进行终点值预报并根据预 560 报值计算三个子目标的关联函数值，关联函数用定 540 量化的形式描述了事物具有某种性质的程度，若存 520- ⊙ 在子目标关联函数值小于0的情况，说明预报值不 500 在目标范围内；则根据小于0的关联函数值的大小 480 日人工设定值 日专家系统设定值 和专家经验对设定值进行量值扩缩变换，直至三个 4606 1015202530 炉次 子目标预报值关联函数值都大于0. 2.2利用SQL实现可拓变换 图4添加石灰量人工和专家系统设定值比较 通过研究可拓学与关系运算的对应关系，把可 Fig.4 Comparison of lime value set by operators and the expert sys 拓方法与数据库技术相结合，使可拓方法变成可操 tem 作的计算机技术.由于物元集与数据表有一一对应 如果电弧炉出钢前测温、取样分析后钢水成分 关系，从某种角度看，可以说可拓方法是属于理论方 不合格，当前的冶炼工艺是加料后对钢水再次进行 法层次的研究，而$QL中相应的功能则是技术层次 测温、取样操作，取样结果不合格再加料.这样的操 的研究1o]. 作方法经常会出现重复取样、重复加料，有时生产一 电炉专家系统数据库中控制条件物元表中石 炉钢最多取样次数达到10次，导致冶炼时间加长， 灰、吹氧量等设定值的量值扩缩变换用$QL语言的 电耗增加，材料浪费。而电弧炉治炼可拓专家系统 UPDATE语句完成，它的基本语法结构为： 可以对加料操作进行终点目标值预报工作，并根据 UPDATE表名SET字段名1=值1， 预报结果关联函数值由可拓变换策略集对加料量进 字段名2=值2 WHERE更新条件 行调整，从而实现更合理的炼钢操作， 用Q235B型钢种出钢前目标值不合格的炉次 数据对电炉可拓专家系统进行测试，吹氧量和添加 3结语 石灰量人工设定值和专家系统设定值比较见图3， 关联函数用定量化的形式描述了事物具有某种 由图3和图4进行比较可以看出，电弧炉冶炼 性质的程度，关联函数值的大小描述了矛盾的程度
2∙1 评价机构中关联函数的确定 在解决实际问题时遇到的是各种各样的实际 事物．问题的矛盾程度是用事物关于某些量值符合 要求的程度来表述的关联函数的建立使解决矛盾 问题的过程定量化成为可能［9］．对 Q235B 型钢种 建立电弧炉冶炼终点目标值关联函数． 终点碳含量要求在0∙07％～0∙10％（质量分 数）建立其关联函数为： C（ x）＝ x—0∙07 0．085—0．07 x≤0∙085 0∙1— x 0∙1—0∙085 x≥0∙085 （5） 钢水温度要求在1620～1660℃建立其关联 函数为： T（ x）＝ x—1620 1640—1620 x≤1640 1660— x 1660—1640 x≥1640 （6） 钢水磷含量越低越好电炉终点磷含量要求在 0∙015％（质量分数）以下建立其关联函数为： P（ x）＝ 0∙015— x 0∙015 （7） 可拓变换策略集给出解决矛盾问题的设定值 后电弧炉终点预报模型进行终点值预报并根据预 报值计算三个子目标的关联函数值关联函数用定 量化的形式描述了事物具有某种性质的程度．若存 在子目标关联函数值小于0的情况说明预报值不 在目标范围内；则根据小于0的关联函数值的大小 和专家经验对设定值进行量值扩缩变换直至三个 子目标预报值关联函数值都大于0． 2∙2 利用 SQL 实现可拓变换 通过研究可拓学与关系运算的对应关系把可 拓方法与数据库技术相结合使可拓方法变成可操 作的计算机技术．由于物元集与数据表有一一对应 关系从某种角度看可以说可拓方法是属于理论方 法层次的研究而 SQL 中相应的功能则是技术层次 的研究［10］． 电炉专家系统数据库中控制条件物元表中石 灰、吹氧量等设定值的量值扩缩变换用 SQL 语言的 UPDATE 语句完成它的基本语法结构为： UPDATE 表名 SET 字段名1＝值1 字段名2＝值2WHERE 更新条件 用 Q235B 型钢种出钢前目标值不合格的炉次 数据对电炉可拓专家系统进行测试吹氧量和添加 石灰量人工设定值和专家系统设定值比较见图3． 由图3和图4进行比较可以看出电弧炉冶炼 可拓专家系统可以指导炼钢操作人员进行更合理的 炼钢操作避免了物料浪费平均每炉次钢可节约用 料8％左右节约了人力物力． 图3 吹氧量人工和专家系统设定值比较 Fig．3 Comparison of oxygen value set by operators and the expert system 图4 添加石灰量人工和专家系统设定值比较 Fig．4 Comparison of lime value set by operators and the expert system 如果电弧炉出钢前测温、取样分析后钢水成分 不合格当前的冶炼工艺是加料后对钢水再次进行 测温、取样操作取样结果不合格再加料．这样的操 作方法经常会出现重复取样、重复加料有时生产一 炉钢最多取样次数达到10次导致冶炼时间加长 电耗增加材料浪费．而电弧炉冶炼可拓专家系统 可以对加料操作进行终点目标值预报工作并根据 预报结果关联函数值由可拓变换策略集对加料量进 行调整从而实现更合理的炼钢操作． 3 结语 关联函数用定量化的形式描述了事物具有某种 性质的程度关联函数值的大小描述了矛盾的程度 ·574· 北 京 科 技 大 学 学 报 第30卷
第5期 姜静等：专家系统在电炉炼钢工艺中的应用 .575. 或相容的程度，关联函数的引入为解决矛盾问题提 (林高用，陈兴科，蒋杰.B人工神经网络与遗传算法在型材 供了定量化的计算方法，本文把关联函数引入到电 挤压磨具参数优化中的应用.湘潭大学自然科学学报，2006， 28(2):90) 弧炉专家系统中，作为专家系统评价机构的基础，对 [6]Mu A H,Zhou S L.Yu X L.Research on fast self-adaptive ge- 可拓专家系统的原理和实现做了初步研究， netic algorithm and its simulation.J Syst Simul,2004,16(1): 124 参考文献 (沐阿华，周绍磊，于晓丽·一种快速自适应遗传算法及其仿 [1]QiuS Q.Zhu G H.Principle and Design of ARC Furnace Steel- 真研究.系统仿真学报，2004,16(1)：124) making.Beijing:Metallurgical Industry Press.1996 [7]Liu H P.Guo Z,Li H D.GA neural network based on modelling (邱绍岐，祝桂华.