工程科学学报 Chinese Journal of Engineering 炼钢厂多尺度建模与协同制造 刘青邵鑫杨建平张江山 Multiscale modeling and collaborative manufacturing for steelmaking plants LIU Qing.SHAO Xin,YANG Jian-ping.ZHANG Jiang-shan 引用本文： 刘青，邵鑫，杨建平，张江山.炼钢厂多尺度建模与协同制造[J].工程科学学报，2021,43(12)：1698-1712.doi: 10.13374j.issn2095-9389.2021.09.27.010 LIU Qing,SHAO Xin,YANG Jian-ping.ZHANG Jiang-shan.Multiscale modeling and collaborative manufacturing for steelmaking plants[J].Chinese Journal of Engineering,2021,43(12):1698-1712.doi:10.13374/j.issn2095-9389.2021.09.27.010 在线阅读View online::htps:/doi.org/10.13374.issn2095-9389.2021.09.27.010 您可能感兴趣的其他文章 Articles you may be interested in 炼钢连铸生产调度的研究进展 Progress of research on steelmakingcontinuous casting production scheduling 工程科学学报.2020.42(2：144 https:/1doi.org10.13374.issn2095-9389.2019.04.30.002 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the "furnacecaster coordinating" strategy 工程科学学报.2020,425)：645htps:doi.org10.13374j.issn2095-9389.2019.08.02.004 炼钢连铸区段3种典型工序界面技术研究进展 Research progress on three kinds of classic process interface technologies in steelmaking-continuous casting section 工程科学学报.2020.42(12：1542 https:/1doi.org/10.13374斩.issn2095-9389.2020.05.08.001 钢铁智能制造背景下物质流和能量流协同方法 Synergetic method between materials flow and energy flow in iron and steel intelligent manufacturing 工程科学学报.2017,391)：115 https::1doi.org/10.13374j.issn2095-9389.2017.01.015 地下矿山生产接续与设备调度集成优化模型 Integrated optimization model for production and equipment dispatching in underground mines 工程科学学报.2018,40(9%：1050 https:oi.org10.13374j.issn2095-9389.2018.09.005 基于函数型数字孪生模型的转炉炼钢终点碳控制技术 Control technology of end-point carbon in converter steelmaking based on functional digital twin model 工程科学学报.2019,41(4：521 https:/1doi.org/10.13374.issn2095-9389.2019.04.013
炼钢厂多尺度建模与协同制造 刘青 邵鑫 杨建平 张江山 Multiscale modeling and collaborative manufacturing for steelmaking plants LIU Qing, SHAO Xin, YANG Jian-ping, ZHANG Jiang-shan 引用本文: 刘青, 邵鑫, 杨建平, 张江山. 炼钢厂多尺度建模与协同制造[J]. 工程科学学报, 2021, 43(12): 1698-1712. doi: 10.13374/j.issn2095-9389.2021.09.27.010 LIU Qing, SHAO Xin, YANG Jian-ping, ZHANG Jiang-shan. Multiscale modeling and collaborative manufacturing for steelmaking plants[J]. Chinese Journal of Engineering, 2021, 43(12): 1698-1712. doi: 10.13374/j.issn2095-9389.2021.09.27.010 在线阅读 View online: https://doi.org/10.13374/j.issn2095-9389.2021.09.27.010 您可能感兴趣的其他文章 Articles you may be interested in 炼钢连铸生产调度的研究进展 Progress of research on steelmakingcontinuous casting production scheduling 工程科学学报. 2020, 42(2): 144 https://doi.org/10.13374/j.issn2095-9389.2019.04.30.002 基于“炉机对应”的炼钢连铸生产调度问题遗传优化模型 Genetic optimization model of steelmakingcontinuous casting production scheduling based on the “furnacecaster coordinating” strategy 工程科学学报. 