人工智能作为计算机学科的一个交叉前沿学科，是在计算机上模拟、实现和扩展人类智能的一门科学与技术。经过近几十年的发展与积累，人工智能技术正处于新的发展阶段，并将产生深刻的技术、经济和社会影响。

当前，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的智能制造的发展，对人工智能在钢铁工业中的应用提出了更新、更高的要求。因此，为了加强多种学科相互交叉渗透，总结交流人工智能在钢铁生产经营中应用的现状与问题，以进一步推动人工智能在钢铁工业中的应用与发展，中国金属学会联合中国自动化学会、中国人工智能学会，于2016年12月15－16日在北京举办了“2016年人工智能在钢铁工业中的应用技术研讨会”，会议的主题是：“深度感知、智能优化、精准控制，提高冶金智能化水平。”中国自动化学会副理事长兼秘书长王飞跃、中国人工智能学会副理事长王国胤、中国金属学会副秘书长高怀、冶金自动化研究设计院副院长孙彦广等出席会议，来自大学、科研机构和企业的近80名代表参加了研讨会。

会议重点针对智能制造感知、控制、决策、执行过程中存在的问题及其新技术、新成果进行交流研讨，并特约人工智能领域的专家介绍人工智能技术的新进展及其应用。

1、人工智能技术的新进展、展望及其应用前景

王飞跃教授在“人工智能的本源——回顾与展望”的报告中，回顾了人工智能发展的历史脉络和各种流派的演进，认为智能是获取和应用知识和技巧的能力，人工智能的本源是知识的自动化，其原料是数据、信息、知识，手段是各种“激活”这些原料的智能方法，智能化技术（新IT）自然成为其核心和关键，物联网、大数据、云计算、机器学习、人工智能等都应作为其工具。他强调人工智能的发展不是“机器换人”，而是“机器扩人”、“人的智能有多广，人工智能才有多深”。对于未来，未来二三十年人类社会将演变成智能社会，深度和广度还尚难想象，但智能社会的基础之一就是大数据，虽然智能的方向还需要探索，但把基础打牢，这必然是正确方向。

王飞跃教授认为农业技术将人类从四处漂荡的生活方式解脱出来，使我们安居在自己的土地之上；工业技术扩展了人类体力，又将我们从田野搬进工厂，形成今天的企业形态。智能技术将进一步解放人类的智力，让我们走出单一的企业，进入多姿多彩的社会平台，使我们有更多的自由和自然的个人时间，享受学习、工作、生活。这是社会的进步，是螺旋上升式的发展，不是走向“奇点”，更不是机器主宰世界，而是走向人类主导但更加美好的世界。这将是软硬相辅、虚实合一的智能：平行智能时代，并提出新IT时代的设想：平行产业与工业5.0。

王国胤教授在“大数据的多粒度智能认知分析与决策”的报告中，介绍了多粒度计算思维、多粒度计算模型方法、多粒度认知、多粒度聚类、多粒度联合问题求解等研究进展，指出：融合人类认知原理与计算机信息处理空间变换过程的多粒度大数据机器学习，是挑战，也是必然方向。他强调数据挖掘是发现大数据价值的关键，人工智能是实现大数据价值的关键，并提出大数据催生三元空间世界的看法。结合实例介绍了基于大数据和云计算的铝电解生产知识自动化、利用多源、深度信息构建多粒度联合决策模型，实现不同粒度层次的协同决策和跨地区、多领域、多层次异构动态监测大数据挖掘在三峡工程综合监测系统的智能预测预警等，在不确定性的情况下利用大数据挖掘的知识发现研究的应用情况。

王国胤教授认为机器智能是人类智能的高级技术工具之一。科学技术的进步发展，意味着人类的工具手段进步，机器战胜人，实质上是人战胜人，是利用先进科技工具的一个人或者一群人，战胜了另外一个或者一群没有这些科技工具的人。同时应避免将人工智能技术和智能机器应用于危害人类，需要引起社会各界关注。就像人类需要和平利用核能技术，但同时又要限制核武器一样。

在人工智能技术及其应用方面，清华大学的李建民教授在“卷积神经网络算法”的报告中，分析了卷积运算的特征提取-深度学习-分类的逻辑，介绍了局部深度学习神经网络向共享连接减少神经网络参数的发展趋势，强调卷积神经网络在模式识别中的重要作用。北京理工大学的袁汉宁教授在“基于大数据的智能交互”报告中，分析了传统的智能交互系统，将积累的无序语料信息，进行有序和科学的整理，以一问一答形式，精确地定位网站用户所需要的提问知识，通过与网站用户进行交互，为网站用户提供个性化的信息服务的特点，分析了基于海量数据进行存储和更高层次的智能交互的发展与应用情况，强调更高层次的智能交互应注意以下几个方面：①从对话的语境入手；②优先考虑交互环境，优先考虑情感交互；③强调沉浸感、交互感和构想感；④关注交互认知环境中的选择性注意；⑤研究不确定性交互认知中的客观性、普遍性和积极意义，寻找不确定性中的基本确定性。中科院自动化所赵冬斌教授介绍了深度强化学习算法及其在智能计算、智能控制和集成智能的应用前景，指出强化学习的特点在于与环境交互反馈和适应学习有利于决策，深度学习的特点是大数据＋分布式计算，有利于感知，并指出两者的结合形成深度强化学习的发展趋势，以解决空间维数灾的问题。

