近年鋼鐵主業智能制造發展綜述（上篇）

林安川 杜順林 向艷霞 朱永華 羅英杰 趙紅全 王 萍

（1.昆鋼技術中心，2.昆鋼科創中心）

1 概述

當前，中國正處于工業化加速發展的重要階段。走新型工業化道路，加速推進新一代信息技術與制造業深度融合，是當前和今后一個時期的重要任務。1988年，美國首次提出“智能制造”概念，制造業作為國家的立國之本、強國之基、興國之器，是保持經濟持續增長的動力，是加劇制造業技術創新、競爭的催生劑。研究表明，未來幾年全球智能制造行業將保持10 %左右的年均復合增速，美日德各國相繼加大科技創新、智能制造發展力度[1]；德國工業4.0戰略研究核心為智能工廠和智能生產[2]。在鋼鐵領域，20世紀末，歐洲排名第一的鋼鐵企業蒂森克虜伯加大智能制造投入，開始進入高端化發展時期[3]。

鋼鐵工業屬于混合型流程工業，兼有連續型和離散型工業流程的特點，實現整個鋼鐵制造流程運行、管理的智能化是提升企業競爭力、可持續發展力的根本性來源。相對于單一技術、裝備上的進步與突破，智能制造的巨大功效主要體現在兩個方面：從本質上實現了工業制造與信息技術的深度融合與集成創新；從模式上實現了生產組織、管理方式的變革。鋼鐵智能制造的研究與建設是一個復雜、系統的工程，其核心是通過信息化、數字化、網絡化等技術手段，對包括工藝、生產及檢測設備在內的現有制造流程系統進行創新優化，將流程系統和信息化融合成一個有機整體，實現生產的協同高效運行，最大限度發揮各生產要素的積極作用，達到工藝知識、經驗的顯性化，實現計算機、網絡技術與傳統生產工藝的無縫對接，從而實現生產、管理的標準化、精細化和穩定化。近年來，我國信息技術的飛速發展，為鋼鐵企業挺進智能制造領域、推動產品和產業升級帶來契機。寶鋼爐前作業機器人應用、無人化智慧料場、熱軋智能車間及太鋼不銹鋼棒線材生產線智能化升級改造項目率先進入鋼鐵企業智能制造示范，國內各鋼鐵企業在原料、煉鐵、鋼軋等關鍵工序相繼實施智能制造技術的研究、建設及應用。本文主要概述鐵前原料場、燒結、球團、高爐本體及其附屬系統。

2 鐵前原料系統

2.1 原料場、庫區

2.1.1 原料場無人化建設發展歷程概述

原料場是鋼鐵企業開始進入生產工藝流程的第一道工序，擔負著為鋼鐵制造龐大生產量提供數以千萬噸計精糧需求的入、堆、分、取、檢、運任務。因此，大型鋼鐵聯合企業往往配備了巨型的堆場、數量龐大的堆取料設備及大量駕駛設備的操作人員。與之相隨的是，如何最大限度地改善工作環境、有效地降低人工成本，減少人工干預帶來的安全、質量的不利影響，提高生產效率成為大型鋼鐵聯合企業面臨的共同課題。

以“料場無人化”為實現目標，其發展歷程可以概括為三個階段：一是實現堆取料設備的遠程手動控制。其特點是主要依靠中控室操作人員的指令實現現場堆、取料系統設備的運轉；二是進一步實現了堆取料系統、設備的半自動作業。其特點通過自動控制程序實現了作業設備各機構的運轉，但在操作、料場管理上仍然處于仍然處于以人工為主、計算機為輔的階段；三是實現了堆取料系統、設備的全自動作業。

2.1.2 原料場、輔助設施自動化控制及無人化建設

如前述，在保證設備安全、穩定運行的基礎上，自動化、智能化是原料場發展的方向，建設無人化料場（庫場）提高堆取料機、行車等作業設備的自動化程度，是大型鋼鐵企業解決上述問題的有效途徑。料場無人化建設核心是依靠自動化控制系統實現對原料場主體作業設備的全自動化控制。以堆、取料機進行無操作人員堆取料操作、作業和監視為例，不僅要能充分保證料場利用率、發揮裝備作業能力，更應具有主體設備防碰撞、安全穩定自動運行等功能。正常情況下由中控室可通過操作開關實現對現場設備的遠程干預。無人操作過程作業流程簡述為：指令發出→無人控制系統獲得任務→優化計算和安全檢查→系統自動產生相關堆、取模式指令→堆取料機PLC接收指令→堆取料機全過程無人自動堆、取料作業。