2020, 42(5): 645 https://doi.org/10.13374/j.issn2095-9389.2019.08.02.004 炼钢连铸区段3种典型工序界面技术研究进展 Research progress on three kinds of classic process interface technologies in steelmaking-continuous casting section 工程科学学报. 2020, 42(12): 1542 https://doi.org/10.13374/j.issn2095-9389.2020.05.08.001 钢铁智能制造背景下物质流和能量流协同方法 Synergetic method between materials flow and energy flow in iron and steel intelligent manufacturing 工程科学学报. 2017, 39(1): 115 https://doi.org/10.13374/j.issn2095-9389.2017.01.015 地下矿山生产接续与设备调度集成优化模型 Integrated optimization model for production and equipment dispatching in underground mines 工程科学学报. 2018, 40(9): 1050 https://doi.org/10.13374/j.issn2095-9389.2018.09.005 基于函数型数字孪生模型的转炉炼钢终点碳控制技术 Control technology of end-point carbon in converter steelmaking based on functional digital twin model 工程科学学报. 2019, 41(4): 521 https://doi.org/10.13374/j.issn2095-9389.2019.04.013
工程科学学报.第43卷.第12期：1698-1712.2021年12月 Chinese Journal of Engineering,Vol.43,No.12:1698-1712,December 2021 https://doi.org/10.13374/j.issn2095-9389.2021.09.27.010;http://cje.ustb.edu.cn 炼钢厂多尺度建模与协同制造 刘 青12区，邵鑫，杨建平》，张江山 1)北京科技大学钢铁治金新技术国家重点实验室，北京1000832)钢铁生产制造执行系统技术教育部工程研究中心，北京100083 通信作者，E-mail:qliu@ustb.edu.cn 摘要在阐述炼钢厂多尺度建模与协同制造技术架构的基础上，分别从单体工序尺度、车间区段尺度与炼钢厂运行尺度开 展了炼钢厂协同制造的研究.从工序装置过程控制系统(PCS)到炼钢厂制造执行系统(MS)进行了较为系统的建模研发，构 建了包括转炉工序、精炼工序与连铸工序在内的工序工艺控制模型以及以生产计划与调度模型为核心的物质流运行优化模 型，并通过工序工艺控制和生产计划与调度的动态协同.实现了炼钢厂多工序装置的高效运行.研发了炼钢一连铸过程工序 工艺控制模型、生产计划与调度模型同MES之间的数据接口，实现了MES与生产工艺控制、流程运行控制、生产计划与调 度系统的有机融合，形成了以机理模型与数据模型协同驱动的工艺精准控制、多工序协同运行、基于“规则+算法”的生产计 划与调度为支撑的炼钢-连铸过程集成制造技术，通过多层级的纵向协同与多工序的横向协同，实现了炼钢厂的协同运行与 控制.研究成果是炼钢-连铸过程智能制造的有益探索与实践，对流程工业智能制造企业具有很强的参考价值，对治金工业 绿色化、智能化发展具有示范与借鉴作用.应用后，明显提升了炼钢厂的协同制造水平，取得了显著的经济与社会效益. 关键词工艺模型；生产模式；计划与调度：运行评价：接口技术：动态协同：集成制造：炼钢厂 分类号TF758 Multiscale modeling and collaborative manufacturing for steelmaking plants LIU Qing,SHAO Xin,YANG Jian-ping,ZHANG Jiang-shan 1)State Key Laboratory of Advanced Metallurgy,University of Science and Technology Beijing,Beijing 100083,China 2)Engineering Research Center of MES Technology for Iron and Steel Production,Ministry of Education,Beijing 100083,China Corresponding author,E-mail:qliu@ustb.edu.cn ABSTRACT With the recent,rapid developments of metallurgical theory and intelligent steelmaking technology,the intelligent upgrading of iron and steel enterprises has attracted increased attention and become a topic of discussion in the steel industry. Collaborative manufacturing is an important feature of intelligent manufacturing in steel enterprises,and it plays an important role in improving the production efficiency and reducing the carbon emissions of iron and steel enterprises.This study elaborated the structure and the contents of multiscale modeling and the collaborative manufacturing of steelmaking plants in detail.The collaborative control of steelmaking plants was studied