桂衛(wèi)華院士（前排中）和學(xué)生們討論科研工作?課題組供圖

6月的長(zhǎng)沙,，新冠疫情趨于平穩(wěn),，各行各業(yè)按下“重啟”鍵,。中南大學(xué)自動(dòng)化學(xué)院教授,、中國(guó)工程院院士桂衛(wèi)華心中的大石頭逐漸落了地,。幾個(gè)月來(lái),，他所關(guān)心的一家有色金屬冶煉智能工廠在疫情期間沒(méi)有傳來(lái)停工停產(chǎn)的消息,。

“沒(méi)有消息就是好消息?！惫鹦l(wèi)華認(rèn)為,，這意味著他們研發(fā)的冶金自動(dòng)化關(guān)鍵技術(shù)穩(wěn)定可靠。

從2014年到2019年,，在國(guó)家自然科學(xué)基金創(chuàng)新研究群體項(xiàng)目（以下簡(jiǎn)稱(chēng)創(chuàng)新群體項(xiàng)目）支持下,，桂衛(wèi)華作為學(xué)術(shù)帶頭人，圍繞復(fù)雜有色冶金過(guò)程控制理論,、技術(shù)與應(yīng)用開(kāi)展研究,。他們以人工智能為抓手，給有色冶金過(guò)程加點(diǎn)“智慧”,，助力有色金屬工業(yè)轉(zhuǎn)型升級(jí),，以期實(shí)現(xiàn)綠色高效生產(chǎn)。

自動(dòng)化科學(xué)的“閉環(huán)”

改革開(kāi)放以來(lái),，我國(guó)作為制造大國(guó),，有色金屬產(chǎn)量和消費(fèi)量連續(xù)16年位居世界第一。但是,，與工業(yè)發(fā)達(dá)國(guó)家相比,，我國(guó)在能耗利用、環(huán)境污染防治和礦物回收率等方面都存在較大的差距,，主要原因之一正是我國(guó)有色冶金自動(dòng)化水平低,。

在幾十年的科研生涯里，桂衛(wèi)華對(duì)此深有體會(huì),。作為有色冶金企業(yè)的?？停缃裾驹谧詣?dòng)化程度頗高的智能工廠里,，他不禁回想起曾在鋁廠當(dāng)電工的歲月：“環(huán)境很糟糕,，生產(chǎn)效率很低?！?/p>

這段艱苦的切身體驗(yàn)促使他一直在思考,，工業(yè)生產(chǎn)中如何使設(shè)備實(shí)現(xiàn)自動(dòng)化，減少人為操作帶來(lái)的質(zhì)量不穩(wěn)定、效率不高等問(wèn)題,，從而讓生產(chǎn)過(guò)程最大限度地節(jié)約能源、降低能耗物耗,，最終實(shí)現(xiàn)綠色高效生產(chǎn),。

“自動(dòng)化學(xué)科的最大特點(diǎn)便是與工業(yè)生產(chǎn)緊密結(jié)合?！惫鹦l(wèi)華告訴《中國(guó)科學(xué)報(bào)》,，“做自動(dòng)化科學(xué)與技術(shù)研究，必須深入了解工藝流程和生產(chǎn)過(guò)程的實(shí)際需求,?！?/p>

2014年，桂衛(wèi)華帶領(lǐng)的團(tuán)隊(duì)獲得創(chuàng)新群體項(xiàng)目資助,，為他們?cè)谧詣?dòng)化理論上取得進(jìn)一步突破注入了強(qiáng)心劑,。2017年，團(tuán)隊(duì)獲得第二期延續(xù)資助,。

多年來(lái),，他們總結(jié)出自動(dòng)化科學(xué)的完整“閉環(huán)”?！霸诠I(yè)生產(chǎn)中挖掘發(fā)現(xiàn)關(guān)鍵技術(shù)難題,，提煉科學(xué)問(wèn)題、解決科學(xué)問(wèn)題,，最后創(chuàng)造性地提出有效解決方案,。”桂衛(wèi)華強(qiáng)調(diào),，“最重要的是最后能夠落地,，切實(shí)給工業(yè)生產(chǎn)帶來(lái)變化，為國(guó)民經(jīng)濟(jì)發(fā)展添薪續(xù)力,?！?/p>