針對建設目標、過程中催生的問題及解決方案，寶鋼提出的料場無人化建設目標是：實現堆取料機無人控制和料場管理、中央控制的一體化[4]。其在馬跡山港料場國內首創的無人化系統投入生產運行后，不僅實現4臺堆取料機中控遠程自動操作，且自動作業料場利用率、生產效率也完全達到設計能力，為促進大型原料場智能化管理水平做出示范；在針對提升原料場控制系統信息化、自動化程度效率層面，姜云鵬等[5]采用智能Mcc控制系統減少了遠程I/O模塊和遠程柜數量，達到節省電氣室占用面積、減少接線數量、維護更容易效果；針對大型料場進出車輛監控問題研究，黎雪芬等[6]設計了基于u～Blox 的GPS（全球定位系統）應用單元，結合柵格化地圖縮放、平移、標定及行駛軌跡匹配技術，實現了利用GPS位置信息檢測車輛位置，滿足了大型無人化料場管理、車隊等的監控與管理的實際需求。此外，皮帶機作為大型綜合料場的重要附屬系統，主要作用是連接各大型專用設備，將原燃料輸送至大型設備或承接、輸送的作用，傳統操作運行同樣依靠大量人員值守。王來平[7]基于計算機、PLC控制、視頻監控和傳感器等技術，集成了包括在線狀態監測、集控和視頻監控的皮帶機無人值守系統解決方案，實現皮帶機系統的“一鍵啟動”和無人值守功能。

2.1.3 庫區輔助設施自動化控制及無人化建設

天車是鋼鐵企業庫區最重要作業設備，庫區天車無人化是原料庫（包括礦石、煤焦）作業、庫區管理實現智能化的前提條件。庫區天車無人化是指在傳統天車設備基礎上通過控制管理系統實現天車之間、天車與物料之間的信息交互并最終實現天車的自主作業。天車無人化系統主要由庫區PLC 控制子系統、管理子系統（WMS）組成。主要功能包括: 天車作業無人駕駛、作業自動排程、實時調度及HMI 操作控制、庫區物料實時動態跟蹤等。作業流程簡述為：庫區業務需求→管理子系統自動生成天車作業排程計劃→天車和作業環境實際狀態→天車作業調度順序→作業指令發送給PLC 控制子系統→天車作業。

李曉剛等[8]率先在國內庫區研發及應用了具有完全自主知識產權的控制管理系統，體現了無人駕駛、自動識別、平穩吊運、動態跟蹤等顯著優點，系統運行狀況穩定并為全流程作業提供準確的數據支撐，解決了不可控人為因素、吊裝二次損傷、效率低下、跟蹤不及時等問題，天車故障減少，運行的準確度和平穩性能得到提升，滿足現場生產的要求；激光成像分析技術的應用是實現原料場及庫區無人化的關鍵技術之一，吳毅平等[9]利用三維激光掃描裝置對散裝料堆等物體進行激光掃描，通過在計算機中建立3D圖像、圖像分析和智能優化數模并結合自動化控制設備，實現料場、庫區自動作業堆取及吊運自動作業。實現了生產過程的無人化、智能化，減少操作人員，降低能耗和運行成本。

2.2 燒結

燒結工序是高爐主要含鐵原料供應源，其對物料的處理量占鋼鐵聯合企業的第二位。燒結生產是鋼鐵生產的重要環節，具有生產工藝流程長、工藝過程復雜及系統操作參數變量多、滯后大、時變的特點，并且，存在如礦相變化、漏風率等一些關鍵生產參數難以直接在線檢測的情形。這導致長期以來應用常規控制理論、方法很難解決燒結生產過程中的綜合控制問題，也難以就其生產過程建立精確的數學模型。隨著信息化、智能化技術的發展，應用燒結生產智能控制技術，提高生產控制水平和技術經濟指標成為國內外科研開發的熱點[10～13]。

