人工智能在金屬塑性加工領域中的應用

楊凱

【摘 要】近年來，人工智能在軋鋼鋼業中漸漸被運用，可用于金屬塑性加工過程中，增加生產企業經濟收益。本文主要探究人工神經網絡、專家系統兩種多見人工智能運用于軋鋼金屬塑性處理加工領域中的情況，有助于協助做好規劃設計，有效診斷制件質量缺陷，充分保證制件加工質量。

【關鍵詞】人工智能;金屬;塑性加工

引言

當前，人工智能得到較快發展，在日常生活及生產加工領域中均被推廣使用。在軋鋼鋼業生產過程中，對金屬實行塑性加工時，可運用人工智能協助作業，促使加工效率提升，改善生產加工精準性，提升軋鋼企業生產效益。人工神經網絡、專家系統均是常見的人工智能，近些年，在軋鋼金屬塑性處理中漸漸被應用。

一、人工神經網絡

（一）人工神經網絡的定義

人工神經網絡系統是針對人類大腦神經網絡構建理論數學模型，針對大腦神經網構成及功能實行模擬所構建的信息處置體系。依據人工神經網絡可針對模式實行辨別、完成故障分析等[1]。

（二）人工神經網絡的集成分類

（1）神經網絡和模糊邏輯的定義耦合方式

定義耦合方式是依據神經元優勢，發揮邏輯傾向系統功能，使神經網絡與模糊邏輯的定義得以聯合，獲得連續概念結構。充分呈現模糊集對應知識，針對非確定因素及時處置，并采取神經網絡功能完善學習效果[2]。

（2）模糊初始神經網絡方式

模糊初始神經網絡方式是對神經網絡原有處置單元、系統構成、學習能力等結合模糊集含義實施模糊化處理。

（3）神經網絡和模糊邏輯的數據耦合方式

數據耦合方式是對神經網絡采取模糊神經相關調控器及區分類型器處理，提升模糊集統計性能，明確組員作用等。

（三）運用人工神經網絡構建專家系統

在軋鋼金屬塑性成形的各個過程中，需運用量比較多的數據信息及計算方式。采取人工神經網絡對專家系統實行構建，數據信息和計算方式等表示形式得以更新，通過準確統計數據資料，并將數據信息和計算方式等保存在各項網絡節點位置，針對學會內容實施有效保存，能夠自動學習，為獲得數據信息及計算供應支持。

（四）人工神經網絡用于軋鋼金屬塑性加工處理領域的情況

在軋鋼金屬塑性加工處理中采用人工神經網絡時，主要用于工藝規劃設計，依據神經網絡選取合適工藝方式，替換常規依據規則的計算方式，通過神經網絡完成知識學習。

因為神經網絡存在較優自動學習性能，能夠完成并行，且存在一定容錯性特征。所以，可構建神經網絡計算體系，經過學習知識內容，并實行保存和再獲取，使知識保存于神經網絡對應拓撲構建及相連權值內。

完成神經網絡學習之后，通過將數據模式對實行輸入，獲得輸出數據模式對，可解析所輸出的數據模式，且使此類數據轉變成認知邏輯含義，完善軋鋼金屬塑性加工處理工藝規劃設計情況。

在對金屬實施壓力加工張力控制時，運用常規方法常會導致鋼材表層發生褶皺現象等，引發鼓包表現等。結合人工神經網絡，選用合適加工機械設施，針對此類設施實施自動化控制，并對自動化控制體系持續優化改進，充分確保卷取機加工可靠性及準確性。

二、專家系統

（一）專家系統的定義

專家系統是依據知識內容所構建的體系。專家系統也屬于含有知識內容及計算推理能力的智能化互聯網計算機網絡程序[3]。專家系統常依據規則針對問題實行解決，涵蓋總體數據信息庫、計算推理機、知識信息庫、知識內容再獲取板塊、解析接口等構件。

（二）專家系統和遺傳算法的集成

遺傳算法屬于優化方式之一，可對較為復雜的生產加工及設計制作等難題進行解決，不過，由于下面幾項因素帶來的影響，還具有一定局限之處：第一，實施優化時需要用到的數據信息難以獲取;第二，優化方式還需人類專家人員參與選取及明確;第三，優化方式運用范圍存在有限性;第四，針對復雜工業生產加工制造問題，采取優化算法難以獲得最佳解決方案。而針對專家系統與遺傳算法實行集成，可以針對復雜工業問題實行有效解決。

