近年钢铁主业智能制造发展综述（上篇）

林安川 杜顺林 向艳霞 朱永华 罗英杰 赵红全 王 萍

（1.昆钢技术中心，2.昆钢科创中心）

1 概述

当前，中国正处于工业化加速发展的重要阶段。走新型工业化道路，加速推进新一代信息技术与制造业深度融合，是当前和今后一个时期的重要任务。1988年，美国首次提出“智能制造”概念，制造业作为国家的立国之本、强国之基、兴国之器，是保持经济持续增长的动力，是加剧制造业技术创新、竞争的催生剂。研究表明，未来几年全球智能制造行业将保持10 %左右的年均复合增速，美日德各国相继加大科技创新、智能制造发展力度[1]；德国工业4.0战略研究核心为智能工厂和智能生产[2]。在钢铁领域，20世纪末，欧洲排名第一的钢铁企业蒂森克虏伯加大智能制造投入，开始进入高端化发展时期[3]。

钢铁工业属于混合型流程工业，兼有连续型和离散型工业流程的特点，实现整个钢铁制造流程运行、管理的智能化是提升企业竞争力、可持续发展力的根本性来源。相对于单一技术、装备上的进步与突破，智能制造的巨大功效主要体现在两个方面：从本质上实现了工业制造与信息技术的深度融合与集成创新；从模式上实现了生产组织、管理方式的变革。钢铁智能制造的研究与建设是一个复杂、系统的工程，其核心是通过信息化、数字化、网络化等技术手段，对包括工艺、生产及检测设备在内的现有制造流程系统进行创新优化，将流程系统和信息化融合成一个有机整体，实现生产的协同高效运行，最大限度发挥各生产要素的积极作用，达到工艺知识、经验的显性化，实现计算机、网络技术与传统生产工艺的无缝对接，从而实现生产、管理的标准化、精细化和稳定化。近年来，我国信息技术的飞速发展，为钢铁企业挺进智能制造领域、推动产品和产业升级带来契机。宝钢炉前作业机器人应用、无人化智慧料场、热轧智能车间及太钢不锈钢棒线材生产线智能化升级改造项目率先进入钢铁企业智能制造示范，国内各钢铁企业在原料、炼铁、钢轧等关键工序相继实施智能制造技术的研究、建设及应用。本文主要概述铁前原料场、烧结、球团、高炉本体及其附属系统。

2 铁前原料系统

2.1 原料场、库区

2.1.1 原料场无人化建设发展历程概述

原料场是钢铁企业开始进入生产工艺流程的第一道工序，担负着为钢铁制造庞大生产量提供数以千万吨计精粮需求的入、堆、分、取、检、运任务。因此，大型钢铁联合企业往往配备了巨型的堆场、数量庞大的堆取料设备及大量驾驶设备的操作人员。与之相随的是，如何最大限度地改善工作环境、有效地降低人工成本，减少人工干预带来的安全、质量的不利影响，提高生产效率成为大型钢铁联合企业面临的共同课题。

以“料场无人化”为实现目标，其发展历程可以概括为三个阶段：一是实现堆取料设备的远程手动控制。其特点是主要依靠中控室操作人员的指令实现现场堆、取料系统设备的运转；二是进一步实现了堆取料系统、设备的半自动作业。其特点通过自动控制程序实现了作业设备各机构的运转，但在操作、料场管理上仍然处于仍然处于以人工为主、计算机为辅的阶段；三是实现了堆取料系统、设备的全自动作业。

2.1.2 原料场、辅助设施自动化控制及无人化建设

如前述，在保证设备安全、稳定运行的基础上，自动化、智能化是原料场发展的方向，建设无人化料场（库场）提高堆取料机、行车等作业设备的自动化程度，是大型钢铁企业解决上述问题的有效途径。料场无人化建设核心是依靠自动化控制系统实现对原料场主体作业设备的全自动化控制。以堆、取料机进行无操作人员堆取料操作、作业和监视为例，不仅要能充分保证料场利用率、发挥装备作业能力，更应具有主体设备防碰撞、安全稳定自动运行等功能。正常情况下由中控室可通过操作开关实现对现场设备的远程干预。无人操作过程作业流程简述为：指令发出→无人控制系统获得任务→优化计算和安全检查→系统自动产生相关堆、取模式指令→堆取料机PLC接收指令→堆取料机全过程无人自动堆、取料作业。