2.2.1 燒結生產過程綜合控制系統進展

相比國外先進的智能控制系統，國內大多燒結控制系統均處于局部智能控制。2005年，武鋼435 m2燒結機通過引進、移植奧鋼聯的燒結終點模糊制技術實現了燒結終點控制；2009年，首鋼京唐550 m2燒結機研發了由燒結生產過程、質量、信息管理等智能控制子系統構成的燒結全過程智能閉環控制系統，首次在國內實現了燒結機整體智能閉環控制[14]。

燒結生產過程中，燒結機（臺車）料層厚度是影響燒結礦的產量、質量、冷熱態強度、還原性、燃耗等理化性能及技術經濟指標的主要技術參數之一。張巍[15]分析了燒結機料層厚度控制系統構成，設計了采用雷達料位計在線檢測料層厚度的方法，據測量結果結合料層厚度設定值實現了圓錕給料機轉速和混合礦槽給料閘門開度的智能控制，最大限度地實現穩定控制燒結機料層厚度，顯著改善燒結機的布料效果。楊春雨等[16，17]基于燒結生產過程信息化、智能化集成技術開發平臺，在研發燒結生產過程中混合料水分智能控制、燒結終點控制、配料動態優化、機尾斷面圖像分析及綜合智能專家決策等關鍵環節控制子系統基礎上，采用人工智能視覺、分層劃分、BP神經網絡及優化模糊—均值聚類相結合等關鍵技術，分步實現燒結生產各關鍵環節智能控制及解決在線檢測與智能控制問題，在此基礎上集成、應用信息化、智能化技術構建綜合智能控制系統，進而實現燒結生產的綜合自動化。

2.2.2 燒結專家系統的構建及應用

智能的燒結綜合控制專家系統是徹底解決燒結過程成礦機理復雜、產品質量檢測滯后及原燃料水分成分波動大、影響產品質量因素眾多等復雜問題的重要手段，也是追求燒結生產低耗、高產、優質和持續提高技術水平、技術指標的主攻方向。

王漢飛等[18]將奧鋼聯提供的智能燒結監控管理系統、生產組織模式、先進工藝緊密結合到首秦燒結工藝中，并得到成功應用。左永紅[19]對燒結基礎自動化合理規劃并對系統的網絡架構設計進行優化，充分利用各級網絡的特點并結合不同層面的需求．實現從現場層到企業管理層再到因特網的無縫連接，最終實現了燒結生產自動化系統中的智能化電氣柜、PLC、現場智能儀表、變頻裝置、操作員終端等設備之間以及現場設備與企業管理系統之間的高效通信。程勝福等[20]采用先進的軟件設計理論和系統結構模式，開發出具有高穩定性、可靠性、穩定性的大型專家系統：建模方面，依據燒結生產核心過程如配料、混合加水、物料成分平衡和機速、料層控制的特點，對應建立燒結配料優化、混合加水、物料平衡、過程控制等應用模型；硬件方面，將部署有實時數據庫、數據采集和處理模塊、專家控制模型的模型服務器，部署有數據倉庫和大型數據庫系統的數據庫服務器，和包括PLC、QS、MES等外圍系統及輸出設備進行有機集成。從運行實踐看，系統很好地達到了復雜原料狀況下的燒結生產自動化、智能化，達到增產降耗，大幅提高燒結生產經技術指標。

2.3 球團

球團礦作為酸性爐料具有粒度均勻、還原性及冷態強度均好、便于運輸等眾多優點，作為高爐用料的重要補充在煉鐵生產上得到了廣泛的應用。作為球團生產主導工藝之一的鏈篦機—回轉窯球團工藝，其流程包括精礦配料、干燥、錕壓、生球干燥、預熱、氧化焙燒、冷卻及成品輸出等若干環節。同樣地，由于生產過程具有的滯后性、時變性特點，借助數學模型進行數據篩選、挖掘分析等得到關鍵參數及最優配置，以及應用信息化、智能化途徑仍是解決球團生產過程控制精度難度大、產品質量不確定性等的有力手段[21]。一方面，是實現生產過程中水分跟蹤、配料計算、烘干系統、熱工參數優化、回轉窯結圈、質量預報等主要過程模塊的自動控制；另一方面，通過PC服務器、工程師站、控制站、操作站、網絡等將生產流程各個環節串接起來，從而實現整個球團生產制造的全過程自動化、智能化控制。