知识自动化是人工智能领域研究发挥发展的热点，王飞跃教授认为：知识自动化绝对不是知识本身的自动产生，但可以诱发知识的传播、获取、分析、影响、产生等方面的重要变革。知识自动化是信息自动化的自然延伸与提高，是“人”嵌在自动化之中的必然要求，也是从物理世界的自动化控制转向人类社会本身的智能化管理的基础。中南大学桂卫华院士团队在基于大数据的流程工业知识自动化方面开展了开创性研究，本次会议该团队阳春华教授在“基于知识自动化的智能优化制造”报告中，针对原材料工业控制系统存在的各层系统依赖人完成控制、调度和决策，智能化程度低、局部优化较好、整体优化差的现状，介绍了她们从工艺优化、运行优化和资源与能效三个方面，以知识自动化为基础进行原材料工业整体优化工作的研究思路和进展，认为智能优化制造是以企业全局及经营管理全过程的高效化与绿色化为目标，以智能生产和全流程整体优化为特征的制造新模式。阳春华教授对工业生产过程知识自动化的若干问题：如知识以何种形式与自动化系统融合，知识自动化如何作用于生产过程运行与控制，新环境和新要求下如何实现自动化决策，实现流程工业知识自动化需要什么支撑环境等进行了分析，并强调：知识自动化是实现原材料工业智能优化制造的核心技术，涉及多学科领域交叉研究，应该坚持问题导向、应用驱动。

2、关于人工智能在钢铁生产经营中应用

经过近几十年的发展与积累，人工智能在钢铁工业中得到广泛应用。在智能优化方面，冶金自动化研究设计院孙彦广教授在“能源智能优化”的报告中，分析了钢铁行业能源介质种类多、能源与生产耦合、复杂能量流网络，导致优化建模难和优化求解难的问题，认为钢铁企业能源智能优化非常必要，且效果和效益明显。并介绍了该院在生产工序能源优化-钢包精炼炉智能控制、能源介质系统优化-智能微电网、物质流能量流协同优化-基于仿真的能源调配的应用情况。例如他们开发的能源介质系统优化-智能微电网，建立了钢铁企业全流程大数据NMP（Node-Material-Property）模型，将生产、能源、设备等多重离散化数据通过流向、时间、空间标签进行有机集成、模型化展示，便于从不同角度、不同时间粒度进行数据统计分析和应用。利用分时电价机制，基于NMP信息模型进行电力分时（小时）管理，实现炼轧车间避峰用电管理、车间谷段补水管理、皮带避峰运行管理、煤气移谷发电管理等多项措施，在沙钢推广应用获得了很好的经济效益，2015年节省电力成本达5692万元。孙彦广教授指出：钢铁企业能源智能优化，需要充分了解企业需求、过程机理和物理意义，选择先进适用的建模、控制和优化求解技术，才能适应现场的纷繁复杂变化，取得满意的实际应用效果。能源智能优化是不断完善的过程，模型、优化和控制系统的结构、算法和界面应便于企业操作人员理解，有利于持续地功能扩展和性能提升。东北大学唐立新教授在“智能工业数据解析与优化”的报告中，强调操作优化、过程优化和计划优化三结合促进工业数据的解析与优化，认为数据解析、优化、控制和工程结合才能实现制造系统的智能化。中南大学的范晓慧教授介绍了人工智能在烧结优化配矿技术经济系统、烧结过程综合优化控制系统、链箅机-回转窑氧化球团优化控制系统中的应用情况。武汉科技大学的毕学工教授介绍了运用人工神经网络技术，在输入层中考虑了配矿的化学成分和高温冶金性能，分别建立了综合焦比预报模型和利用系数预报模型，并将它们整合到优化高炉配矿模型中的研究成果，并比较了神经元网络和传统热平衡两种方法的综合焦比预报结果。

在智能诊断维护方面，东北大学张殿华教授作了“基于大数据的设备智能维护技术”的报告，针对目前设备智能维护存在的设备故障类型、流程系统质量故障研究、产品质量异常研究和预报后参数协调优化自愈控制研究不足的问题，强调轧制系统设备的故障诊断和自愈控制技术开发的重要性，介绍了他们的思路和取得的进展。北京科技大学何飞教授在“基于统计模型的钢铁产品质量分析与诊断研究”报告中，介绍了基于工艺知识与数据驱动的统计建模进行全流程工艺质量分析与改进技术研究的进展，并指出针对目前智能制造需求，研发常规化产品快速定制化设计方法和利用大数据与云计算研究成果，扩展平台功能，提高算法运行效率、模型精度是未来发展方向。