针对建设目标、过程中催生的问题及解决方案，宝钢提出的料场无人化建设目标是：实现堆取料机无人控制和料场管理、中央控制的一体化[4]。其在马迹山港料场国内首创的无人化系统投入生产运行后，不仅实现4台堆取料机中控远程自动操作，且自动作业料场利用率、生产效率也完全达到设计能力，为促进大型原料场智能化管理水平做出示范；在针对提升原料场控制系统信息化、自动化程度效率层面，姜云鹏等[5]采用智能Mcc控制系统减少了远程I/O模块和远程柜数量，达到节省电气室占用面积、减少接线数量、维护更容易效果；针对大型料场进出车辆监控问题研究，黎雪芬等[6]设计了基于u～Blox 的GPS（全球定位系统）应用单元，结合栅格化地图缩放、平移、标定及行驶轨迹匹配技术，实现了利用GPS位置信息检测车辆位置，满足了大型无人化料场管理、车队等的监控与管理的实际需求。此外，皮带机作为大型综合料场的重要附属系统，主要作用是连接各大型专用设备，将原燃料输送至大型设备或承接、输送的作用，传统操作运行同样依靠大量人员值守。王来平[7]基于计算机、PLC控制、视频监控和传感器等技术，集成了包括在线状态监测、集控和视频监控的皮带机无人值守系统解决方案，实现皮带机系统的“一键启动”和无人值守功能。

2.1.3 库区辅助设施自动化控制及无人化建设

天车是钢铁企业库区最重要作业设备，库区天车无人化是原料库（包括矿石、煤焦）作业、库区管理实现智能化的前提条件。库区天车无人化是指在传统天车设备基础上通过控制管理系统实现天车之间、天车与物料之间的信息交互并最终实现天车的自主作业。天车无人化系统主要由库区PLC 控制子系统、管理子系统（WMS）组成。主要功能包括: 天车作业无人驾驶、作业自动排程、实时调度及HMI 操作控制、库区物料实时动态跟踪等。作业流程简述为：库区业务需求→管理子系统自动生成天车作业排程计划→天车和作业环境实际状态→天车作业调度顺序→作业指令发送给PLC 控制子系统→天车作业。

李晓刚等[8]率先在国内库区研发及应用了具有完全自主知识产权的控制管理系统，体现了无人驾驶、自动识别、平稳吊运、动态跟踪等显著优点，系统运行状况稳定并为全流程作业提供准确的数据支撑，解决了不可控人为因素、吊装二次损伤、效率低下、跟踪不及时等问题，天车故障减少，运行的准确度和平稳性能得到提升，满足现场生产的要求；激光成像分析技术的应用是实现原料场及库区无人化的关键技术之一，吴毅平等[9]利用三维激光扫描装置对散装料堆等物体进行激光扫描，通过在计算机中建立3D图像、图像分析和智能优化数模并结合自动化控制设备，实现料场、库区自动作业堆取及吊运自动作业。实现了生产过程的无人化、智能化，减少操作人员，降低能耗和运行成本。

2.2 烧结

烧结工序是高炉主要含铁原料供应源，其对物料的处理量占钢铁联合企业的第二位。烧结生产是钢铁生产的重要环节，具有生产工艺流程长、工艺过程复杂及系统操作参数变量多、滞后大、时变的特点，并且，存在如矿相变化、漏风率等一些关键生产参数难以直接在线检测的情形。这导致长期以来应用常规控制理论、方法很难解决烧结生产过程中的综合控制问题，也难以就其生产过程建立精确的数学模型。随着信息化、智能化技术的发展，应用烧结生产智能控制技术，提高生产控制水平和技术经济指标成为国内外科研开发的热点[10～13]。