from the scales of individual processes,workshop sections,and the operation of steelmaking plants. Systematic modeling studies had been conducted from the process control system of processes/devices to the manufacturing execution system(MES).The process control models,including the converter steelmaking process,secondary metallurgy process,and continuous casting process,and mass flow operation optimization models with the production planning and scheduling model as the core were established.In addition,the high-efficiency operation of multi processes/devices was realized through the dynamic coordination of process control and production planning and scheduling in the steelmaking plants.The data interface between process control models, production planning and scheduling models,and MES had been developed to realize the comprehensive integration of MES,production 收稿日期：2021-09-27 基金项目：国家自然科学基金资助项目(50874014.51074023.51974023.52004024)：教育部新世纪优秀人才支持计划资助项目(NCET07- 0067);中央高校基本科研业务费专项基金资助项目(FRF-BR-17-029A):钢铁冶金新技术国家重点实验室自主课题(41620007)
炼钢厂多尺度建模与协同制造 刘 青1,2) 苣，邵 鑫1)，杨建平1)，张江山1) 1) 北京科技大学钢铁冶金新技术国家重点实验室，北京 100083 2) 钢铁生产制造执行系统技术教育部工程研究中心，北京 100083 苣通信作者， E-mail: qliu@ustb.edu.cn 摘 要 在阐述炼钢厂多尺度建模与协同制造技术架构的基础上，分别从单体工序尺度、车间区段尺度与炼钢厂运行尺度开 展了炼钢厂协同制造的研究. 从工序/装置过程控制系统（PCS）到炼钢厂制造执行系统（MES）进行了较为系统的建模研发，构 建了包括转炉工序、精炼工序与连铸工序在内的工序工艺控制模型以及以生产计划与调度模型为核心的物质流运行优化模 型，并通过工序工艺控制和生产计划与调度的动态协同，实现了炼钢厂多工序/装置的高效运行. 研发了炼钢−连铸过程工序 工艺控制模型、生产计划与调度模型同 MES 之间的数据接口，实现了 MES 与生产工艺控制、流程运行控制、生产计划与调 度系统的有机融合，形成了以机理模型与数据模型协同驱动的工艺精准控制、多工序协同运行、基于“规则+算法”的生产计 划与调度为支撑的炼钢−连铸过程集成制造技术，通过多层级的纵向协同与多工序的横向协同，实现了炼钢厂的协同运行与 控制. 研究成果是炼钢−连铸过程智能制造的有益探索与实践，对流程工业智能制造企业具有很强的参考价值，对冶金工业 绿色化、智能化发展具有示范与借鉴作用. 应用后，明显提升了炼钢厂的协同制造水平，取得了显著的经济与社会效益. 关键词 工艺模型；生产模式；计划与调度；运行评价；接口技术；动态协同；集成制造；炼钢厂 分类号 TF758 Multiscale modeling and collaborative manufacturing for steelmaking plants LIU Qing1,2) 苣 ，SHAO Xin1) ，YANG Jian-ping1) ，ZHANG Jiang-shan1) 1) State Key Laboratory of Advanced Metallurgy, University of Science and Technology Beijing, Beijing 100083, China 2) Engineering Research Center of MES Technology for Iron and Steel Production, Ministry of Education, Beijing 100083, China 苣 Corresponding author, E-mail: qliu@ustb.edu.cn ABSTRACT With the recent, rapid developments of metallurgical theory and intelligent steelmaking technology, the intelligent upgrading of iron and steel enterprises has attracted increased attention and become a topic of discussion in the steel industry. Collaborative manufacturing is an important feature of intelligent manufacturing in steel enterprises, and it plays an important role in improving the production efficiency and reducing the carbon emissions of iron and steel enterprises. This study elaborated the structure and the contents of multiscale modeling and the collaborative manufacturing of