针对国内微合金化钢生产中存在的板带材表面质量缺陷，以及生产过程能耗高、成材率低、生产效率低的实际情况，钢铁研究总院在2015年9月首先与邯郸钢铁集团有限公司签订技术合作合同，共同开展宽厚板边直裂控制技术和微合金化钢红送裂纹控制技术的研究工作，并取得初步成效。 在此基础上，2017年7月由首钢集团有限公司联合邯郸钢铁集团有限公司、鞍钢股份有限公司、山西太钢不锈钢股份有限公司、新冶高科技集团公司等在微合金化钢生产中具有丰富实践经验和研究基础的单位，共同承担“十三五”国家重点研发计划中“钢铁流程铸-轧界面物质流与能量流协同优化及智能控制技术”课题的研究任务。以期在微合金化钢板带材生产关键技术方面取得突破，首先在国内建成集连铸坯表面无缺陷生产技术、边直裂控制技术、红送裂纹控制技术等为一体的大板坯连铸-轧钢界面高效化、绿色化关键技术集成应用示范生产线，并向钢铁企业进行工程化推广，使连铸坯真正成为物质流、能量流、信息流的载体，被直接输送到下一步轧制工序，彻底打通和捋顺铸-轧界面，为下工序高效率、绿色化、高质量生产奠定坚实的基础。

实现长材无人吊运，电磁吊具是最为通用的方式。但是棒线材难以严格按垛位码放，并且容易发生滚动移位，此时按照钢卷库的库位定位方式，容易由于定位精度不足产生钢材重心在吊具边缘之外的“虚吊”现象，从而导致起吊失败或者吊运过程中的钢材掉落事故。因此，需要开展针对长材无人天车吊运的关键技术攻关。另一方面，智能库管系统应能够适应长材吊运特点，对库位变化有自动调整适应的能力，并且应满足大型物流库对天车、地面物流设备、发运设备等的全局动态优化调度需求；同时，针对物流库区的厂内倒运与存储转运销售功能，需要满足无人操作条件下的全自动卸车、自动装车需求，并能实现与生产、销售系统的对接协同。 为此，北京科技大学工程技术研究院（以下简称“北科工研”）针对棒线材库区，创新开发了以库区环境感知与三维重构、机器视觉与天车控制深度融合、库区多智能体协同优化的智能库管调度、库区集控与智能工厂协同优化为标志性的第二代无人天车与智能库管技术，并实现针对棒材智能库与高线智能库的首创示范应用。

设备智能运维是钢铁工业智能制造的短板，存在下列问题： 1、设备运维数智化基础薄弱，设备状态相关的数据没有得到全面有效的采集、存储、管理，全口径设备数据在线率不足1%。 2、以人为主的设备管理导致过度依赖人的行为、经验，设备风险难以控制，设备维护经验、知识碎片化，缺少系统化的积累、提炼、优化、传播。 3、设备维护相关数据没有得到有效开发、应用，基于数据的决策偏少，智能化应用不成体系，运维全流程协同优化乃至支撑产供销全局优化没有依托和抓手。 4、未能实现对环保设备设施运行状态的精准把握，保证其持续可靠运行，减少和降低污染排放，支撑环保达标和超低排放的实现。高能耗设备的运行缺乏数据支撑，降低能耗的目标难以达成。 5、设备维护功能分割过细，点检、运行、日修、抢修等多种角色并存，设备点检不到位、设备维修质量无数据支撑，设备日常运行过程中的“跑冒滴漏”问题严重，不仅增加消耗，也间接增加环境压力，效率提升遇到瓶颈。 针对这些问题，宝武装备智能科技有限公司研发成功一套钢铁全工序、全流程设备智能运维系统（技术、产品、标准与体系），攻克了面向钢铁全工序的设备智能运维平台、面向状态变化趋势决策的设备智能运维智能专家系统、面向服务一致性的设备智能运维标准、面向运维全流程的智能运维体系等四个方面十二项核心技术，实现了面向钢铁行业的全工序全流程的智能运维系统和超大规模化工程应用。