3 煉鐵及重要附屬系統

3.1 熱風爐

熱風爐是一種燃燒—儲熱型熱交換器，作為高爐的重要附屬設備，擔負著為高爐日常冶煉輸送高溫助燃熱風的任務。一般每座高爐配置3～4座熱風爐，單座熱風爐按燃燒→休止→送風→休止→燃燒的順序進行循環生產作業。在一定裝備條件下，熱風爐的燃燒控制決定了煤氣消耗、風溫高低及其穩定性。為達到提高熱風爐生產安全性、燃燒效率及節能降耗、改善環境效果，熱風爐系統過程自動控制的設計及應用成為技術發展方向之一。

熱風爐燃燒過程自動控制是以具體熱風爐格子磚的蓄熱量能夠滿足實際熱風溫度和流量的需求為基準設定燃燒數學模型，經數學模型計算煤氣、助燃空氣流量得出最佳空燃比，取代人工經驗燒爐獲得最佳燃燒效果。自動燒爐的實施過程：燃燒自動控制以雙交叉限幅原理為基礎，以拱頂溫度、煙氣溫度為目標值控制空氣、煤氣流量。經前述模型設定空燃比，當達到拱頂溫度設定目標值后進行切換，當達到設定煙氣溫度目標值后燃燒過程結束。熱風爐自動控制實施內容包括：煤氣流量及放散、空氣流量及放散、冷風流量、空燃比、助燃風機連鎖控制以及過程數據收集、儲存、分析處理等。送風時，混風閥根據圍管前風溫設定值實現自動控制調節，確保連續、穩定地輸出風溫。并且，控制器具有在線編程和修改的能力。

劉芳[22]從控制系統、控制原理出發，概述了某頂燃式熱風爐自動化控制系統包括儀表選型、系統調試、基本功能等構成內容。并通過該控制系統實現了熱風爐作業過程中的數據采集、處理、實時趨勢、歷史曲線及過程循序控制等功能。隨后進行的工業化試驗表明，應用自動控制技術后在熱風爐燃燒時同時下調了煤氣、空氣流量，拱頂在燃燒期間達到最佳溫度．并且，獲得了低于200 ℃的廢氣溫度。

3.2 高爐煤粉噴吹

高爐噴煤是節能降焦、降低生鐵冶煉成本的有效途徑，同時也是穩定高爐操作的日常調劑手段。高爐冶煉是一個高度復雜的多變量、大慣性、強耦合系統，大噴煤條件下，風溫、風量、富氧率、壓差等高爐冶煉參數與爐況順行程度相關性增強。因此，僅憑借高爐操作者的經驗建立、優化操作模式，確定最優噴煤量是主觀的、粗糙的和難以更新的。

模糊推理是規則挖掘的最有效方法之一，這為描述和處理具有模糊性、不確定性等特征客觀現象時模擬人的邏輯思維功能提供了強有力的工具。利用該方法建立T～S模糊模型對于高爐冶煉過程控制的積極意義在于[23～24]：通過從現場積累的大量生產過程歷史數據中挖掘出包括各個冶煉參數相互關系、成功優化操作模式等具有實際意義的知識，在不改變高爐工藝流程、不增加生產設備基礎上，當系統變量（冶煉參數及其相關衍生參數）發生變化時，通過全面數據的采集、挖掘進行分析匹配，利用分析得到的信息，調整工藝參數，使系統始終處于優化運行狀態，從而實現高爐冶煉生產過程操作、控制、決策優化。

崔桂梅等[25]針對高爐冶煉過程中參數、指標波動較大及噴煤量建模困難的特點，在分析高爐噴煤機制的基礎上，提出了將操作模式匹配應用到高爐噴煤的方法。簡述為：以已知的高爐具體生產參數為條件，以高爐噴煤量為研究對象，以高爐運行的歷史海量數據為基礎，對鐵水w（[Si]）建立BP神經網絡預測模型[26]，對噴煤量操作模式進行智能匹配[27]。其流程為：預測當前鐵水[Si]含量→基于專家標準挑選出優良模式集→采用模糊均值聚類方法進行分類→操作模式庫中尋出與當前輸入條件距離最小的操作模式→模式匹配完成，實現噴煤過程優化控制。相比采用遍歷搜索合適操作模式的方法，該法減少了由參數波動、人為因素引起的不穩定，更兼具匹配速度和精度的優點，對高爐冶煉噴煤過程具有很好的指導作用。