电炉炼钢原理及设计，北京：冶金工业出版 for DC arc furnace steelmaking process.JUni Sci Technol Bei- 社，1996) jing1999,21(6):589 [2]LiS Q.Li W L.Liu R G.Modern ARC Furnace Steel-making. (刘贺平，郭哲，李华德，等.遗传机理神经网络在电弧炉炼 Beijing:Atomic Energy Press,1995 钢模型辨识中应用.北京科技大学学报，1999,21(6)：589) (李士琦，李伟立，刘仁刚，现代电弧炉炼钢.北京：原子能出 [8]Liu Y,Kang L S.Chen Y P.Non-numerical Value Parallel 版社，1995) Arithmetic-Genetic Algorithm.Beijing:Science Press.1995 [3]Luo Y.Fuzy control expert system based on clustering inferen- (刘勇，康立山，陈毓屏.非数值并行算法一遗传算法，北 tial.J Guangdong Univ Technol.2003.20(1):92 京：科学出版社，1995) (罗珩.一种基于可拓推理的模糊控制专家系统.广东工业大 [9]Li L X,Yang C Y.Li H W.Generating System Based on Clus- 学学报，2003,20(1)：92) tering Policy.Beijing:Science Press,2006 [4]Baskar S.Subbaraj P.Rao M V C.Hybrid real coded genetic al- (李立希，杨春燕，李铧汶。可拓策略生成系统北京：科学出 gorithm solution to economie dispatch problem.Comput Electr 版社，2006) Eng,2003,29:410 [10]Li LX,Li H W.Primary research on methods and techniques of 5]Lin G Y.Chen X K.Jiang J.Application of BP artificial neural extension strategy generating.Math Pract Theory.2006.36 network and genetic algorithm to the parameters optimization of (1):191 profile extrusion die.Nat Sci JXiangtan Univ,2006.28(2): (李立希，李铧汶·可拓策略生成方法与技术研究，数学的实 90 践与认识，2006,36(1)：191)
或相容的程度．关联函数的引入为解决矛盾问题提 供了定量化的计算方法．本文把关联函数引入到电 弧炉专家系统中作为专家系统评价机构的基础对 可拓专家系统的原理和实现做了初步研究． 参 考 文 献 ［1］ Qiu S QZhu G H．Principle and Design of ARC Furnace Steelmaking．Beijing：Metallurgical Industry Press1996 （邱绍岐祝桂华．电炉炼钢原理及设计．北京：冶金工业出版 社1996） ［2］ Li S QLi W LLiu R G．Modern ARC Furnace Steel-making． Beijing：Atomic Energy Press1995 （李士琦李伟立刘仁刚．现代电弧炉炼钢．北京：原子能出 版社1995） ［3］ Luo Y．Fuzzy control expert system based on clustering inferential．J Guangdong Univ Technol200320（1）：92 （罗珩．一种基于可拓推理的模糊控制专家系统．广东工业大 学学报200320（1）：92） ［4］ Baskar SSubbaraj PRao M V C．Hybrid real coded genetic algorithm solution to economic dispatch problem．Comput Electr Eng200329：410 ［5］ Lin G YChen X KJiang J．Application of BP artificial neural network and genetic algorithm to the parameters optimization of profile extrusion die．Nat Sci J Xiangtan Univ200628（2）： 90 （林高用陈兴科蒋杰．BP 人工神经网络与遗传算法在型材 挤压磨具参数优化中的应用．湘潭大学自然科学学报2006 28（2）：90） ［6］ Mu A HZhou S LYu X L．Research on fast self-adaptive genetic algorithm and its simulation．J Syst Simul200416（1）： 124 （沐阿华周绍磊于晓丽．一种快速自适应遗传算法及其仿 真研究．系统仿真学报200416（1）：124） ［7］ Liu H PGuo ZLi H D．GA neural network based on modelling for DC arc furnace steelmaking process．J Univ Sci Technol Beijing199921（6）：589 （刘贺平郭哲李华德等．遗传机理神经网络在电弧炉炼 钢模型辨识中应用．北京科技大学学报199921（6）：589） ［8］ Liu YKang L S．Chen Y P．Non-numerical V alue Parallel A rithmetic— Genetic Algorithm．Beijing：Science Press1995 （刘勇康立山陈毓屏．非数值并行算法———遗传算法．北 京：科学出版社1995） ［9］ Li L XYang C YLi H W．Generating System Based on Clustering Policy．Beijing：Science Press2006 （李立希杨春燕李铧汶．可拓策略生成系统．北京：科学出 版社2006） ［10］ Li L XLi H W．Primary research on methods and techniques of extension strategy generating． Math Pract Theory200636 （1）：191 （李立希李铧汶．可拓策略生成方法与技术研究．数学的实 践与认识200636（1）：191） 第5期 姜 静等： 专家系统在电炉炼钢工艺中的应用 ·575·