冶金行业资讯更多

【编辑精选】高炉炼铁智能化的研究现状与展望

来源：世展网分类：冶金行业资讯 2024-03-14 11:50 阅读：8717

2025年中国上海特殊钢工业展-中国冶金装备工业展CISSIE

2025-10-28-10-31

距离156天

高炉炼铁智能化的研究现状与展望

孟令茹，李福民，刘小杰，张智峰，李欣，吕庆

华北理工大学冶金与能源学院

研究背景

近年来，钢铁产能过剩，加之受自然资源短缺、能源供应短缺、环保等因素的限制，迫使其开始向着低碳环保的方向发展。随着两化融合技术支撑的成熟与“十四五”规划的发布，当前高炉炼铁工序开始实施智能制造工程，充分利用智能体系助力绿色钢铁制造，推动传统高炉炼铁向装备智能化、工艺绿色化、产品高质化与供给衔接化方向转型，如图1所示。

图1 高炉智能转型三步走大数据技术的兴起与成熟，使得各企业、研究院等开始考虑如何通过分析挖掘高炉生产中上千调节参数产生的海量堆积数据，探索其潜在的利用价值规律来达到提质增效的目的。本文通过由简入繁的方式介绍了当前高炉冶炼指标预测模型及冶炼过程监测系统，然后分析了数据处理与专家决策优化策略的重要性，并简要阐述了当前各企业高炉大数据云平台的搭建情况。最后针对高炉的智能化转型发展作出了展望。

国内外研究现状

1）高炉各指标预测模型的建立

作为高炉工序最终的产物，铁水质量的好坏不仅影响着整个钢铁流程工艺的能耗与经济效益，同时也对高炉顺行有一定影响。智能化发展之初，多数学者将智能化预测模型作为研究目标，即通过大数据技术分析挖掘各工艺参数与铁水质量指标之间的相关性及影响规律，从而对相关指标建立合理的预测模型，为操作人员提前调整炉况、把控生产质量提供参考。文章针对近年来铁水温度、铁水硅含量的预测模型进行了介绍与梳理，并得到主要结论：要紧跟高新技术的发展步伐，建立实用性强和可靠性高的单指标预测模型，可以为高炉操作者提前判断炉况提供很好的指导效果。

2）高炉冶炼过程监测系统的研发

高炉冶炼过程是一种“黑箱”型的连续作业，虽然现阶段出现了诸多预测模型对生产变量进行预测，然而由于高炉内部生产的复杂性，可能会出现判断偏差，以至于对高炉本身造成一定的影响，因此需要在预测模型的基础上对某些难以预测的部分进行监控，如煤气流的分布状况、风口状况和炉缸侵蚀情况等。利用监控手段在指导高炉操作、维护炉况顺行稳定以及保护高炉中发挥重要作用，为高炉操作者提供更为清晰直观的调控依据和调控手段。

文章综合煤气流监测系统、高炉风口监测系统、高炉炉缸侵蚀监测系统（如图2所示）、高炉炉顶监测系统四方面展开论述，并指出：深度学习已在基于大数据和强算力的机器学习领域成为研究热点，在计算机视觉、语音识别等一系列领域中取得突破性的进步。在第三次变革大浪潮下，深度学习技术必然会为钢铁智能制造业发展提供新方向。

图2 炉缸侵蚀检测预警系统程序整体设计图3）高炉大数据云平台建设高炉大数据云平台建设过程面临着一系列的挑战和问题。作为大数据技术的基础，企业中的数据存储位置不一成为后续建模分析瓶颈所在，因此，数据采集处理工作成为大数据云平台建设中亟待解决的首要问题。传统数据采集早期，人们利用SQL Server存储数据，因此，后续的建模和应用工作也是以其作为研究基础。

高炉各部位之间在数据采集与处理的基础上建立了相对完善的预测模型或监测系统，然而，仅依靠大数据分析技术却背离工艺操作理论，在实际中未必具有一定的可解释性。因此，需要融入图3所示的专家系统作为优化策略。专家系统的核心是将经验理论与大数据分析技术相结合，能够充分提升现场人员对高炉各部位状态及炉况运行情况的了解。

图3 专家系统优化策略框架示意图

发展趋势展望

１）钢铁行业作为我国国民经济的支柱产业，在我国工业现代化进程中发挥着不可替代的作用。当今数字化技术不断发展，传统的高炉冶炼方式已经无法适应未来“双碳”目标与“十四五”规划下的发展趋势。应面向未来，坚持以智能化转型为主要方向，进一步构建完善的钢铁行业智能制造标准体系，做到精准、高效、优质、低耗、安全、环保，全面提升冶炼质量，促进钢铁行业在新时代健康可持续的发展。

２）智能化生产是高炉转型升级的现实需要，应当将智能化技术转变为高炉冶炼可持续发展的驱动力。各钢铁企业在智能化发展过程中除利用数据模型驱动生产外，还应积极建设本厂智能化炼铁平台，运用红外成像等手段对高炉炉顶、风口以及炉缸等各处建立监测系统，利用技术化手段保证高炉生产顺利进行，达到提质增效的效果。

３）加强炼铁与科技板块合作，充分借鉴国内外优秀企业的智能化发展模式，融合５G技术打造数字孪生工厂，由传统的“经验炼铁”向“智慧炼铁”方向转变，打造符合新时代的高炉炼铁工厂。

引用本文：孟令茹,李福民,刘小杰,等.高炉炼铁智能化的研究现状与展望[J].冶金自动化,2023,47(2):27-40.

本文原载于《冶金自动化》2023年第2期，点击“阅读原文”可查看论文全文

作者简介

孟令茹

华北理工大学

华北理工大学冶金与能源学院硕士研究生，从事智能钢铁冶金、工业大数据等方面的研究。

李福民

华北理工大学

华北理工大学冶金与能源学院教授，硕士生导师，现任华北理工大学研究生学院党委书记。河北省冶金青年科技奖获得者；河北省“三三三人才工程”第三层次人选；主持完成国家自然科学基金项目1项、河北省自然科学基项目2项；参加完成国家自然科学基金项目4项，获河北省科技进步奖2项；参与企业横向课题多项；发表论文60余篇，出版专著1部，发明专利3项。

刘小杰

华北理工大学

华北理工大学冶金与能源学院副教授，硕士生导师。近年来在Applied Soft Computing、IJMMM、ISIJ等国内外知名计算机、冶金类期刊发表SCI、EI与中文核心论文50余篇，授权国家发明专利4项，国际发明专利2项，出版专著1部，承担国家自然科学基金青年基金、河北省自然科学基金、河北省教育厅项目、唐山市科技局项目等多项纵向课题，承担河钢集团有限公司、唐山瑞丰钢铁（集团）有限公司等多项横向课题。指导研究生荣获全国大学生冶金科技竞赛特等奖、一等奖等10余项；荣获第四届冶金创新创意大赛一等奖1项。

关于本刊

《冶金自动化》创刊于1976年，是由中国钢铁工业协会主管，冶金自动化研究设计院有限公司、北京钢研柏苑出版有限责任公司主办，冶金行业（包括钢铁和有色金属）国内外公开发行的自动化技术应用科技期刊。主要报道自动控制理论、人工智能、5G、工业互联网、电气传动自动化、检测技术在国内外冶金过程（包括钢铁和有色金属）控制与科学管理中应用的新理论、新技术、新成果。