2.2.1 烧结生产过程综合控制系统进展

相比国外先进的智能控制系统，国内大多烧结控制系统均处于局部智能控制。2005年，武钢435 m2烧结机通过引进、移植奥钢联的烧结终点模糊制技术实现了烧结终点控制；2009年，首钢京唐550 m2烧结机研发了由烧结生产过程、质量、信息管理等智能控制子系统构成的烧结全过程智能闭环控制系统，首次在国内实现了烧结机整体智能闭环控制[14]。

烧结生产过程中，烧结机（台车）料层厚度是影响烧结矿的产量、质量、冷热态强度、还原性、燃耗等理化性能及技术经济指标的主要技术参数之一。张巍[15]分析了烧结机料层厚度控制系统构成，设计了采用雷达料位计在线检测料层厚度的方法，据测量结果结合料层厚度设定值实现了圆锟给料机转速和混合矿槽给料闸门开度的智能控制，最大限度地实现稳定控制烧结机料层厚度，显著改善烧结机的布料效果。杨春雨等[16，17]基于烧结生产过程信息化、智能化集成技术开发平台，在研发烧结生产过程中混合料水分智能控制、烧结终点控制、配料动态优化、机尾断面图像分析及综合智能专家决策等关键环节控制子系统基础上，采用人工智能视觉、分层划分、BP神经网络及优化模糊—均值聚类相结合等关键技术，分步实现烧结生产各关键环节智能控制及解决在线检测与智能控制问题，在此基础上集成、应用信息化、智能化技术构建综合智能控制系统，进而实现烧结生产的综合自动化。

2.2.2 烧结专家系统的构建及应用

智能的烧结综合控制专家系统是彻底解决烧结过程成矿机理复杂、产品质量检测滞后及原燃料水分成分波动大、影响产品质量因素众多等复杂问题的重要手段，也是追求烧结生产低耗、高产、优质和持续提高技术水平、技术指标的主攻方向。

王汉飞等[18]将奥钢联提供的智能烧结监控管理系统、生产组织模式、先进工艺紧密结合到首秦烧结工艺中，并得到成功应用。左永红[19]对烧结基础自动化合理规划并对系统的网络架构设计进行优化，充分利用各级网络的特点并结合不同层面的需求．实现从现场层到企业管理层再到因特网的无缝连接，最终实现了烧结生产自动化系统中的智能化电气柜、PLC、现场智能仪表、变频装置、操作员终端等设备之间以及现场设备与企业管理系统之间的高效通信。程胜福等[20]采用先进的软件设计理论和系统结构模式，开发出具有高稳定性、可靠性、稳定性的大型专家系统：建模方面，依据烧结生产核心过程如配料、混合加水、物料成分平衡和机速、料层控制的特点，对应建立烧结配料优化、混合加水、物料平衡、过程控制等应用模型；硬件方面，将部署有实时数据库、数据采集和处理模块、专家控制模型的模型服务器，部署有数据仓库和大型数据库系统的数据库服务器，和包括PLC、QS、MES等外围系统及输出设备进行有机集成。从运行实践看，系统很好地达到了复杂原料状况下的烧结生产自动化、智能化，达到增产降耗，大幅提高烧结生产经技术指标。

2.3 球团

球团矿作为酸性炉料具有粒度均匀、还原性及冷态强度均好、便于运输等众多优点，作为高炉用料的重要补充在炼铁生产上得到了广泛的应用。作为球团生产主导工艺之一的链篦机—回转窑球团工艺，其流程包括精矿配料、干燥、锟压、生球干燥、预热、氧化焙烧、冷却及成品输出等若干环节。同样地，由于生产过程具有的滞后性、时变性特点，借助数学模型进行数据筛选、挖掘分析等得到关键参数及最优配置，以及应用信息化、智能化途径仍是解决球团生产过程控制精度难度大、产品质量不确定性等的有力手段[21]。一方面，是实现生产过程中水分跟踪、配料计算、烘干系统、热工参数优化、回转窑结圈、质量预报等主要过程模块的自动控制；另一方面，通过PC服务器、工程师站、控制站、操作站、网络等将生产流程各个环节串接起来，从而实现整个球团生产制造的全过程自动化、智能化控制。