steelmaking plants in detail. The collaborative control of steelmaking plants was studied from the scales of individual processes, workshop sections, and the operation of steelmaking plants. Systematic modeling studies had been conducted from the process control system of processes/devices to the manufacturing execution system (MES). The process control models, including the converter steelmaking process, secondary metallurgy process, and continuous casting process, and mass flow operation optimization models with the production planning and scheduling model as the core were established. In addition, the high-efficiency operation of multi processes/devices was realized through the dynamic coordination of process control and production planning and scheduling in the steelmaking plants. The data interface between process control models, production planning and scheduling models, and MES had been developed to realize the comprehensive integration of MES, production 收稿日期: 2021−09−27 基金项目: 国家自然科学基金资助项目（50874014，51074023，51974023，52004024）；教育部新世纪优秀人才支持计划资助项目（NCET 07- 0067）；中央高校基本科研业务费专项基金资助项目（FRF-BR-17-029A）；钢铁冶金新技术国家重点实验室自主课题（41620007） 工程科学学报，第 43 卷，第 12 期：1698−1712，2021 年 12 月 Chinese Journal of Engineering, Vol. 43, No. 12: 1698−1712, December 2021 https://doi.org/10.13374/j.issn2095-9389.2021.09.27.010; http://cje.ustb.edu.cn
刘青等：炼钢厂多尺度建模与协同制造 ·1699· process control,process operation control,production planning,and scheduling system.It had formed the steelmaking-continuous casting process integrated manufacturing technology supported by the precise process control co-driven by mechanism and data models, collaborative process operation,and production planning and scheduling based on "rules+algorithms."Through multilevel vertical coordination and multiprocess horizontal coordination,the coordinated operation and the control of steelmaking plants were realized. The study results demonstrated a beneficial exploration and the practice of intelligent manufacturing in the steelmaking-continuous casting process,which had strong reference value for intelligent manufacturing enterprises in the process industry,and had a demonstration effect for the green and the intelligent development of the metallurgical industry.After the application,the collaborative manufacturing level of the steelmaking plant had been considerably improved,and significant economic and social benefits had been achieved. KEY WORDS process model;production mode;planning and scheduling;operation evaluation;interface technology;dynamic collaboration;integrated manufacturing:steelmaking plants 近年来，随着国内外装备制造技术与自动化 探索极具挑战性，并且更具现实意义 信息化水平的不断提高，以信息物理系统(CPS, 1单体工序尺度的工艺控制模型 Cyber--physical systems)为技术核心的“智能制造” 理念应运而生，并被誉为“第四次工业革命”.