2015年国务院制定并颁布的《中国制造2025》纲要明确指出，我国要从制造大国向制造强国转变，必须加大信息技术与制造业深度融合。钢铁业作为制造业的主要行业，应将智能制造作为转型升级的切入点，鼓励企业推进智能制造，实现钢铁生产智能化和绿色化。考虑到钢铁生产流程的复杂性和过程参数的不确定性等特征，现阶段我国钢铁生产控制技术大多处于动态模型阶段，以模糊智能控制、神经网络控制与专家系统为代表的人工智能控制方法与工业生产大数据的深度融合将成为未来钢铁生产智能制造的解决方案。

1、转炉

        转炉的控制主要是冶炼的终点控制，即转炉冶炼终点碳含量和温度的控制。转炉智能炼钢过程主要依赖废气信息、炉渣信息和副枪等进行吹炼控制操作，并在这些基础上实现转炉全自动吹炼技术。质谱仪已成为转炉废气成分分析的有力手段，可以连续地掌握转炉内废气信息作为吹炼控制的参数。通过吹炼噪声法、氧枪振动法、炉体振动法、微波渣面高度检测法、炉内压力测量法、直接观察法等方法可以获取转炉炉渣信息，并进行喷溅预报，采取喷溅抑制策略。副枪目前已成为转炉的主要直接测试手段，其作业率和测成率高，用于吹炼后期的动态控制来提高终点命中率。在转炉动态控制的基础上，综合采用炉渣状态在线检测技术、炉渣分析技术、模糊判断和神经网络系统和副枪等技术，可以对吹炼全程熔池碳含量、硫含量、磷含量和温度进行动态预报，并对吹炼终点进行动态校正，实现造渣过程闭环控制，不断提高终点预报精度。此外，近来智能化机器人已经成为转炉车间自动化系统的一部分，用来拆卸、建筑以及修补转炉炉体等。转炉出钢下渣远红外检测系统的应用引进了智能挡渣抬炉控制单元，准确率达99%以上，完全可以代替人工操作。

2、炉外精炼

        炉外精炼作为钢液洁净化生产的主要控制环节，精炼过程的智能控制技术通常包括吹氩控制模型、温度预报模型与合金加料模型，其发展趋势与转炉终点预测一致。目前，LF精炼智能预测与控制模型主要集中在：温度预测与控制、脱硫控制、脱氧与合金化控制和夹杂物去除控制等。东北大学开发了LF温度预测与控制模型，其主要包括数据管理与跟踪模块、包衬散热模块、吹氩热损模块、电极加热升温模块、加料热效应模块、温度预报模块和模型修正模块等模块。在上述模块中，钢包内衬对温度的影响最为重要也最难以确定。东北大学采用模糊判断的方法，实现了钢包在线周转过程中内衬级别的自动判别。此外，东北大学将机理模型和黑箱预报模型有效地结合起来建立了LF脱硫造渣“灰箱”模型。该模型的核心思想在于采用机理模型对样本数据进行预判断，剔除无效数据，为黑箱预报模型获得高质量样本数据，从而提升了预测结果的准确性。模型中采用基于自学习的参考炉次法反算合金元素收得率，以提高脱氧合金化模型和最小成本模型的准确性。合金化控制模型包括数据管理与跟踪模块、合金收得率选择模块、合金加料控制模块、合金热效应模块和钢水成分预报模块以及收得率反算修正模块。

        与LF功能相比，RH所独有的工艺控制手段是真空处理。东北大学通过完整的数学模型来描述RH反应过程，再通过数学模型建立黑箱模型。模型中将设备的参数以及生产参数的变化进行实时数据采集，并筛选过滤后输入到各个参数的计算中，从而保证模型所计算的真空室的状况与实际状况相符合。模型采用在线自学习方法修正脱碳率，从而建立满足多条件、多变量、多工况下终点碳的准确预测。此外，东北大学开发了新一代钢包喷射冶金技术（L-BPI）。钢包底喷粉工艺智能化评估和决策系统也是L-BPI发展的方向。最终实现智能制定/调整L-BPI的喷吹模式及控制参数，同时通过自学习自适应方法，不断修正L-BPI的评估和决策中心系统，提高喷吹准确率。