“千錘百煉”促可持續(xù)發(fā)展

從生產(chǎn)中來(lái)、到生產(chǎn)中去,，在創(chuàng)新群體項(xiàng)目支持下,，科研人員直面國(guó)家產(chǎn)業(yè)發(fā)展重大需求。

有色金屬在我國(guó)國(guó)民經(jīng)濟(jì),、軍工等方面地位特殊,，屬?lài)?guó)家重要的戰(zhàn)略資源。這些年來(lái),，桂衛(wèi)華帶領(lǐng)團(tuán)隊(duì)跑遍全國(guó),，在大大小小的有色金屬生產(chǎn)企業(yè)里“千錘百煉”，著力自主創(chuàng)新，建立適用于我國(guó)有色冶金過(guò)程特點(diǎn)的智能優(yōu)化制造關(guān)鍵技術(shù),，并進(jìn)行工程應(yīng)用研究,，促進(jìn)我國(guó)有色金屬工業(yè)實(shí)現(xiàn)大幅節(jié)能降耗減排和可持續(xù)發(fā)展。

例如,，針對(duì)鋁電解生產(chǎn)環(huán)境惡劣,，電解槽內(nèi)多相多場(chǎng)耦合強(qiáng)烈、工況多變,、控制困難造成生產(chǎn)能耗高,、污染嚴(yán)重的問(wèn)題，團(tuán)隊(duì)提出了基于多相—多場(chǎng)耦合仿真的大型鋁電解槽結(jié)構(gòu),、工藝與控制器綜合優(yōu)化方法,，解決了大型鋁電解槽在低電壓下的高效節(jié)能難題，形成了具有自主知識(shí)產(chǎn)權(quán)的大型鋁電解槽低電壓節(jié)能優(yōu)化控制技術(shù),。

據(jù)了解,，基于這一新技術(shù)開(kāi)發(fā)的新一代全分布式鋁電解高效節(jié)能控制系統(tǒng)，已應(yīng)用到多家鋁廠的多條生產(chǎn)線,。相關(guān)成果獲2014年度國(guó)家科技進(jìn)步獎(jiǎng)二等獎(jiǎng),。

針對(duì)我國(guó)鋅精礦的特點(diǎn)，圍繞濕法煉鋅工藝中的建模,、優(yōu)化與控制難點(diǎn)問(wèn)題,，團(tuán)隊(duì)研發(fā)了具有自主知識(shí)產(chǎn)權(quán)的浸出、凈化,、電解等主流程工序的優(yōu)化控制技術(shù),，對(duì)提高濕法煉鋅工藝的原料適應(yīng)能力、降低生產(chǎn)過(guò)程中的能耗和物耗,、提高有價(jià)金屬的回收率發(fā)揮了重要的作用,。研究成果應(yīng)用于我國(guó)鋅冶煉的龍頭企業(yè)——株洲冶煉集團(tuán)，大幅降低鋅粉消耗和噸鋅電耗,，為復(fù)雜資源條件下的鋅冶煉穩(wěn)定優(yōu)化運(yùn)行提供關(guān)鍵技術(shù)支撐,。

“求實(shí)”的向心力

桂衛(wèi)華領(lǐng)銜的這一團(tuán)隊(duì)，是我國(guó)最早從事有色冶金自動(dòng)化的研究團(tuán)隊(duì),?！袄蠈?shí)做人，踏實(shí)做事”,，是團(tuán)隊(duì)40年來(lái)沉淀的價(jià)值觀,。

這句話源自一份禮物。2003年前后,，中南礦冶學(xué)院（中南大學(xué)前身）1978級(jí)全體研究生在入學(xué)30年之際計(jì)劃給母校送一份禮物,，桂衛(wèi)華也是其中一員,。

“我一直在想，我的老師,、我的母校給予我最重要的東西是什么,，我想到了‘求實(shí)’二字?！彼f(shuō),，這正是“老實(shí)做人，踏實(shí)做事”的高度概括,。這個(gè)主意得到了同學(xué)們的認(rèn)同，他們把“求實(shí)”二字刻在一塊呈翻開(kāi)書(shū)本狀的石碑上,，送給了母校,。

