储满生：数据与机理融合 赋能球团智能配矿与质量优化

“球团矿作为高炉关键含铁炉料之一，具备制备能耗低、环境负荷小、铁品位高、冶金性能好等优势，但当前球团生产面临用矿种类多、物性复杂、配矿成本高难度大、智能化程度低等问题。数据与机理的深度融合，是实现配矿智能优化、工艺操作提升、质量风险前置识别的关键路径。”1月16日，东北大学低碳前沿技术研究院院长储满生在中钢国际带式焙烧机球团3.0技术体系发布暨球团绿色、低碳、智慧生产技术研讨会上做报告时表示，基于多重机器学习与智能算法的技术体系，可实现球团生产的精准配矿与质量预判。

储满生介绍，该团队提出三大核心目标——开发多重机器学习智能配矿系统、建立球团质量多维深度预测模型、构建高阶数据可视化平台，构建了涵盖原料全域性能的数据采集体系。该体系包含原料的化学成分、粒度组成、比表面积、静态成球性等关键参数，构建了基于原料基础性能的高质量球团数据库。通过智能关联性分析算法，该团队采用量化的方式探究了操作和原料因素对球团质量的影响，揭示了球团质量与原料性能的线性、非线性、分段特征及高维度模糊关联。

就高质化球团配矿优化研究，该团队研究结果表明，基于算法构建配矿优化模型，可获得满足性能指标并具备成本效益的最佳配矿方案，实现资源高效利用与成本降低。在测试案例中，95%的配矿优化案例表现出显著的效果提升——非主流外粉用量从15千克/吨增至68千克/吨，入炉品位提升0.17%，配矿成本显著降低。

在球团生产指标预测方面，该团队基于XGBoost（极限梯度提升）与AdaBoost（自适应提升）算法建立球团质量预测模型，全铁成分预测准确率为92%，二氧化硅成分预测准确率为93%；抗压强度在±100牛顿误差范围内的预测准确率为95%，转鼓指数在±0.5%误差范围内的预测准确率为88%。

同时，该团队开发的高质化球团智能制造应用系统，实现球团智能配矿、质量在线预测、过程优化等功能。该系统简洁实用，满足现场人员直接观测球团质量、辅助操作生产的需求。

“面向原料条件波动和质量管控要求提升，推动球团生产由经验驱动向数据与机理融合驱动转变。”储满生表示，未来，该团队将持续完善数据治理与在线模型应用，强化人机协同与模型可解释性，推动球团生产由经验驱动向数据与机理融合驱动转变，实现配矿、工艺与质量指标的协同优化，支撑球团生产高效、稳定、低碳运行。（中国冶金报）