劉祥官等[28]、崔桂梅等[29]從高爐工藝機理分析出發，以高爐生產多年海量歷史數據為樣本，借助于數據挖掘篩選出的優化數據樣本，運用數據驅動建模技術分別建立高爐噴煤T～S模糊模型及基于T～S模糊模型的高爐噴煤決策模型，自動從歷史記錄中得出高爐冶煉成功噴煤的優化操作規則、模式，建立起操作模式、生產經濟指標、能耗之間的有機聯系，基本消除高爐冶煉過程中各類因素對冶煉結果的影響，一定程度上提高了現有經驗操作、決策的效果，達到實現精準噴煤、節能降耗的目的。

3.3 高爐冶煉專家系統

在整個鋼鐵產業中，煉鐵系統是能耗占比最大的工序，其能耗約占產業總能耗的70 %，而作為煉鐵核心的高爐冶煉過程占比高達50 %。因此，實現高爐煉鐵過程自動化控制、持續優化高爐冶煉精準化操作模式，是整個鋼鐵產業節能降耗的關鍵。高爐冶煉過程作為具有大規模連續性生產、生產冶煉過程中物質三相狀態同時存在且相互間持續進行化學反應等極其復雜特征的工業對象，具有非線性、分布參數、強烈的隨機性等特性[30]。因此，要提高高爐冶煉過程自動化控制水平，需要“新的建模和控制的原理和技術”，包含硅預測模型、鐵水質量優化模型直至高爐冶煉專家系統在領域內得到越來越廣泛的關注、研究及應用。

3.3.1 高爐專家系統研究發展概況

如前述，高爐冶煉過程的極其復雜性，再加上目前所有原燃料的冶金特性并未被完全掌握，這就使得整個高爐冶煉過程往往并不平穩。高爐操作者要實現對冶煉過程進行恰當而精準的控制，不僅需要對當前爐溫進行客觀的分析，還要結合對爐溫在未來一段時間內的發展趨勢的認識，更要充分考慮周全實時出現的影響因素及采取各種調劑手段對過程的綜合作用（并非多因素的簡單加權體現）。顯然，由于不同高爐操作者個體對冶煉過程主觀上存在的不同認知差異，僅僅憑借操作者的經驗，做好高爐冶煉三班連續科學統一的穩定生產是極具難度的。隨著計算機、自動化、信息化技術的快速發展以及冶金工作者對高爐數學模型研究的不斷深入，利用高爐冶煉專家系統技術結合數學模型的應用對高爐冶煉過程進行智能控制，成為實現高爐冶煉過程自動化的一條根本途徑。

應用不同的技術和方法，可以設計、開發得到各自的專家系統，但總體上，專家系統要實現的目標是一致的，即：圍繞實現高爐冶煉過程“優質、低耗、穩定、均衡、安全、長壽”目標，建立多目標系統優化模型，求解出冶煉過程中關鍵參數的最佳范圍和最佳結合，實現對高爐工藝參數的系統優化。從處理方式、流程看：一是建立高爐爐況診斷模型；二是利用建立的模型，為出現的異常爐況提供解決方案；三是給出診斷結果、解決方案的原因分析；四是進一步地實現冶煉進程控制的閉環。從功能的實現、效果體現看，高爐專家系統發展依次經歷三個類型的變化：預警和預測專家系統→咨詢型專家系統→閉環（半閉環）專家系統。第一類專家系統利用高爐生產的各種累積數據建立，所用模型具有診斷作用，并能預測諸如爐熱、爐涼、爐墻結厚、氣流失常等異常爐況的發生，這為高爐操作者提供了較為全面的數據信息；第二類專家系統和數學模型相結合，在實現診斷、預測的基礎上能夠為高爐操作者提供即時建議，目前在國內仍屬于主流階段；第三類專家系統集合了多個數學模型、操作經驗和專家知識，使得部分高爐操作實現自動糾正、控制成為可能，并且能夠較大幅度的提高高爐能量利用率，降低能耗。目前具有代表性的為奧鋼聯專家系統。在信息化技術飛速發展的今天，加大對第三類專家系統的研究及應用，是實現高爐智能化控制的發展方向。