多年來(lái)，“求實(shí)”也成為團(tuán)隊(duì)成員凝聚在一起不斷前行的向心力,。

團(tuán)隊(duì)成員,、中南大學(xué)自動(dòng)化學(xué)院教授蔣朝輝至今仍記得一件多年前發(fā)生的事。當(dāng)時(shí),，在國(guó)家自然科學(xué)基金重大項(xiàng)目“大型高爐煉鐵過(guò)程運(yùn)行信息的高性能檢測(cè)方法研究”的支持下,，蔣朝輝帶著團(tuán)隊(duì)在廣西一家公司的高爐上測(cè)試監(jiān)測(cè)煉鐵過(guò)程運(yùn)行信息的“內(nèi)窺鏡”。突然,，一氧化碳爆表,，蔣朝輝暈了過(guò)去。被抬下現(xiàn)場(chǎng)后,，他堅(jiān)持把這項(xiàng)工作做完了,。回憶起這一幕,，蔣朝輝說(shuō)：“是一種使命感,，讓自己堅(jiān)持下來(lái)?！?/p>

正是由于嚴(yán)謹(jǐn)治學(xué)的科研精神和求真務(wù)實(shí)的人生態(tài)度,，一批有色冶金自動(dòng)化領(lǐng)域高層次人才在團(tuán)隊(duì)中成長(zhǎng)起來(lái)?！皬?qiáng)調(diào)敬業(yè)和奉獻(xiàn),，這是我們團(tuán)隊(duì)最大的寶藏?！惫鹦l(wèi)華表示,。

制造業(yè)升級(jí)的關(guān)鍵在“知識(shí)自動(dòng)化”

《中國(guó)科學(xué)報(bào)》：隨著人工智能深入推進(jìn)和發(fā)展，制造過(guò)程中深度融入人工智能應(yīng)當(dāng)是大勢(shì)所趨,，目前面臨哪些挑戰(zhàn),？

桂衛(wèi)華：人工智能與制造過(guò)程深度融合過(guò)程中,，還存在相當(dāng)大的挑戰(zhàn)。這一挑戰(zhàn)來(lái)源于人工智能研究與制造過(guò)程結(jié)合不足,。一方面,，在現(xiàn)代企業(yè)生產(chǎn)過(guò)程中，通過(guò)生產(chǎn)分工和自動(dòng)化技術(shù),，體力型工作已經(jīng)基本上被機(jī)器所替代,。未來(lái)，如果知識(shí)型的工作也能夠通過(guò)自動(dòng)化技術(shù)由機(jī)器完成,，將極大地創(chuàng)造出更多新價(jià)值和新知識(shí),。

另一方面，由于工業(yè)企業(yè)需要面對(duì)市場(chǎng)需求,、資源供應(yīng),、環(huán)保排放等諸多因素，工況變化更加復(fù)雜,；同時(shí),，隨著云平臺(tái)、移動(dòng)計(jì)算,、物聯(lián)網(wǎng),、大數(shù)據(jù)的出現(xiàn)，工業(yè)環(huán)境中數(shù)據(jù)種類(lèi)和規(guī)模迅速增加,?？陀^形勢(shì)變化令傳統(tǒng)的知識(shí)型工作者感到力不從心。

為此,，我們提出了“知識(shí)自動(dòng)化”這一概念,，指采用有效方法對(duì)知識(shí)進(jìn)行合理提取及處理。擺脫對(duì)知識(shí)型工作者的傳統(tǒng)依賴(lài),，實(shí)現(xiàn)具有智能的知識(shí)自動(dòng)化系統(tǒng)是解決工業(yè)生產(chǎn)高效化,、綠色化發(fā)展的核心，也是人工智能與制造業(yè)深度融合的最大挑戰(zhàn),。

《中國(guó)科學(xué)報(bào)》：工業(yè)生產(chǎn)中應(yīng)用知識(shí)自動(dòng)化技術(shù)如何提升生產(chǎn)效率,，能否舉一個(gè)案例說(shuō)明？