3 炼铁及重要附属系统

3.1 热风炉

热风炉是一种燃烧—储热型热交换器，作为高炉的重要附属设备，担负着为高炉日常冶炼输送高温助燃热风的任务。一般每座高炉配置3～4座热风炉，单座热风炉按燃烧→休止→送风→休止→燃烧的顺序进行循环生产作业。在一定装备条件下，热风炉的燃烧控制决定了煤气消耗、风温高低及其稳定性。为达到提高热风炉生产安全性、燃烧效率及节能降耗、改善环境效果，热风炉系统过程自动控制的设计及应用成为技术发展方向之一。

热风炉燃烧过程自动控制是以具体热风炉格子砖的蓄热量能够满足实际热风温度和流量的需求为基准设定燃烧数学模型，经数学模型计算煤气、助燃空气流量得出最佳空燃比，取代人工经验烧炉获得最佳燃烧效果。自动烧炉的实施过程：燃烧自动控制以双交叉限幅原理为基础，以拱顶温度、烟气温度为目标值控制空气、煤气流量。经前述模型设定空燃比，当达到拱顶温度设定目标值后进行切换，当达到设定烟气温度目标值后燃烧过程结束。热风炉自动控制实施内容包括：煤气流量及放散、空气流量及放散、冷风流量、空燃比、助燃风机连锁控制以及过程数据收集、储存、分析处理等。送风时，混风阀根据围管前风温设定值实现自动控制调节，确保连续、稳定地输出风温。并且，控制器具有在线编程和修改的能力。

刘芳[22]从控制系统、控制原理出发，概述了某顶燃式热风炉自动化控制系统包括仪表选型、系统调试、基本功能等构成内容。并通过该控制系统实现了热风炉作业过程中的数据采集、处理、实时趋势、历史曲线及过程循序控制等功能。随后进行的工业化试验表明，应用自动控制技术后在热风炉燃烧时同时下调了煤气、空气流量，拱顶在燃烧期间达到最佳温度．并且，获得了低于200 ℃的废气温度。

3.2 高炉煤粉喷吹

高炉喷煤是节能降焦、降低生铁冶炼成本的有效途径，同时也是稳定高炉操作的日常调剂手段。高炉冶炼是一个高度复杂的多变量、大惯性、强耦合系统，大喷煤条件下，风温、风量、富氧率、压差等高炉冶炼参数与炉况顺行程度相关性增强。因此，仅凭借高炉操作者的经验建立、优化操作模式，确定最优喷煤量是主观的、粗糙的和难以更新的。

模糊推理是规则挖掘的最有效方法之一，这为描述和处理具有模糊性、不确定性等特征客观现象时模拟人的逻辑思维功能提供了强有力的工具。利用该方法建立T～S模糊模型对于高炉冶炼过程控制的积极意义在于[23～24]：通过从现场积累的大量生产过程历史数据中挖掘出包括各个冶炼参数相互关系、成功优化操作模式等具有实际意义的知识，在不改变高炉工艺流程、不增加生产设备基础上，当系统变量（冶炼参数及其相关衍生参数）发生变化时，通过全面数据的采集、挖掘进行分析匹配，利用分析得到的信息，调整工艺参数，使系统始终处于优化运行状态，从而实现高炉冶炼生产过程操作、控制、决策优化。

崔桂梅等[25]针对高炉冶炼过程中参数、指标波动较大及喷煤量建模困难的特点，在分析高炉喷煤机制的基础上，提出了将操作模式匹配应用到高炉喷煤的方法。简述为：以已知的高炉具体生产参数为条件，以高炉喷煤量为研究对象，以高炉运行的历史海量数据为基础，对铁水w（[Si]）建立BP神经网络预测模型[26]，对喷煤量操作模式进行智能匹配[27]。其流程为：预测当前铁水[Si]含量→基于专家标准挑选出优良模式集→采用模糊均值聚类方法进行分类→操作模式库中寻出与当前输入条件距离最小的操作模式→模式匹配完成，实现喷煤过程优化控制。相比采用遍历搜索合适操作模式的方法，该法减少了由参数波动、人为因素引起的不稳定，更兼具匹配速度和精度的优点，对高炉冶炼喷煤过程具有很好的指导作用。