從工藝和數學的角度，高爐冶煉過程專家系統的模型分為機理模型、推理模型、系統優化模型和爐溫預測控制模型。其中，包含布料、配料計算、爐熱指數、爐缸侵蝕模擬等十余種模型的機理模型既是專家系統的基本模型，也是其他模型的基礎。各種機理模型從高爐冶煉過程的不同角度反映高爐冶煉規律，而高爐操作者通過具體的機理模型實現煉鐵的不同生產任務和目標。因此，可以說數學模型在高爐專家系統中居于核心位置，同時新的數學模型也不斷的被學者們應用到專家系統中。在高溫、高壓且全密閉的高爐冶煉條件下，爐內過程的眾多工藝變量分布情況很難被檢測出及進行實驗室模擬。為更加清楚地弄清高爐爐內冶煉過程中三相流體運動及其相互間反應，畢學工[31]將機理模型從一維、二維研究拓展到了對三維的研究，從穩態模型發展到了非穩態模型，并進行了專題論述；儲滿生等[32]根據對高爐內傳輸現象描述方法的不同，將機理模型分為熱化學、反應動力學和平衡理論模型；郜傳厚等[26]深入研究了基于數據驅動的機理模型，并將其應用于爐溫的精確預測及控制。

高爐鐵水w（[Si]）及其穩定性是衡量高爐冶煉、操作水平的重要標志，高爐日常生產中控制鐵水w（[Si]）的過程也就是控制高爐冶煉行程的過程。因此，實現鐵水w（[Si]）的精準預測預報并實現閉環控制是最終達到高爐冶煉過程自動化的重要環節。爐溫預測控制模型體現了預測和控制兩個部分的作用，其精度預測效果也成為評價專家系統水平的一個重要指標。本文重點概述在專家系統中居于核心地位的硅預測預報模型研究及進展。

3.3.2 硅控制概況及預測預報模型的相關研究及進展

3.3.2.1 硅控制概況

高爐冶煉的最終目的是為煉鋼盡可能地提供優質而穩定的鐵水，同時通過持續優化冶煉參數、提升操作水平持續改善指標、降低制備成本。對高爐操作而言，爐溫的預測和控制是其日常冶煉核心內容。由于高爐冶煉是典型的復雜工業控制過程，而依據冶煉基礎理論、機理分析只能對冶煉行程控制進行定性的、宏觀的指導作用。并且，長期以來由于測量儀表的精度、穩定性尤其是信息處理能力的不足，因此在高爐日常冶煉生產過程中，高爐操作者通常根據長期生產實踐積累的經驗（操作模式）結合簡單（局部）計算進行決策和操作，缺乏對各個直接和間接工藝參數之間影響關系的在線計算及系統過程分析。甚至，在進一步提升經濟技術指標的過程中更多的是依靠經驗甚至是隨其自然的方法，這使得高爐冶煉過程中能源和資源消耗更多是處于一種“看菜吃飯、摸索調整、自然生成”的狀態。

鐵水主要質量指標為硅（[S i]）、磷（[P]）、硫（[S]）以及鐵水溫度（物理指標），質量指標與冶煉參數、操作方針等控制過程密切相關，冶煉控制參數包括料批、料線、布料矩陣、風量、風壓、風溫、頂壓、爐體溫度、煤氣及渣鐵理化性能、成分分析等依靠儀器儀表直接測得的直接參數；以及依據高爐冶煉工藝機理計算得到透氣性、鼓風動能、理論燃燒溫度、爐腹煤氣量、透氣性阻力系數、爐腹煤氣指數、邊緣及中心發展指數等間接衍生參數。日常高爐生產操作調劑中，操作者圍繞質量、指標目標通過變更上述上部、下部控制參數對爐況進行調整，最終體現為穩定和優質的鐵水質量、好的煤氣利用率和低的消耗。因此，改善并獲得穩定鐵水質量指標的過程也就是采取有效方法、手段優化控制冶煉的過程。在高爐鐵水質量參數建模中，通常為，以上部制度為邊界，考慮送風、燃料噴吹系統兩部分的參數。

3.3.2.2硅預測預報模型的相關研究及進展

如前述，高爐冶煉過程具有多相復雜物理化學變化、多場耦合嚴重、強非線性、時變形等特點，而在實際生產過程中，鐵水中[Si]、[S]、[P]含量及鐵水溫度等關鍵指標又存在難以實現直接在線檢測，離線化驗滯后嚴重的情況。并且，在預測過程中，受高爐冶煉行程決定及受多種實時可變因素影響，各調劑變量在發生作用時對終點w（[Si]）的影響同樣具有滯后性，這都導致機理模型不易建立。為了對[Si]含量進行準確的預測及對所建模型精確度進行評估。眾多學者利用不同的方法和評價手段開展工作。