在过程智能控制方面，武汉钢铁集团研究院的陈立坤教授高工在“关于高炉过程智能控制的一点思考”的报告中，结合武钢在高炉智能控制技术发展20多年的经历，对高炉智能控制的回顾——成就、问题、期望进行了深刻的阐述，他认为在目前炼铁行业的大背景下，高炉过程智能控制有没有生命力，要看它能否解决问题。他认为目前的高炉智能控制和实际需求的差距主要表现在：高炉过程模拟及智能控制水平和实际高炉需求不匹配，即在时间、空间、边界、深度上都不匹配；高炉过程智能控制系统适应性差，包括已开发模型、系统适应性差，模型固定，边界条件就固定，由固定边界条件求解方程，而实际状况是高炉是变化的，模拟结果只是边界条件中的一组，控制需求是多元的，有时微观、有时宏观、有时平面、有时立体、有时现象、有时单元。高炉是一个相互影响的铁前系统的子系统，目前的开发只关注高炉本身，有局限性。知识库设计存在僵化呆板，不齐全又不灵活。高炉过程信息获取干扰大，时断时续。

他认为这些现象是高炉过程的特点决定的，即：炉内存在四种物质状态，即煤气、块状物料、液态渣铁、粉状物料等，同时发生着十几种化学反应，存在巨大的动量、热量、质量交换，是多变量、大滞后、非线性冶炼系统，控制难度很大。陈立坤教授高工希望高炉过程智能控制系统能够解决的问题：①在关注常规炉况模拟控制的同时，能够从动态、变化和细节上解决布料、气流、炉型、原料、炉缸等变化所引起的异常炉况的预报、诊断、处理；②能够处理与高炉有关的关键系统的优化及控制，如热风炉、配矿、配煤、烧结矿质量控制等；③能够实现整个铁系统的整体优化。在开发高炉过程智能控制系统的建议方面，陈立坤教授高工提出应转变研究思路：①用自动更新的系统来适应高炉变化；②以模式、案例为主，取代机理构建模式，模式和案例更符合高炉操作人员的认知；③以异常炉况为主进行研究，对还原、渣系、气流、长寿的影响进行研究；④全生命周期的研究，包括停炉、开炉、休风等；⑤立体研究，考虑整个铁前系统的优化（以知识库构建来反映铁前系统之间的关系），研究核心是构建自动更新的知识库、案例库，研究构建新的智能控制模式。

鞍钢股份鲅鱼圈钢铁分公司的赵雷在“数字化分布式冶金智能过程控制系统集成与应用”的报告中，分析了数字化网络化冶金APC系统在钢铁工业回转窑热工参数监测与燃烧控制系统、转炉自动化炼钢过程控制成套系统、连铸结晶器电磁制动专家系统、RH精炼冶金工艺过程控制系统、基于视觉技术的检测分析系统等的开发应用情况。重庆大学冶金信息与系统工程实验室蒋胜龙介绍了基于多种建模与智能优化的“钢铁生产的智能计划调度技术与应用”取得的进展与应用；河钢集团邯钢公司王峰星介绍了通过副枪测量和静动态模型，对冶炼过程进行全智能化控制的智能炼钢技术在邯钢的开发应用的新进展；中冶南方工程技术有限公司夏志介绍了基于工艺模型和大数据分析结合的冷轧带钢智能酸洗系统开发与应用的新进展；冶金自动化研究设计院吴少波分析了机器视觉技术及在钢铁工业中的应用前景。

3、关于钢铁工业智能制造

智能制造作为钢铁工业重大技术发展方向，本次会议也得到广泛关注。宝钢自动化首席专家杜斌教授对钢铁企业智能制造进行了深入思考，强调钢铁企业在发展智能制造过程中：①要以现有信息化系统为基础提升；②加强过程控制模型的研发是关键；③理性开展大数据技术的应用。供应链协同优化是智能制造的脊梁，要高度重视。

太钢自动化公司郝俊宇教授高工结合太钢两化融合发展的经历和太钢智能制造探索与思考，分析了钢铁行业智能化面临问题，强调以“两快两高一低”（市场响应快、库存周转快、执行效率高、质量高、低成本）为特征的范围全覆盖、业务全支持、架构完整、运行高效、功能齐全的公司信息化平台，促进钢铁企业智能制造的发展。并提出钢铁企业发展智能制造应解决的以下问题：大型机器人应用于原料场智能堆取料机、焦炉智能四大车；应用互联网技术实现高炉、烧结、焦化原料采购的低成本高效匹配；发展虚拟现实技术实现快锻机的全过程智能数学模型；加强数据挖掘，实现几座高炉、几座烧结过程数据的协同优化；应用大数据技术加强钢板表面缺陷智能识别；基于图像识别的烧结混料机造粒质量智能检测；基于大数据数据驱动的自动控制技术研究；基于生产工艺与能环指标最优的控制技术研究应用等。

总之，这次在中国科协跨学科协同项目的支持下，取得了非常好的效果，提高了人工智能前沿技术在钢铁行业的认识，建立了跨学科交流机制，反映了人工智能在钢铁生产经营中应用的最新进展，探讨了钢铁工业智能制造发展问题，得到与会代表的高度评价。

（中国金属学会 生产技术与书刊部）