刘祥官等[28]、崔桂梅等[29]从高炉工艺机理分析出发，以高炉生产多年海量历史数据为样本，借助于数据挖掘筛选出的优化数据样本，运用数据驱动建模技术分别建立高炉喷煤T～S模糊模型及基于T～S模糊模型的高炉喷煤决策模型，自动从历史记录中得出高炉冶炼成功喷煤的优化操作规则、模式，建立起操作模式、生产经济指标、能耗之间的有机联系，基本消除高炉冶炼过程中各类因素对冶炼结果的影响，一定程度上提高了现有经验操作、决策的效果，达到实现精准喷煤、节能降耗的目的。

3.3 高炉冶炼专家系统

在整个钢铁产业中，炼铁系统是能耗占比最大的工序，其能耗约占产业总能耗的70 %，而作为炼铁核心的高炉冶炼过程占比高达50 %。因此，实现高炉炼铁过程自动化控制、持续优化高炉冶炼精准化操作模式，是整个钢铁产业节能降耗的关键。高炉冶炼过程作为具有大规模连续性生产、生产冶炼过程中物质三相状态同时存在且相互间持续进行化学反应等极其复杂特征的工业对象，具有非线性、分布参数、强烈的随机性等特性[30]。因此，要提高高炉冶炼过程自动化控制水平，需要“新的建模和控制的原理和技术”，包含硅预测模型、铁水质量优化模型直至高炉冶炼专家系统在领域内得到越来越广泛的关注、研究及应用。

3.3.1 高炉专家系统研究发展概况

如前述，高炉冶炼过程的极其复杂性，再加上目前所有原燃料的冶金特性并未被完全掌握，这就使得整个高炉冶炼过程往往并不平稳。高炉操作者要实现对冶炼过程进行恰当而精准的控制，不仅需要对当前炉温进行客观的分析，还要结合对炉温在未来一段时间内的发展趋势的认识，更要充分考虑周全实时出现的影响因素及采取各种调剂手段对过程的综合作用（并非多因素的简单加权体现）。显然，由于不同高炉操作者个体对冶炼过程主观上存在的不同认知差异，仅仅凭借操作者的经验，做好高炉冶炼三班连续科学统一的稳定生产是极具难度的。随着计算机、自动化、信息化技术的快速发展以及冶金工作者对高炉数学模型研究的不断深入，利用高炉冶炼专家系统技术结合数学模型的应用对高炉冶炼过程进行智能控制，成为实现高炉冶炼过程自动化的一条根本途径。

应用不同的技术和方法，可以设计、开发得到各自的专家系统，但总体上，专家系统要实现的目标是一致的，即：围绕实现高炉冶炼过程“优质、低耗、稳定、均衡、安全、长寿”目标，建立多目标系统优化模型，求解出冶炼过程中关键参数的最佳范围和最佳结合，实现对高炉工艺参数的系统优化。从处理方式、流程看：一是建立高炉炉况诊断模型；二是利用建立的模型，为出现的异常炉况提供解决方案；三是给出诊断结果、解决方案的原因分析；四是进一步地实现冶炼进程控制的闭环。从功能的实现、效果体现看，高炉专家系统发展依次经历三个类型的变化：预警和预测专家系统→咨询型专家系统→闭环（半闭环）专家系统。第一类专家系统利用高炉生产的各种累积数据建立，所用模型具有诊断作用，并能预测诸如炉热、炉凉、炉墙结厚、气流失常等异常炉况的发生，这为高炉操作者提供了较为全面的数据信息；第二类专家系统和数学模型相结合，在实现诊断、预测的基础上能够为高炉操作者提供即时建议，目前在国内仍属于主流阶段；第三类专家系统集合了多个数学模型、操作经验和专家知识，使得部分高炉操作实现自动纠正、控制成为可能，并且能够较大幅度的提高高炉能量利用率，降低能耗。目前具有代表性的为奥钢联专家系统。在信息化技术飞速发展的今天，加大对第三类专家系统的研究及应用，是实现高炉智能化控制的发展方向。