馮婷[33]采前幾爐次的數據作為當前爐次的重要參考，采用自相關系數法確定各影響變量對w（[Si]）時滯的大小，為增強預測精度提供基礎；GOOD R P等[34]利用影響鐵水質量的各因素間強相關性，采用主成分分析方法確定影響鐵水[Si]、[P]、[S]和[C]的最關鍵參數。從而降低模型復雜度，提高建模的準確率、效率。此外，Chuanhou Gao等[35]采用數據驅動針對復雜工業過程進行機理建模的方式受到了越來越廣泛的關注；部分國外學者建立了周期性鐵水[Si]含量預測的離散時間序列模型，為提高模型的估計性能，對模型的線性與非線性部分分別處理；陳建等[36]采用直接檢測得到的風壓、風量、風溫及簡單計算得到的透氣性等10個冶煉因素對鐵水[Si]含量進行預報，并通過在模型中引入滑動窗口對訓練樣本進行更新等。均收得較好建模及應用效果。

在模型進行綜合評價方面，周平等[37]針對高爐煉鐵過程上述特點，為實現對高爐鐵水[Si]等成分指標在線估計，建立了基于精度綜合評價與遺傳參數優化的鐵水質量（MIQ）多輸出支持向量回歸（M-SVR）動態模型，并從模型估計趨勢、估計誤差等方面對建模進行綜合評價，進一步地，為獲得具有最優參數的M-SVR動態模型，采用遺傳算法對M-SVR的伸縮向量和懲罰因子參數進行了全局尋優。在某高爐進行的工業試驗結果表明，所得模型能夠根據實時輸入數據的變化對多元鐵水質量參數進行準確估計，達到預期效果。

隨著計算機技術進步和數學模型研究的深入，越來越多的方法應用于數學模型建模、模型精度的提升及評價工作。Ilkay Saracoglu等[38]根據達爾文進化論中的“生存競爭”和“優勝劣汰”原則，將遺傳算法（GA）應用到w（[Si]）預測模型；TANG Xianlun等[39]將遺傳算法（GA）與BP神經網絡相結合，得到的w（[Si]）估計精度近似一階自回歸模型預測結果。潘偉等[40]為更好地量化反映高爐數據的復雜性，經過假設檢驗，證實了高爐鐵水[Si]質量分數序列同時存在異方差性和非對稱性兩種特性，并在此基礎上建立了爐溫預測模型；潘偉[41]在前人研究基礎上，分別建立了基于高斯子過程和魯棒高斯過程的爐溫預測模型，模型通過協方差函數與協方差矩陣將冶煉過程的過去狀態與未來狀態進行聯系，為爐溫預測模型建立提供更有效的基礎方法及思路；潘偉[40]以國內較典型大型高爐在線采集的冶煉過程數據為對象，利用高斯過程模型對高爐冶煉過程中爐溫預測、噪聲模型、爐溫變化趨勢預測等進行研究，對基礎模型預測的殘差序列再建模，并使用高斯過程模型對殘差序列建模，利用大型高爐實際生產數據進行仿真研究，改進了模型精度和預測結果。

機器學習作為近年來興起的一門多領域交叉學科，在高爐煉鐵過程建模方面得到了成功應用。崔桂梅等[42]利用支持向量機方法對輸入變量和鐵水[Si]質量分數之間的關系建立高爐爐溫變化趨勢預測模型，得到了對下一爐爐溫的趨勢發展預測結果；Manin R D等[43]通過神經網絡對高爐冶煉過程進行建模，以及將貝葉斯網絡應用于高爐鐵水[Si]質量分數預測，在多座高爐應用得到了較好的預測效果；劉祥官等[44]開展了基于模糊數學的模糊模型、偏最小二乘模型等其他一些模型的研究，從不同數學角度對高爐實際的運行數據迸行了數據挖掘并建立相應模型，為解決基于模型得到的預測值進行可信度分析及對高爐系統的噪聲形態進行研究。此外，TANG Xian-lun等[45]基于混沌粒子群優化支持向量機建立了穩定性較強的鐵水[Si]含量預報模型，實現絕對誤差小于0.03的樣本數占總樣本數的比例達到90 %以上。