随 笔者团队基于在炼钢-连铸过程模拟与流程 着“智能制造”浪潮的兴起，一些发达国家或联 优化领域多年的研究与实践成果，瞄准关键工序 盟组织根据自身的发展特点及技术优势纷纷制 工艺控制、物质流运行优化与炼钢厂协同控制等 定并提出了“智能制造”发展战略，包括：欧盟未来 切入点，提出了炼钢厂多尺度建模与协同制造的 工厂计划与“智能制造系统2020”、美国先进制造 五级技术架构，如图1所示 业国家战略规划及工业互联网、德国“工业4.0”、 第一层级为基础理论与大数据层级，核心内 日本“机器人新战略”与“社会5.0”、以及中国制造 容为：“数据精准获取”与“价值深入挖掘”.大数 2025等. 据技术与冶金学相关理论相铺相成，共同构成炼 钢铁工业作为我国国民经济的支柱产业，在 钢-连铸过程智能化研究的基石.该层级包含大量 经历近三十年的高速发展后，目前正处于“高产 基础研究，下文对此暂不做具体阐述 量、高成本、效益价格波动大”的发展局面.为促 第二层级为工序工艺层级，核心内容为：“机 使钢铁行业可持续性发展，《中国制造2025》提出 理数据融合”与“协同驱动建模”.建立各工序工艺 钢铁行业需着力开发基于大数据、云计算以及人 控制模型是实现关键工序智能化的关键，目前已 工智能的信息技术.2016年工信部印发《钢铁工 有的各类工艺控制模型多是基于冶金机理而构建 业调整升级规划(2016一2020年)》，明确提出要 静态控制模型，其适用性具有很大的局限性.在对 以智能制造为重点，以企业为创新主体，完善产学 冶金机理深入分析的基础上，还应利用大数据分 研用协同创新体系，破解钢铁材料研发难题，推进 析手段，考虑更多影响因素，构建基于冶金机理与 产业转型升级.此外，十四五规划进一步指出，深 数据驱动的融合模型，实时监测生产过程，构成闭 入实施智能制造和绿色制造工程，发展服务型制 环控制系统，提高过程控制的准确率 造新模式，推动制造业高端化智能化绿色化.尤其 第三层级为工序衔接关系层级，核心内容为： 是在“碳达峰”“碳中和”背景下，钢铁行业的智能 “物流参数解析”与“生产模式优化”.该层级智能 化绿色化转型发展势必成为未来钢铁工业的发展 化的实现需在炼钢-连铸过程物质流运行规律解 趋势 析的基础上，确定各个工序的最佳作业周期及关 炼钢-一连铸过程作为钢铁生产流程的关键区 键时间节点的温度，探究设备工序/系统产能与生 段，是包含物理化学反应的气-液一固多相共存的 产节奏、产品结构之间的定量化关系，并根据炼 间歇准连续化的复杂制造过程，特别是原料成分 钢厂运行优化原则山，确定每条生产线的最佳工艺 波动、生产过程易受到外界随机干扰，工艺操作不 路径，实现产品专线化生产，解决多钢种混合生产 稳、质量波动等，导致炼钢-连铸过程的运行与管 时车间作业模式优化问题. 控变得更加复杂，控制机理难以厘清.因而开展炼 第四层级为计划与调度层级，核心内容为： 钢-连铸过程的智能化探索显得极为迫切，相应的 “冶金规则建模”与“智能算法求解”.生产计划与
process control, process operation control, production planning, and scheduling system. It had formed the steelmaking-continuous casting process integrated manufacturing technology supported by the precise process control co-driven by mechanism and data models, collaborative process operation, and production planning and scheduling based on “rules + algorithms.” Through multilevel vertical coordination and multiprocess horizontal coordination, the coordinated operation and the control of steelmaking plants were realized. The study results demonstrated a beneficial exploration and the practice of intelligent manufacturing in the steelmaking-continuous casting process, which had strong reference value for intelligent manufacturing enterprises in the process industry, and had a demonstration effect for the green and the intelligent development of the metallurgical industry. After the application, the collaborative manufacturing level of the steelmaking plant had been considerably improved, and significant economic and social benefits had been achieved. KEY WORDS process model； production mode； planning and scheduling； operation evaluation； interface technology； dynamic collaboration；integrated manufacturing；steelmaking plants 近年来，随着国内外装备制造技术与自动化、 信息化水平的不断提高，以信息物理系统（CPS， Cyber-physical systems）为技术核心的“智能制造” 理念应运而生，并被誉为“第四次工业革命”. 随 着“智能制造”浪潮的兴起，一些发达国家或联 盟组织根据自身的发展特点及技术优势纷纷制 定并提出了“智能制造”发展战略，包括：欧盟未来 工厂计划与“智能制造系统 2020”、美国先进制造 业国家战略规划及工业互联网、德国“工业 4.0”、 日本“机器人新战略”与“社会 5.0”、以及中国制造 2025 等. 钢铁工业作为我国国民经济的支柱产业，在 经历近三十年的高速发展后，目前正处于“高产 量、高成本、效益价格波动大”的发展局面. 