从工艺和数学的角度，高炉冶炼过程专家系统的模型分为机理模型、推理模型、系统优化模型和炉温预测控制模型。其中，包含布料、配料计算、炉热指数、炉缸侵蚀模拟等十余种模型的机理模型既是专家系统的基本模型，也是其他模型的基础。各种机理模型从高炉冶炼过程的不同角度反映高炉冶炼规律，而高炉操作者通过具体的机理模型实现炼铁的不同生产任务和目标。因此，可以说数学模型在高炉专家系统中居于核心位置，同时新的数学模型也不断的被学者们应用到专家系统中。在高温、高压且全密闭的高炉冶炼条件下，炉内过程的众多工艺变量分布情况很难被检测出及进行实验室模拟。为更加清楚地弄清高炉炉内冶炼过程中三相流体运动及其相互间反应，毕学工[31]将机理模型从一维、二维研究拓展到了对三维的研究，从稳态模型发展到了非稳态模型，并进行了专题论述；储满生等[32]根据对高炉内传输现象描述方法的不同，将机理模型分为热化学、反应动力学和平衡理论模型；郜传厚等[26]深入研究了基于数据驱动的机理模型，并将其应用于炉温的精确预测及控制。

高炉铁水w（[Si]）及其稳定性是衡量高炉冶炼、操作水平的重要标志，高炉日常生产中控制铁水w（[Si]）的过程也就是控制高炉冶炼行程的过程。因此，实现铁水w（[Si]）的精准预测预报并实现闭环控制是最终达到高炉冶炼过程自动化的重要环节。炉温预测控制模型体现了预测和控制两个部分的作用，其精度预测效果也成为评价专家系统水平的一个重要指标。本文重点概述在专家系统中居于核心地位的硅预测预报模型研究及进展。

3.3.2 硅控制概况及预测预报模型的相关研究及进展

3.3.2.1 硅控制概况

高炉冶炼的最终目的是为炼钢尽可能地提供优质而稳定的铁水，同时通过持续优化冶炼参数、提升操作水平持续改善指标、降低制备成本。对高炉操作而言，炉温的预测和控制是其日常冶炼核心内容。由于高炉冶炼是典型的复杂工业控制过程，而依据冶炼基础理论、机理分析只能对冶炼行程控制进行定性的、宏观的指导作用。并且，长期以来由于测量仪表的精度、稳定性尤其是信息处理能力的不足，因此在高炉日常冶炼生产过程中，高炉操作者通常根据长期生产实践积累的经验（操作模式）结合简单（局部）计算进行决策和操作，缺乏对各个直接和间接工艺参数之间影响关系的在线计算及系统过程分析。甚至，在进一步提升经济技术指标的过程中更多的是依靠经验甚至是随其自然的方法，这使得高炉冶炼过程中能源和资源消耗更多是处于一种“看菜吃饭、摸索调整、自然生成”的状态。

铁水主要质量指标为硅（[S i]）、磷（[P]）、硫（[S]）以及铁水温度（物理指标），质量指标与冶炼参数、操作方针等控制过程密切相关，冶炼控制参数包括料批、料线、布料矩阵、风量、风压、风温、顶压、炉体温度、煤气及渣铁理化性能、成分分析等依靠仪器仪表直接测得的直接参数；以及依据高炉冶炼工艺机理计算得到透气性、鼓风动能、理论燃烧温度、炉腹煤气量、透气性阻力系数、炉腹煤气指数、边缘及中心发展指数等间接衍生参数。日常高炉生产操作调剂中，操作者围绕质量、指标目标通过变更上述上部、下部控制参数对炉况进行调整，最终体现为稳定和优质的铁水质量、好的煤气利用率和低的消耗。因此，改善并获得稳定铁水质量指标的过程也就是采取有效方法、手段优化控制冶炼的过程。在高炉铁水质量参数建模中，通常为，以上部制度为边界，考虑送风、燃料喷吹系统两部分的参数。

3.3.2.2硅预测预报模型的相关研究及进展

如前述，高炉冶炼过程具有多相复杂物理化学变化、多场耦合严重、强非线性、时变形等特点，而在实际生产过程中，铁水中[Si]、[S]、[P]含量及铁水温度等关键指标又存在难以实现直接在线检测，离线化验滞后严重的情况。并且，在预测过程中，受高炉冶炼行程决定及受多种实时可变因素影响，各调剂变量在发生作用时对终点w（[Si]）的影响同样具有滞后性，这都导致机理模型不易建立。为了对[Si]含量进行准确的预测及对所建模型精确度进行评估。众多学者利用不同的方法和评价手段开展工作。