此外，劉祥官[46]建立了反映高爐冶煉過程的多目標優化數學模型，可以使用樣本空間模型算法求出，從而得到最佳爐溫與最佳控制參數的范圍。趙敏[47]建立了基于熱傳導方程的爐缸侵蝕模擬模型，并采用有限差分的方法估計爐缸的侵蝕狀況，給出相應的等溫線。這種模擬模型有助于維護爐缸的設備安全運行，是設備安全運行監控的數學模型。

3.4 高爐爐前工作概述及其智能化進展

高爐爐前崗位擔任著及時排盡冶煉過程結束產生的大量渣鐵的任務，開、封鐵口是經常性操作，即時、高效進行加裝炮泥、換釬作業是是滿足高爐高冶煉強度生產的核心要求之一。其崗位特點是：作業環境惡劣；人機結合頻率很高，屬于典型的重復性重體力勞動，又存在很大機械傷人、灼傷、輻射傷等安全風險因素。從作業系統的安全性、流程穩定性、運行成本出發，在爐前實現自動加炮泥、自動換釬等高度自動化作業具有積極意義。

隨著計算機、自動化技術、電磁導航技術的進步，這使得將具有的良好目標識別及環境適應能力的AGV系統（無人搬運車）應用于高爐爐前復雜環境實現裝泥、換釬自動化作業成為現實。孫帥等[48]設計了一種基于灰度傳感器的AGV差速調節控制系統，對數據進行高效處理，并通過無線通訊實現了小車自動上下樓梯、自動運行并合理避障等功能；李曉輝[57]給出了利用自動化控制系統使自動換釬、自動加炮泥裝置作業的功能描述和流程化方案。自動加泥系統組成為：裝載機器人、多功能夾具、AGV小車、炮泥載具、視覺定位系統及電氣控制系統；作業流程為：AGV小車自動取泥→無人運輸→小車達到泥位→自動裝泥（機器手自動進行壓炮動作、裝滿判斷）→裝泥完畢→AGV小車及機械手自動歸位。過程中出現炮泥不足情況時，AGV小車可自動補泥；炮泥填裝時間可調至滿足爐前生產的需求為準；系統具有遙控、現場控制、控制室控制等功能。自動換釬系統組成為：換釬機構、行走軌道、釬架及電控系統。作業流程：機械手抓住開口機上鉆桿→開鐵口機動作→拆卸鉆桿→機械手移動抓取待換鉆桿→將鉆桿移到換釬位→開鐵口機動作→安裝鉆桿→機械手歸位。自動換釬設施自帶釬架可放置兩種規格各15根以上的鉆桿，自動換釬機可根據需要自動選取釬架上的釬具，可實現電、液驅動。賈祥瑞[49]設計了爐前泥炮自動加裝炮泥、開口機自動換釬工作具體控制方案，核心內容包括：AGV小車作業無人化；引入視覺導航技術實現自動從炮泥框架取、還炮泥工作；利用視覺定位系統準確定位換釬裝置；將無線通信技術應用于移動設備。首次在高爐爐前實現開口機換釬、泥炮加炮泥工作無人化應用。

4 結語

近年來，我國鋼鐵行業呈現總體經濟效益下滑趨勢，分析為一定程度上存在的產業集約化程度低、能源和資源消耗大、自主創新能力弱等是其主因之一。和國外發達鋼企相比，這種差距主要體現在生產工藝數據聯動、流程信息化水平等方面。將快速發展的計算機、信息化技術與傳統鋼鐵生產工藝相結合，實現鐵前工序智能化升級成為提升效率與產品質量、降低成本、增強競爭力的必經之路和最有效途徑之一。在國內眾多學者和鋼鐵企業多年努力之下，無人化料場、無人化天車、自動燒爐、自動裝泥等一批智能化新技術應用于生產實踐并取得良好的安全、技術指標和社會、經濟效益。尤其是，不斷通過新的技術和方法建立新的控制精度和實用性俱佳的高爐冶煉數學模型來揭示高爐本體內復雜的物理化學變化規律，為實現高爐冶煉過程、冶煉技術經濟指標的持續優化、發揮產能規模效應奠定堅實基礎。