（三）使專家系統融入軋鋼金屬塑性加工處理的重要性

軋鋼企業針對金屬實施塑性加工處理時，常涉及注塑作業、沖壓操作、制造加工、擠壓處理等，應合理科學選取材料，做好有效排樣工作，實行規范工藝規劃設計等。比如，針對構件加工工藝實施規劃設計時常會受到很多因素所帶來的影響，原材料、形狀特征、工藝處理條件、加工設施等，應存在相對較為豐富經驗的專家才可完成此類關系有效處置。

而且，技術工作人員實施構件加工工藝規劃設計過程中，需搜集比較多的文獻資料，且充分考慮各種影響因素之間的關系及干擾，具備較多作業量，存在較長設計時間。此類，開展構件加工工藝規劃設計時，設計效率不高，存在一定隨意性，難以確保合理性及規范性，提升設計花費等。

而運用專家系統協助開展軋鋼金屬塑性加工處理，則可以解決以上難題，依據設計工作人員自身知識以及經驗體會匯總，構建知識信息庫，采取計算推理方式，做好嚴格調控，進而較快獲得科學工藝規劃設計。

（四）專家系統用在軋鋼金屬塑性加工處理領域的狀況

（1）用于級進模型排樣

當今，軋鋼行業實施金屬塑性加工處理時，所采取的專家系統以級進模型排樣圖形類型專家系統為主。經過構建圖形類型專家系統，充分運用以往排樣設計基礎理論知識以及制圖經驗體會，針對級進模型排樣問題進行有效解決，促使排樣作業更加自動及智能[4]。

（2）用于工藝規劃設計

工藝規劃設計存在一定復雜性，受到很多條件因素帶來的限制，存在較多設計目標等，常具有一些規劃設計難題。而且，工藝規劃設計情況和設計工作人員思維方式、理論知識、設計習慣等存在一定關系，是否可順利完成工藝規劃設計和設計工作人員經驗體會也具有密切關系。而采取專家系統中事例推理方式，可依據往常經驗體會針對存在的問題實行及時解決，進而做好軋鋼金屬塑性加工工藝規劃設計工作。

（3）用于選取材料

依據專家系統可協助完成軋鋼金屬塑性加工材料選取，參考工藝技術信息、模具形狀特征、模具成形規律、實驗構建的數據知識庫等，確保選用合適材料。

（4）用于診斷制件質量缺陷不足

在了解軋鋼金屬塑性制件質量缺陷類型、引發量因素、預防及規避量缺陷方式等情況的同時，列出語言可表述的規則，構建數據知識信息庫，得到計算推理機，可設計出能夠診斷制件質量缺陷不足的專家系統。依據家系統采取計算機實施數據信息知識分析模擬專家研究問題形式及解決問題方法，實施計算推理依據評估判定，明確預防和規避缺陷的科學方式。

（5）用于模具構成設計

針對軋鋼金屬塑性模具構成實施設計時，需實行局處智能化設計，可依據事例推理方式，實施注塑模構成設計工作。

結束語

綜上所述，人工神經網絡、專家系統這兩種人工智能在軋鋼金屬塑性處理加工領域中均有應用，其中，人工神經網絡的集成分類主要包含三類，即神經網絡和模糊邏輯的定義耦合方式及數據耦合方式、模糊初始神經網絡方式，依據人工神經網絡對專家系統實行構建，可解決復雜性問題，能夠逐漸實行創新完善，運用神經網絡可協助完成工藝規劃設計，利用專家系統可協助開展軋鋼金屬級進模型排樣、工藝規劃、選取材料、診斷制件質量缺陷不足、設計模具構成等，從而提高制件加工質量和效果。

參考文獻：

[1]袁小鋒，桂衛華，陳曉方，等. 人工智能助力有色金屬工業轉型升級[J]. 中國工程科學，2018，20（4）：59-65.

[2]解婧陶. 基于塑性異化比值的金屬板沖壓加工性能研究[J]. 世界有色金屬，2020（2）：144-145.

[3]姜雪琦，樊曉光，詹梅，等. 金屬材料熱變形中的塑性流動失穩研究進展[J]. 塑性工程學報，2020，27（7）：33-51.

[4]李新創，欒治偉，施燦濤. 人工智能技術在鋼鐵行業中的應用研究[J]. 冶金自動化，2020，44（1）：1-7.

（作者單位：南京鋼鐵股份有限公司）