冯婷[33]采前几炉次的数据作为当前炉次的重要参考，采用自相关系数法确定各影响变量对w（[Si]）时滞的大小，为增强预测精度提供基础；GOOD R P等[34]利用影响铁水质量的各因素间强相关性，采用主成分分析方法确定影响铁水[Si]、[P]、[S]和[C]的最关键参数。从而降低模型复杂度，提高建模的准确率、效率。此外，Chuanhou Gao等[35]采用数据驱动针对复杂工业过程进行机理建模的方式受到了越来越广泛的关注；部分国外学者建立了周期性铁水[Si]含量预测的离散时间序列模型，为提高模型的估计性能，对模型的线性与非线性部分分别处理；陈建等[36]采用直接检测得到的风压、风量、风温及简单计算得到的透气性等10个冶炼因素对铁水[Si]含量进行预报，并通过在模型中引入滑动窗口对训练样本进行更新等。均收得较好建模及应用效果。

在模型进行综合评价方面，周平等[37]针对高炉炼铁过程上述特点，为实现对高炉铁水[Si]等成分指标在线估计，建立了基于精度综合评价与遗传参数优化的铁水质量（MIQ）多输出支持向量回归（M-SVR）动态模型，并从模型估计趋势、估计误差等方面对建模进行综合评价，进一步地，为获得具有最优参数的M-SVR动态模型，采用遗传算法对M-SVR的伸缩向量和惩罚因子参数进行了全局寻优。在某高炉进行的工业试验结果表明，所得模型能够根据实时输入数据的变化对多元铁水质量参数进行准确估计，达到预期效果。

随着计算机技术进步和数学模型研究的深入，越来越多的方法应用于数学模型建模、模型精度的提升及评价工作。Ilkay Saracoglu等[38]根据达尔文进化论中的“生存竞争”和“优胜劣汰”原则，将遗传算法（GA）应用到w（[Si]）预测模型；TANG Xianlun等[39]将遗传算法（GA）与BP神经网络相结合，得到的w（[Si]）估计精度近似一阶自回归模型预测结果。潘伟等[40]为更好地量化反映高炉数据的复杂性，经过假设检验，证实了高炉铁水[Si]质量分数序列同时存在异方差性和非对称性两种特性，并在此基础上建立了炉温预测模型；潘伟[41]在前人研究基础上，分别建立了基于高斯子过程和鲁棒高斯过程的炉温预测模型，模型通过协方差函数与协方差矩阵将冶炼过程的过去状态与未来状态进行联系，为炉温预测模型建立提供更有效的基础方法及思路；潘伟[40]以国内较典型大型高炉在线采集的冶炼过程数据为对象，利用高斯过程模型对高炉冶炼过程中炉温预测、噪声模型、炉温变化趋势预测等进行研究，对基础模型预测的残差序列再建模，并使用高斯过程模型对残差序列建模，利用大型高炉实际生产数据进行仿真研究，改进了模型精度和预测结果。

机器学习作为近年来兴起的一门多领域交叉学科，在高炉炼铁过程建模方面得到了成功应用。崔桂梅等[42]利用支持向量机方法对输入变量和铁水[Si]质量分数之间的关系建立高炉炉温变化趋势预测模型，得到了对下一炉炉温的趋势发展预测结果；Manin R D等[43]通过神经网络对高炉冶炼过程进行建模，以及将贝叶斯网络应用于高炉铁水[Si]质量分数预测，在多座高炉应用得到了较好的预测效果；刘祥官等[44]开展了基于模糊数学的模糊模型、偏最小二乘模型等其他一些模型的研究，从不同数学角度对高炉实际的运行数据迸行了数据挖掘并建立相应模型，为解决基于模型得到的预测值进行可信度分析及对高炉系统的噪声形态进行研究。此外，TANG Xian-lun等[45]基于混沌粒子群优化支持向量机建立了稳定性较强的铁水[Si]含量预报模型，实现绝对误差小于0.03的样本数占总样本数的比例达到90 %以上。