桂衛(wèi)華：我們以一家鋅冶煉企業(yè)的原料采購(gòu)決策問(wèn)題為例,。鋅濕法冶煉原料是鋅精礦,，精礦原料從分布在全國(guó)各地的數(shù)百家礦山采購(gòu)而來(lái)，成分復(fù)雜,、品位差異大,。由于生產(chǎn)規(guī)模大，對(duì)原料的需求量大,，原料采購(gòu)占用的流動(dòng)資金多,，每年的原料采購(gòu)資金多達(dá)20億元,。

單就采購(gòu)這一個(gè)環(huán)節(jié)，傳統(tǒng)的人工決策難以綜合考慮資金,、礦源,、庫(kù)存和供應(yīng)商關(guān)系等多種因素，導(dǎo)致采購(gòu)成本增加,。

基于采購(gòu)和生產(chǎn)知識(shí)進(jìn)行優(yōu)化后,，采購(gòu)從原來(lái)的人工決策轉(zhuǎn)變?yōu)榛谥R(shí)的自動(dòng)化決策，使采購(gòu)的原料平均品位及雜質(zhì)含量滿足生產(chǎn)要求,，同時(shí)使原料采購(gòu)費(fèi)用最少,，可每年為企業(yè)節(jié)約采購(gòu)經(jīng)費(fèi)數(shù)千萬(wàn)元。

由此可見(jiàn),，工業(yè)生產(chǎn)中的知識(shí)型工作包含兩層含義,，一是人為的決策流程，一是依賴(lài)經(jīng)驗(yàn)的決策行為,。工業(yè)生產(chǎn)過(guò)程迫切需要解決知識(shí)型工作流程的優(yōu)化與自動(dòng)化，并在各個(gè)決策點(diǎn)實(shí)現(xiàn)知識(shí)驅(qū)動(dòng)的自動(dòng)化決策,。

《中國(guó)科學(xué)報(bào)》：具體而言,，知識(shí)自動(dòng)化的學(xué)術(shù)研究分為哪些方面？針對(duì)工業(yè)生產(chǎn)過(guò)程,，需要學(xué)者們從哪些方向去重點(diǎn)攻關(guān),？

桂衛(wèi)華：目前的知識(shí)自動(dòng)化研究，距離實(shí)現(xiàn)工業(yè)生產(chǎn)過(guò)程所需要的知識(shí)型工作自動(dòng)化還存在很大差距,，也是制造業(yè)未來(lái)轉(zhuǎn)型升級(jí)的關(guān)鍵,。

知識(shí)處理方法的研究集中在知識(shí)獲取、表示,、重組和關(guān)聯(lián)推理等四個(gè)方向上,。其中，知識(shí)獲取方面,，工業(yè)過(guò)程中隱性知識(shí)如何獲取依然是研究難點(diǎn),，工業(yè)過(guò)程控制系統(tǒng)中建模、控制與優(yōu)化決策相關(guān)知識(shí)規(guī)則的獲取等仍是主要難題,。

知識(shí)表示方面,，工業(yè)生產(chǎn)過(guò)程中，知識(shí)型工作者對(duì)事物和信息的表達(dá)往往是不精確,、不確定和模糊的,，此類(lèi)知識(shí)如何表示對(duì)于面向控制需求的知識(shí)自動(dòng)化系統(tǒng)實(shí)現(xiàn)具有挑戰(zhàn)性。

知識(shí)重組方面的研究還處在理論階段,，有關(guān)知識(shí)重組的應(yīng)用研究相對(duì)比較少,。

知識(shí)關(guān)聯(lián)和推理方面,，針對(duì)復(fù)雜對(duì)象，特別是復(fù)雜生產(chǎn)過(guò)程不完備知識(shí)的推理和計(jì)算仍停留在理論探討層面,，研究成果極少,。

希望廣大自動(dòng)化、人工智能領(lǐng)域的學(xué)者,，圍繞這些問(wèn)題開(kāi)展集中研究,，以解工業(yè)生產(chǎn)一線的燃眉之急。