3、连铸

        连铸是承接炼钢与轧钢最关键的环节，连铸生产顺行及铸坯高质化生产是钢铁企业所关注的重中之重。结晶器作为连铸机的心脏，钢水在结晶器内的凝固行为直接决定连铸坯质量。与此同时，结晶器生产过程工艺及控制的稳定性直接决定连铸生产的顺行。因此，结晶器的智能化控制显得十分必要和迫切。东北大学开发了连铸结晶器智能化专家系统，其系统基本架构如图1所示，包括数据采集层（一级自动化检测）、数据通讯层（一级与二级系统间无缝通讯）、模型计算层（系统的核心部分）、过程可视化层。具备热监控功能、振动及摩擦力监控功能、结晶器润滑效果评价、漏钢预报监控、液位自动控制等功能，能够准确监测液面波动、局部热流动态变化、实际坯壳“热点”追踪、渣道内保护渣液/固渣组成比例及厚度分布、结晶器铜板摩擦力、坯壳动态凝固生长等信息，有效降低了漏钢误报率，实现了连铸过程的安全、稳定生产。

        连铸的二冷区通常由多个冷却区组成，且各冷却区的目标温度不同，所控制的水量也不同，而且生产过程常存在许多高度非线性、复杂性和不确定性的影响。因此，现有的基于铸坯表面温度检测和模型二冷水动态控制方法存在控制精度差和响应时间滞后的缺点。东北大学开发了基于在线热跟踪的二冷智能控制系统，如图2所示，有效地解决了传统传热模型计算时间长，响应时间长和控制精度低的缺点。在该二冷智能控冷模型中，铸机实时运行情况可通过动态数据库保存，然后通过BP神经网络，利用各段某一时刻的二冷水温度、水量、拉速等预测对应冷却区下一时刻的平均温度与出口温度，从而完成各段平均温度与出口温度的预测；在此基础上，通过采用模糊神经网络由各冷却区后一时刻拉速变化、计算温度与目标温度的差值，预测该对应时刻各冷却区的水量调整量。该二冷水量预测模块包括传热模型和BP神经网络两部分，BP神经网络训练所需要的样本由传热模型同步计算产生，模糊神经网络训练所需要的样本由传热模型结合实际水量的调整产生。

        连铸坯纯净度、表面质量、内部质量和外观形状等质量信息对于判断工艺合理性和指导工业生产至关重要。目前，国际上以曼内斯-德马克冶金公司的质量评估专家系统XQE和奥钢联VAI的计算机辅助质量控制系统为代表的较为成熟的连铸坯质量判定系统都是采用专家系统形式构建，较少单纯采用单一的人工神经网络、模式识别等模型。归纳已有专家系统特点，开发该类型判定系统，应包含如下3部分关键功能：1）产品模块提供在线质量的监控；2）知识库模块为冶金专家维护管理产品和质量判定知识的工具；3）发现系统模块可对有关质量和生产参数方面的评估提供大量统计结果，对保存于知识库中的冶金知识不断积累起着推动作用。然而，在连铸领域，铸坯质量判定系统开发最为复杂、最为困难，需深入研究冶金规律、判定准则等方可制定出有效、高鲁棒性的铸坯质量判定系统。

4、结语

        虽然炼钢与连铸过程自动化水平在近些年已有长足进步，但要真正实现炼钢与连铸工序智能化控制，还需要在先进在线检测技术开发、数据挖掘与处理、模型精度与效率、设备控制等多方面深入研究。更先进的在线检测手段和可靠的整体优化控制方案有机结合将成为今后智能化炼钢与连铸的发展趋势。

【内容来源】世界金属导报

【编辑】侯思璇