科技新进展：基于物料动态跟踪的烧结-高炉智能管控关键技术及应用

一、研究的背景与问题

钢铁工业在“双碳”战略与产品高端化转型背景下，铁前生产面临的系统性难题：高端钢种生产要求铁水质量极致稳定，但实际原料呈现“铁矿低质化、种类复杂化、成分波动化”的“三劣”特点，成为制约质量、成本与能效的核心瓶颈。具体需攻克以下行业痛点：（1）炼铁物料属大宗散体物料，流转长、环节多、存储“黑箱化”，难以通过实体标签实现信息数字化，导致从入厂、入烧到入炉全过程中，物料成分、粒度、冶金性能等物性的实质性变化无法精准跟踪与溯源，信息流严重割裂，工序协同困难；（2）烧结过程机理复杂，涉及“元素→晶相→液相→颗粒”多尺度演变，其关键性能指标依赖滞后离线检测，调控依赖人工经验，难以适应原料波动，产质量稳定性差；（3）高炉作为密闭“黑箱”，炉内多相共存、动态变化且无法直接观测，炉况预测长期依赖经验，软熔带形态不可控，铁水硅含量、炉渣成分等关键输出信息反馈迟缓，关键物性预测精度不足，导致操作调整存在显著时滞，制约了高炉稳定顺行与能效提升；（4）炼铁流程各工序数据孤岛、业务割裂、协同不畅，往往因为局部优化导致整体受损，产品质量波动而追溯困难，阻碍了智能制造升级。

在物料跟踪方面，既有研究多集中于原料场等单一环节，功能层次较浅，未能实现与烧结、高炉核心过程的实时数据深度融合，全流程跟踪与协同优化困难；在过程建模与控制方面，虽已有烧结、高炉专家系统等应用，但多聚焦单一工序或特定指标，对复杂原料体系的机理刻画不够精细，预测模型多为独立“黑箱”，缺乏可解释性，未能有效嵌入从配矿到高炉需求反馈的闭环决策链。各类模型相对独立，未能与实时物质流信息深度融合，无法形成支撑“烧结-高炉”一体化智能协同的模型体系与管控平台，导致工序间孤立，跨工序协同与智能调控缺失。

二、解决问题的思路与技术方案

针对当前炼铁过程存在的原料成分波动大、过程黑箱化、质量反馈滞后、模型指导不足及调控依赖经验等系统性难题，以“物料动态跟踪”为基础，以“基础理论突破-关键技术研发-系统集成验证-工程应用推广”为技术路线。通过开发料流状态动态解析与在线预测、跨工序流转智能跟踪与匹配、以及连续物料动态离散化组批等关键技术，形成了覆盖炼铁全流程多源异构信息的物相组分协同跟踪技术，实现物料全程精准跟踪，为工序认知与调控提供高实时性、高一致性的数据支撑。在此基础上，聚焦烧结终点闭环调控、知识嵌入性能预测和多尺度动态演变机制，研发了具有普适性的烧结闭环调控技术；通过构建基于炉热稳定的喷煤量闭环调控模型、性能质量精准预测模型、软熔带快速预测模型及操作时滞求解方法，揭示过程演变规律并实现质量超前预测，开发了软熔带为桥梁的高炉闭环调控技术。实现了烧结和高炉冶炼过程的主动闭环优化，形成了“模型预测-调控执行-反馈优化”的实时交互闭环，共同推动生产从黑箱走向透明、从滞后走向前瞻。最终通过深度融合数据感知、智能调控与机理预测三大技术体系，构建了“数据基座-治理赋能-协同调控”一体化智能管控平台，实现数据与知识双驱动的跨工序动态匹配、资源编排与绩效贯通的组织协同治理，形成“感知-认知-预测-决策”一体化闭环调控，破解物料追踪、过程调控与系统协同难题，推动铁前生产模式从经验驱动向数据与机理双驱动、全局协同、事前预控的根本变革。

图1总体思路和技术方案

三、主要创新性成果

1、首次研制了炼铁全流程多源异构信息融合的物相组分协同跟踪技术。针对炼铁物料信息特征难以独立量化标识、跨工序复杂流程中物料信息难匹配、异型仓及高炉内物料流动跟踪难等问题，行业内首次提出了连续物料动态离散化组批方法，构建了多维物料数字化表征体系，实现了链接“堆存-转运-仓储-加工”全过程的物料全要素信息动态标识，建立了基于信息融合与映射机制的物料流向辨识模型与“时-质-位-量”跟踪模型，基于粘性流原理开发了物料流动状态在线跟踪技术，完成了从原料端到铁水端物质流与信息流的时空匹配，实现铁区物料管控模式从“模糊、经验、不确定”到“精准、量化、可追溯”的根本性变革。

图2 物料跟踪系统画面

2、研发了具有普适性的铁矿石烧结数字化系统和调控技术。针对原料成分杂、过程控制难、烧结矿性能波动大等难题，首次揭示了铁矿石烧结过程中物质沿“元素→晶相→液相→颗粒”路径的多尺度动态演变机制，构建了基于颗粒间反应/溶解/结晶中传质传热规律的烧结机理模型，开发了基于机理模型所预测液相量为过渡层的烧结矿性能预测模型，研发了“预测-调控-解释”一体化烧结智能闭环调控技术。研制了从微观反应机理数字解析到烧结矿成品质量调控系统，破解了传统模型对原料与工况泛化能力差的问题，为烧结过程从“经验黑箱”向“数据驱动、智能可控”转变提供了关键突破。