为促 使钢铁行业可持续性发展，《中国制造 2025》提出 钢铁行业需着力开发基于大数据、云计算以及人 工智能的信息技术. 2016 年工信部印发《钢铁工 业调整升级规划（2016—2020 年）》，明确提出要 以智能制造为重点，以企业为创新主体，完善产学 研用协同创新体系，破解钢铁材料研发难题，推进 产业转型升级. 此外，十四五规划进一步指出，深 入实施智能制造和绿色制造工程，发展服务型制 造新模式，推动制造业高端化智能化绿色化. 尤其 是在“碳达峰”“碳中和”背景下，钢铁行业的智能 化绿色化转型发展势必成为未来钢铁工业的发展 趋势. 炼钢−连铸过程作为钢铁生产流程的关键区 段，是包含物理化学反应的气−液−固多相共存的 间歇/准连续化的复杂制造过程，特别是原料成分 波动、生产过程易受到外界随机干扰，工艺操作不 稳、质量波动等，导致炼钢−连铸过程的运行与管 控变得更加复杂，控制机理难以厘清. 因而开展炼 钢−连铸过程的智能化探索显得极为迫切，相应的 探索极具挑战性，并且更具现实意义. 1 单体工序尺度的工艺控制模型 笔者团队基于在炼钢−连铸过程模拟与流程 优化领域多年的研究与实践成果，瞄准关键工序 工艺控制、物质流运行优化与炼钢厂协同控制等 切入点，提出了炼钢厂多尺度建模与协同制造的 五级技术架构，如图 1 所示. 第一层级为基础理论与大数据层级，核心内 容为：“数据精准获取”与“价值深入挖掘”. 大数 据技术与冶金学相关理论相辅相成，共同构成炼 钢−连铸过程智能化研究的基石. 该层级包含大量 基础研究，下文对此暂不做具体阐述. 第二层级为工序工艺层级，核心内容为：“机 理数据融合”与“协同驱动建模”. 建立各工序工艺 控制模型是实现关键工序智能化的关键，目前已 有的各类工艺控制模型多是基于冶金机理而构建 静态控制模型，其适用性具有很大的局限性. 在对 冶金机理深入分析的基础上，还应利用大数据分 析手段，考虑更多影响因素，构建基于冶金机理与 数据驱动的融合模型，实时监测生产过程，构成闭 环控制系统，提高过程控制的准确率. 第三层级为工序衔接/关系层级，核心内容为： “物流参数解析”与“生产模式优化”. 该层级智能 化的实现需在炼钢−连铸过程物质流运行规律解 析的基础上，确定各个工序的最佳作业周期及关 键时间节点的温度，探究设备/工序/系统产能与生 产节奏、产品结构之间的定量化关系. 并根据炼 钢厂运行优化原则[1] ，确定每条生产线的最佳工艺 路径，实现产品专线化生产，解决多钢种混合生产 时车间作业模式优化问题. 第四层级为计划与调度层级，核心内容为： “冶金规则建模”与“智能算法求解”. 生产计划与 刘 青等： 炼钢厂多尺度建模与协同制造 · 1699 ·
.1700 工程科学学报.第43卷，第12期 Multiprocess collaboration Integration system level MES Dynamic coordination Multi-objective Optimal scheduling Optimal heat model model cast model Planning and Rule Rule scheduling + Coordination level algorithm burler algorithm Process matching 一 level Blowing End-point Reblow End-point Temperature Second cooling "Vertical- Process model prediction model prediction control of zone dynamic horizontal level model model s得o surtace control uniform cooling Big-data Theory of technology Data base Model base fool ha Dynamics Metallurg metallurgy 图1炼钢厂多尺度建模与协同制造技术架构 Fig.I Technological structure of multiscale modeling and collaborative manufacturing of steelmaking plants 调度是整个先进生产制造系统实现运筹技术、优 但要真正实现工序装置的智能化，还需要在先进 化技术、自动化与计算机技术、管理技术发展的 在线检测技术开发、数据挖掘与处理、治金机理 核心.目前，钢铁企业的生产计划与调度方法主要 模型精度与效率、设备控制精准度等多方面深入 面临求解质量与求解效率难以同时提升的问题， 研究.本节中，针对炼钢厂多尺度建模与协同制造 笔者团队针对此问题提出“规则”+“算法”的研究 技术架构中的第二层级一工序工艺层级，笔者 策略与求解方法，兼顾解的质量和求解效率，能够 团队基于钢冶金机理和机器学习方法，从工序工 在较短的时间内获得多个满意解.在未来炼钢厂 艺模型化角度，进行了工序装置智能化的探索.针 智能化研究中，结合工序衔接/关系层级的研究，可 对转炉工序，构建了转炉冶炼钢水脱碳和温度变 实现计划与调度层级和工序/装置层级的协同优化 化模型、冶炼终点磷和锰含量预报模型以及冶炼 第五层级为系统综合层级，核心内容为：“多 末期补吹等模型P-,针对精炼工序，构建了LF精 层级纵向协同”与“多工序横向协同”.目前，钢厂 炼终点钢水温度和成分预报、造渣等模型：针 制造执行系统(MES)与其工序工艺控制系统和计 对连铸工序，构建了连铸凝固冷却控制模型、连铸 划调度系统多数处于相互独立状态，信息孤岛问 坯凝固组织控制模型以及连铸坯偏析与裂纹预报 题突出.该层级需通过构建MES同工序工艺控制 模型0等.本节以转炉治炼终点碳与温度控 模型、计划与调度模型之间的数据接口，以实现工 制、LF精炼造渣与钢液成分控制和连铸坯凝固冷 序工艺层级和计划与调度层级的融合与集成.各 却控制等3个炼钢-连铸区段核心过程模型为例 类实时信息在实际生产过程中能够通过数据接口 进行重点阐述 实现在线传递，解决各类系统之间信息孤岛问题 1.1转炉工序工艺控制模型 工艺模型与调度模型通过对实时数据的即时分析 转炉作为炼钢一连铸过程的关键工序，转炉冶 与处理，实现工艺与调度的闭环控制 炼过程工艺的精准控制越来越受到广泛关注，转 近年来，我国炼钢-连铸区段工序装置技术水 炉冶炼控制模型的研发已成为转炉智能炼钢的重 平有了显著提高，推动了工序装置自动化的发展， 要基础.笔者团队在转炉熔池混匀度的研究基础