此外，刘祥官[46]建立了反映高炉冶炼过程的多目标优化数学模型，可以使用样本空间模型算法求出，从而得到最佳炉温与最佳控制参数的范围。赵敏[47]建立了基于热传导方程的炉缸侵蚀模拟模型，并采用有限差分的方法估计炉缸的侵蚀状况，给出相应的等温线。这种模拟模型有助于维护炉缸的设备安全运行，是设备安全运行监控的数学模型。

3.4 高炉炉前工作概述及其智能化进展

高炉炉前岗位担任着及时排尽冶炼过程结束产生的大量渣铁的任务，开、封铁口是经常性操作，即时、高效进行加装炮泥、换钎作业是是满足高炉高冶炼强度生产的核心要求之一。其岗位特点是：作业环境恶劣；人机结合频率很高，属于典型的重复性重体力劳动，又存在很大机械伤人、灼伤、辐射伤等安全风险因素。从作业系统的安全性、流程稳定性、运行成本出发，在炉前实现自动加炮泥、自动换钎等高度自动化作业具有积极意义。

随着计算机、自动化技术、电磁导航技术的进步，这使得将具有的良好目标识别及环境适应能力的AGV系统（无人搬运车）应用于高炉炉前复杂环境实现装泥、换钎自动化作业成为现实。孙帅等[48]设计了一种基于灰度传感器的AGV差速调节控制系统，对数据进行高效处理，并通过无线通讯实现了小车自动上下楼梯、自动运行并合理避障等功能；李晓辉[57]给出了利用自动化控制系统使自动换钎、自动加炮泥装置作业的功能描述和流程化方案。自动加泥系统组成为：装载机器人、多功能夹具、AGV小车、炮泥载具、视觉定位系统及电气控制系统；作业流程为：AGV小车自动取泥→无人运输→小车达到泥位→自动装泥（机器手自动进行压炮动作、装满判断）→装泥完毕→AGV小车及机械手自动归位。过程中出现炮泥不足情况时，AGV小车可自动补泥；炮泥填装时间可调至满足炉前生产的需求为准；系统具有遥控、现场控制、控制室控制等功能。自动换钎系统组成为：换钎机构、行走轨道、钎架及电控系统。作业流程：机械手抓住开口机上钻杆→开铁口机动作→拆卸钻杆→机械手移动抓取待换钻杆→将钻杆移到换钎位→开铁口机动作→安装钻杆→机械手归位。自动换钎设施自带钎架可放置两种规格各15根以上的钻杆，自动换钎机可根据需要自动选取钎架上的钎具，可实现电、液驱动。贾祥瑞[49]设计了炉前泥炮自动加装炮泥、开口机自动换钎工作具体控制方案，核心内容包括：AGV小车作业无人化；引入视觉导航技术实现自动从炮泥框架取、还炮泥工作；利用视觉定位系统准确定位换钎装置；将无线通信技术应用于移动设备。首次在高炉炉前实现开口机换钎、泥炮加炮泥工作无人化应用。

4 结语

近年来，我国钢铁行业呈现总体经济效益下滑趋势，分析为一定程度上存在的产业集约化程度低、能源和资源消耗大、自主创新能力弱等是其主因之一。和国外发达钢企相比，这种差距主要体现在生产工艺数据联动、流程信息化水平等方面。将快速发展的计算机、信息化技术与传统钢铁生产工艺相结合，实现铁前工序智能化升级成为提升效率与产品质量、降低成本、增强竞争力的必经之路和最有效途径之一。在国内众多学者和钢铁企业多年努力之下，无人化料场、无人化天车、自动烧炉、自动装泥等一批智能化新技术应用于生产实践并取得良好的安全、技术指标和社会、经济效益。尤其是，不断通过新的技术和方法建立新的控制精度和实用性俱佳的高炉冶炼数学模型来揭示高炉本体内复杂的物理化学变化规律，为实现高炉冶炼过程、冶炼技术经济指标的持续优化、发挥产能规模效应奠定坚实基础。