图3 高温同化机理模型体系：

(a) 高温同化反应的微观演化示意，（b）固相反应过程示意，（c）固液溶解过程示意，（d）最终烧结矿物相组成预测

3、提出了以软熔带形态为桥梁、以渣铁反应限度为目标的高炉炉况与铁水质量调控技术架构。首次提出随机微分方程与机器学习相耦合的高炉操作时滞定量辨识方法，首创面向高炉内部不可观测、多相动态演化工况的软熔带机理-数据一体化快速预测方法，通过多模型协同与数据库支撑，实现了软熔带形态的实时定量预测。从分子层面揭示了桥氧形成机制及键能差异，创新开发了精细化桥氧结构的炉渣黏度非线性预测模型，构建了基于自由氧浓度的硫容量机理-数据融合预测模型，创新构建了区分“操作制度—时滞窗口”的长、短序列双编码器铁水硅磷预测模型，实现了对多元复杂渣系性能及铁水关键成分的高精度实时预测，基于“状态感知-演化预测-决策优化-调整反馈”架构开发了高炉喷煤量闭环控制技术。

图4 软熔带机理-数据一体化快速预测技术逻辑框架

4、针对炼铁流程数据孤岛、业务割裂、协同不畅的难题，构建了“数据基座-治理赋能-协同调控”一体化管控平台。开发了基于分布式微服务的工业数据基座，攻克了跨工序海量数据的可靠采集、融合治理与高性能计算难题，设计了基于资源编排与绩效贯通的组织协同策略，研发了数据与知识双驱动的跨工序动态匹配与协同调控技术，实现了从数据感知、组织机构到生产协同的全面革新，推动生产模式从分段管控到协同优化的范式变革。成果应用于国内钢铁企业，并支撑相关企业入选国家级智能制造示范工厂，推动我国钢铁工业向高端化、绿色化、智能化生产迈进。

图5 烧结-高炉智能协同的工业数据基座与势能平台

四、应用情况与效果

本成果围绕烧结-炼铁全流程关键环节，通过系统化的技术创新与集成应用，构建了具有自主知识产权的核心技术体系。研发的炼铁物料跟踪与烧结-高炉协同调控一体化平台，开创了物料全链条全周期跟踪下的高炉炼铁精细化生产新模式，破解了经济炉料条件下物料质量波动与炉况长周期稳定顺行难以协调的行业难题。成果助力国内多家企业获评国家级智能制造示范工厂。基于与国内外同类技术的对比分析，各项创新成果在技术指标、实际应用效果与系统集成度等方面均展现出明显优势，对行业技术进步具有较强的引领作用和广泛的推广应用价值。

1、全流程多源信息异构的物相组分协同跟踪系统

本项目首创了覆盖原料至铁水的全流程多源异构信息物料跟踪系统，实现了物相组分的协同跟踪与实时预警，大幅提升了生产过程的透明度与响应效率。目前，国内外公开文献中尚未见具备同等完整功能与集成水平的系统报道。

2、具有普适性的铁矿石烧结数字化系统和调控技术

现有烧结机理研究大多聚焦于局部工艺参数的优化，界面行为难以量化建模，且所建模型适用范围有限，推广难度较大。本成果创新性地引入了反应界面量化算法，构建了适用于常规及复杂铁矿的同化机理模型体系，形成了具备良好普适性的烧结数字化系统与调控技术，有力增强了烧结过程的稳定性和产品质量的一致性。

3、高炉炉况与铁水质量调控技术

针对高炉冶炼过程多变量、强耦合、大滞后的特点，本成果开发了高炉炉况响应滞后模型，突破现有模型忽略操作相似性、变量孤立处理的局限，实现了多变量耦合与机理约束下的动态建模。在高炉软熔带预测方面，本项目提出了以“可计算软熔带”为核心的机理-数据一体化建模新思路，相较国内外主流DEM-CFD耦合模型普遍存在的求解速度慢、工艺变量输入接口有限、难以在线指导工艺等问题，本模型支持直接输入布料矩阵、鼓风制度等生产可控变量，依托仿真数据离线训练，实现了分钟级快速预测。炉渣粘度预测则从传统经验线性模型升级为非线性规律预测模型，更贴近实际冶炼过程中的物理化学变化。

4、“数据基座-治理赋能-协同调控”一体化管控平台

基于烧结-高炉协同管控平台，本成果实现了从数据感知、组织机构到生产协同的全面革新，实现了物料组分的闭环控制，推动生产模式从分段管控到协同优化的范式变革。成果已在多家钢铁企业成功应用，支撑企业实现成本与质量等战略目标横向贯通到边、纵向下沉到岗，在原料波动条件下同步提升了铁水质量与高炉运行稳定性，有力推动了我国钢铁工业向高端化、绿色化、智能化方向转型升级。

信息来源：重庆大学、中冶赛迪信息技术（重庆）有限公司等