调度是整个先进生产制造系统实现运筹技术、优 化技术、自动化与计算机技术、管理技术发展的 核心. 目前，钢铁企业的生产计划与调度方法主要 面临求解质量与求解效率难以同时提升的问题， 笔者团队针对此问题提出“规则”+“算法”的研究 策略与求解方法，兼顾解的质量和求解效率，能够 在较短的时间内获得多个满意解. 在未来炼钢厂 智能化研究中，结合工序衔接/关系层级的研究，可 实现计划与调度层级和工序/装置层级的协同优化. 第五层级为系统综合层级，核心内容为：“多 层级纵向协同”与“多工序横向协同”. 目前，钢厂 制造执行系统（MES）与其工序工艺控制系统和计 划调度系统多数处于相互独立状态，信息孤岛问 题突出. 该层级需通过构建 MES 同工序工艺控制 模型、计划与调度模型之间的数据接口，以实现工 序工艺层级和计划与调度层级的融合与集成. 各 类实时信息在实际生产过程中能够通过数据接口 实现在线传递，解决各类系统之间信息孤岛问题. 工艺模型与调度模型通过对实时数据的即时分析 与处理，实现工艺与调度的闭环控制. 近年来，我国炼钢−连铸区段工序装置技术水 平有了显著提高，推动了工序装置自动化的发展， 但要真正实现工序装置的智能化，还需要在先进 在线检测技术开发、数据挖掘与处理、冶金机理 模型精度与效率、设备控制精准度等多方面深入 研究. 本节中，针对炼钢厂多尺度建模与协同制造 技术架构中的第二层级——工序工艺层级，笔者 团队基于钢冶金机理和机器学习方法，从工序工 艺模型化角度，进行了工序装置智能化的探索. 针 对转炉工序，构建了转炉冶炼钢水脱碳和温度变 化模型、冶炼终点磷和锰含量预报模型以及冶炼 末期补吹等模型[2−6] ；针对精炼工序，构建了 LF 精 炼终点钢水温度和成分预报、造渣等模型[7−9] ；针 对连铸工序，构建了连铸凝固冷却控制模型、连铸 坯凝固组织控制模型以及连铸坯偏析与裂纹预报 模型[10−13] 等. 本节以转炉冶炼终点碳与温度控 制、LF 精炼造渣与钢液成分控制和连铸坯凝固冷 却控制等 3 个炼钢−连铸区段核心过程模型为例 进行重点阐述. 1.1 转炉工序工艺控制模型 转炉作为炼钢−连铸过程的关键工序，转炉冶 炼过程工艺的精准控制越来越受到广泛关注，转 炉冶炼控制模型的研发已成为转炉智能炼钢的重 要基础. 笔者团队在转炉熔池混匀度的研究基础 Interface Interface Data base Model base Tool base Dynamics Thermody namics Metallurg ical Theory of metallurgy Big-data technology Process level Blowing model End-point prediction model End-point prediction model Reblow model Temperature control of slab surface Second cooling zone dynamic control Dynamic coordination Planning and scheduling level Process matching level Optimal heat model Multi-objective scheduling model Multiprocess collaboration Multilevel collaboration Integration system level MES Interface Interface Coordination buffer Rule + algorithm Optimal cast model Rule + algorithm “Verticalhorizontal” uniform cooling 图 1 炼钢厂多尺度建模与协同制造技术架构 Fig.1 Technological structure of multiscale modeling and collaborative manufacturing of steelmaking plants · 1700 · 工程科学学报，第 43 卷，第 12 期
刘青等：炼钢厂多尺度建模与协同制造 ·1701· 上，结合经典脱碳三阶段理论和熔池热平衡原 预报转炉冶炼过程钢水的碳含量：在转炉冶炼后 理，构建了转炉冶炼过程脱碳模型和钢水温度变 期，碳含量与温度的预测值均与实测值比较接近， 化模型，并将上述两个模型进行综合，构建了基于 如图2所示，碳含量预测误差主要分布在0.05% 熔池混匀度的转炉冶炼过程模型) 范围内，其中预测误差绝对值在0.04%以内的炉 采用国内某钢厂转炉（无副枪）冶炼中高碳钢 次占总炉次数的90%：温度值预报误差主要分布 的实际生产数据进行了模型验证，验证结果表明： 在20℃范围内，其中预测误差绝对值在15℃范 所构建的基于熔池混匀度的转炉冶炼过程模型对 围以内的炉次占总炉次数的80%，达到了较好的 脱碳规律的描述符合实际脱碳情况，可用于实时 预测效果 0.35 1720 (a) (b) 0.30 1700 0 1680 80.20 1660 88 3±0.05% 1640 ±20℃ 1620 士0.04%，hit ratio90% ±15℃，hit ratio80% 0.080s 0.100.150.200.250.300.35 1600 600 162016401660168017001720 Measured carbon content/% Measured temperature/C 图2基于熔池混匀度的转炉治炼过程模型验证.(@)碳含量预报：(b)温度预报 Fig.2 Validation of converter steelmaking process model based on molten bath mixing degree:(a)carbon content prediction;(b)temperature prediction 针对转炉吹炼末期终点碳含量精准控制的问 准确预报，为转炉精准控制冶炼终点钢水碳含量 题，笔者团队在经典指数衰减模型的基础上引入 和温度提供参考 熔池混匀度的概念，充分考虑了枪位、顶吹流量和 1.2精炼工序工艺控制模型 底吹流量等实际生产过程操作参数对熔池搅拌与 生产高品质钢是当代钢铁工业的重要任务之 混匀的影响，建立了基于熔池混匀度的转炉终点 一 炉外精炼技术在提高钢质量和扩大钢材品种 碳指数模型啊.