5.智能系统的构成及应用前景
    目前已应用于钢铁工业的智能技术主要有：

    1）专家系统（ES）
    ES被认为是一种主要处理规则推理的人工智能工具，由于人们在生产过程中积累了大量经验，再加上专家的指导，有益于人们建立丰富的知识库来处理变化着的实际情况。专家系统在钢铁工业中已成功地应用于：故障诊断；生产调度；计划制定；优化问题和生产过程自适应控制等，专家系统主要缺点是知识不能无限获取。
 
    2）模糊系统（FS）
    FS能够对无法或难以建立数学模型的实际系统，充分利用实际操作者经验或专家知识完成无模型控制或预测。钢铁工业中不乏这样的例子，如精练炉炉温控制。FS技术已成功应用于：系统建摸；系统预测；模式识别；故障诊断；过程优化和动态过程控制；板坯连轧等。
 
    3）ANN
    ANN以其大规模并行算法及网络信息的分布存贮而著名，ANN不但可以建立生产过程数据驱动的实际模型，而且可以通过对历史数据的学习获得生产过程经验，从而使得网络具有很强的适应能力。ANN运作分为两个阶段，学习和推广，前者对实际过程进行学习，后者将网络应用于实际，正是由于ANN具有良好的鲁棒性，因而具•有很强的适应能力。目前，AAN技术已成功应用于：轧制力预报；精轧轧件的自然宽展；轧件变形抗力预报等。
 
    4）遗传算法（GE）
    GE主要解决优化问题，不但可解出优化过程的最忧解，而且可对算法结构进行优化，GE建立在自然进化法则的基础之上，算法原理与人进行最优决策思路相象，具有广阔的应用前景。目前GE主要应用领域：规划制定及与ANN、GE、ES混合使用，优化算法及结构，从而优化生产过程。
 
    5）混合系统
    混合智能技术为智能技术之间或模型技术与智能技术混合使用，达到优化生产过程目的。包括：数学模型十智能技术；统计模型十智能技术；AAN＋FS；GE＋FS；GE＋AAN；GE＋ES；AAN＋ES；FS＋ES等。
    由AGC系统基本原理和智能系统的构成及应用前景可以看出，智能技术和 AGC系统的充分结合，不但具有可能性，而且具有现实的迫切性，利用智能技术可以解决轧制过程模型的不确定性和系统的不确定性，优化生产过程包括AGC工艺参数，调整AGC系统辊缝的压下量，事实上，国外一些大公司已经开始从事这方面工作，并已得到成功应用。
 
    6）利用智能技术研制AGC／AEC系统的优点
    结合智能技术和 AGC／AEC控制器特点，我们认为研制智能AGC／AEC控制器具有如下特点：
 
    A.精确确定控制模型参数
    利用人工神经元网络，确定各模型参数对控制模型的影响程度，通过在现场进行一段时间的训练（神经元网络自学习）后，就可以给出精确的控制参数。

    B.提高控制模型精度
    利用ANN技术，通过一段时间历史数据的存贮，可以分析模型的精度，这样我们可以利用ANN技术对模型进行较正，同时也可以抵消生产过程的不确定信息，提高模型精度。

    C.提高AGC／AEC系统的适应能力
    采用智能技术研制AGC／AEC控制系统，由于智能技术中无论专家系统、神经元网络、模糊系统都具有比自适应系统更好的鲁棒性，更能适应变化着的实际情况，从而提高AGC／AEC控制器的适应能力。
 
    D.良好的推广能力
    好产品应具有良好的适应性，要求我们在智能AGC／AEC控制器开发过程中采用通用的开发准则，软件适应性尽量大，同时顾及实际情况，如神经元网络、专家系统、模糊系统均采用摸块化的目标驱动的层状结构，算法灵活，力求开发出具有良好适应性的产品。
 
    E.缩短系统的调试时间
    现场的调试主要在于模型参数的摸索和系统的整定。利用智能技术，人们只需要粗略的给出参数对控制的影响程度，其余的工作由其自学习功能来完成，不断提高控制精度，从而减少了模型参数的摸索时间和系统的调试时间。