该模型终点碳含量预报误差分布如 方面起着关键的作用，是生产高品质钢必不可少 图3所示，终点碳含量预报误差在0.02%之间命 的重要工序.在众多的精炼方法中，LF精炼是当 中率为88.2%，具有较高的预报命中率 前应用最为广泛的二次治金方法之一，本节以LF 32 精炼造渣模型与钢水成分预报模型为例来进行论述 Hit ratio 88.2% 28 0.02% 对于LF精炼造渣过程，笔者团队首先通过造 渣机理分析和FactSage热力学模拟计算，得到最 20 优的渣系成分含量；其次，基于冶金机理模型（硫 16 质量守恒、物料守恒、渣-金氧平衡等)与过程数 据模型（运用SPss统计学软件、Matlab数学软件 8 分析现场数据)相结合的方法，利用数据模型对机 4 理模型进行优化，构建“机理+数据”的灰箱模型， 进而计算LF精炼脱硫所需加入的石灰量；最后， -0.04-0.03-002-00100.010.020.030.040.05 Carbon mass fraction prediction error/% 对所建灰箱模型进行在线验证与调试，获得符 图3基于熔池混匀度的指数模型终点碳含量预报误差分布问 合生产需求的最优命中率.对某钢厂52炉生产数 Fig.3 Prediction error distribution of end-point carbon content of the 据进行验证，结果如图4所示，该模型预报的石灰 exponential model based on bath mixing degree 加入量误差在±20kg内的命中率达88%，误差 综上所述，在没有采用动态检测设备的情况 在±40kg内的命中率达98%，该模型计算的一次 下，基于熔池混匀度的转炉冶炼过程模型与终点 石灰添加量可有效命中精炼终点钢水硫含量的目 碳指数模型可以实现碳含量的实时预报与温度的 标值，满足实际生产需求
上[14] ，结合经典脱碳三阶段理论和熔池热平衡原 理，构建了转炉冶炼过程脱碳模型和钢水温度变 化模型，并将上述两个模型进行综合，构建了基于 熔池混匀度的转炉冶炼过程模型[15] . 采用国内某钢厂转炉（无副枪）冶炼中高碳钢 的实际生产数据进行了模型验证，验证结果表明： 所构建的基于熔池混匀度的转炉冶炼过程模型对 脱碳规律的描述符合实际脱碳情况，可用于实时 预报转炉冶炼过程钢水的碳含量；在转炉冶炼后 期，碳含量与温度的预测值均与实测值比较接近， 如图 2 所示，碳含量预测误差主要分布在±0.05% 范围内，其中预测误差绝对值在 0.04% 以内的炉 次占总炉次数的 90%；温度值预报误差主要分布 在±20 ℃ 范围内，其中预测误差绝对值在 15 ℃ 范 围以内的炉次占总炉次数的 80%，达到了较好的 预测效果. 0.35 (a) ±0.04%, hit ratio 90% ±0.05% 0.30 0.25 0.20 0.15 0.10 0.05 0.15 0.20 0.25 0.30 0.35 Measured carbon content/% Predicted carbon content/ % 0.05 0.10 1720 (b) ±15 ℃, hit ratio 80% ±20 ℃ 1700 1680 1660 1640 1620 1600 Measured temperature/℃ Predicted temperature/ ℃ 1600 1620 1640 1660 1680 1700 1720 图 2 基于熔池混匀度的转炉冶炼过程模型验证. (a) 碳含量预报; (b) 温度预报[15] Fig.2 Validation of converter steelmaking process model based on molten bath mixing degree: (a) carbon content prediction; (b) temperature prediction 针对转炉吹炼末期终点碳含量精准控制的问 题，笔者团队在经典指数衰减模型的基础上引入 熔池混匀度的概念，充分考虑了枪位、顶吹流量和 底吹流量等实际生产过程操作参数对熔池搅拌与 混匀的影响，建立了基于熔池混匀度的转炉终点 碳指数模型[5] . 该模型终点碳含量预报误差分布如 图 3 所示，终点碳含量预报误差在±0.02% 之间命 中率为 88.2%，具有较高的预报命中率. 32 28 24 20 16 12 8 4 0 −0.02−0.01 0 0.01 0.02 0.03 0.04 0.05 Carbon mass fraction prediction error/% Hit ratio 88.2% ±0.02% Number of heats −0.04 −0.03 图 3 基于熔池混匀度的指数模型终点碳含量预报误差分布[5] Fig.3 Prediction error distribution of end-point carbon content of the exponential model based on bath mixing degree 综上所述，在没有采用动态检测设备的情况 下，基于熔池混匀度的转炉冶炼过程模型与终点 碳指数模型可以实现碳含量的实时预报与温度的 准确预报，为转炉精准控制冶炼终点钢水碳含量 和温度提供参考. 1.2 精炼工序工艺控制模型 生产高品质钢是当代钢铁工业的重要任务之 一. 炉外精炼技术在提高钢质量和扩大钢材品种 方面起着关键的作用，是生产高品质钢必不可少 的重要工序. 在众多的精炼方法中，LF 精炼是当 前应用最为广泛的二次冶金方法之一，本节以 LF 精炼造渣模型与钢水成分预报模型为例来进行论述. 对于 LF 精炼造渣过程，笔者团队首先通过造 渣机理分析和 FactSage 热力学模拟计算，得到最 优的渣系成分含量；其次，基于冶金机理模型（硫 质量守恒、物料守恒、渣−金氧平衡等）与过程数 据模型（运用 SPSS 统计学软件、Matlab 数学软件 分析现场数据）相结合的方法，利用数据模型对机 理模型进行优化，构建“机理+数据”的灰箱模型， 进而计算 LF 精炼脱硫所需加入的石灰量；最后， 对所建灰箱模型[8] 进行在线验证与调试，获得符 合生产需求的最优命中率. 对某钢厂 52 炉生产数 据进行验证，结果如图 4 所示，该模型预报的石灰 加入量误差在 ±20 kg 内的命中率 达 88%，误差 在±40 kg 内的命中率达 98%，该模型计算的一次 石灰添加量可有效命中精炼终点钢水硫含量的目 标值，满足实际生产需求. 刘 青等： 炼钢厂多尺度建模与协同制造 · 1701 ·