项目属冶金科学连铸技术领域。项目为“十三五”国家重点研发计划“钢铁流程关键要素协同优化和集成应用”项目中的“钢铁流程铸-轧界面物质流与能量流协同优化及智能控制技术”课题的主要研究任务，以及企业间的横向技术合作。项目的研究时间为2015年9月-2021年12月。针对国内微合金化钢板带材生产中存在的能耗高、成材率低、生产效率低的实际情况，在实验室计算机仿真和模拟加热、轧制等实验研究的基础上，以邯钢、鞍钢、京唐、莱钢等大板坯连铸机-加热炉-轧机生产线为依托，重点开展了连铸坯表面无缺陷生产、边直裂控制和红送裂纹控制等关键工艺与装备技术的研发和工业生产验证工作。形成的关键技术成果与创新如下： （1）探明了边直裂的形成机理，创新性的提出：合理优化铸坯角部形状,可以提高铸坯温度的均匀性，同时有效改善铸坯轧制过程中的角部受力和变形状态，达到消除和避免轧制过程边直裂产生的核心思想。开发出独有的连铸坯角部形状二次倒角工艺与装备系统专利技术，在国际上率先实现工业化应用。大幅度减小板带材的裁边量，使成材率提高约1%。 （2）微合金化钢红送裂纹形成机理研究取得突破，开发出了独家的双工位铸坯红送裂纹在线控制工艺和装备专利技术，一方面使铸坯8～10mm表面层温度快速降低到铁素体相区，实现了微合金化钢由冷装或码垛温装向平均750℃以上快冷直装的跨越，另一方面满足了铸坯高拉速、高效率生产，彻底解决了铸坯表面残水蒸发给厂房及设备带来的污染。 （3）首次开发出基于热流监测的锥度动态控制技术和组合结构的侧面支撑足辊装备以及弧形曲面形状优化的新型倒角结晶器，使低碳钢和超低碳钢大倒角连铸坯正常工作拉速达到1.7m/min，最高拉速达到1.8m/min；同时有效避免了裂纹敏感性宽厚板铸坯的角部横裂纹缺陷发生，使铸坯表面无缺陷率达到99.6%以上。 （4）在世界范围内首次集成连铸坯表面无缺陷生产、边直裂控制和红送裂纹控制等关键技术，并辅助以多种优化工艺与控制模型软件，创建了低成本、高效化板带材绿色制造工业示范生产线。 项目开发实现了系统技术成果在国内大型钢铁企业的推广应用，优化了微合金化钢生产工艺，提高了钢的成材率、节约了能源、大幅度缩短了生产时间。有力的推动了行业技术进步。 项目共获得授权专利33件，其中国际发明专利4件、国际实用新型专利6件。为在国内和国际市场推广奠定良好的基础。

钢铁工业是国之基石，中国是名副其实的钢铁大国，但高端产品制造仍面临着质量稳定性差、产品质量合格率低、定制化能力弱等重大共性问题。自2007年始，项目团队在国家科技支撑计划、863和国家自然科学基金等国家级课题资助下，以面向产品质量智能管控的工业互联网平台为依托进行全过程质量协同管控，重点研发了钢铁产品质量智能管控的工业互联网平台架构设计、全流程产品质量在线管控、跨业务/跨工序的质量协同优化，研发了具有自主知识产权的模型库与方法库等核心关键技术,形成一整套基于工业互联技术的全过程产品质量智能管控技术与平台解决方案。

为提高首钢高牌号无取向硅钢同板差控制水平，北京首钢股份有限公司、首钢智新迁安电磁材料有限公司、北京科技大学及北京科技大学设计研究院有限公司建立联合研发团队，进行“高牌号无取向硅钢超低同板差控制技术”项目攻关，在硅钢热轧工序重点开展了热轧工序断面轮廓控制成套工艺装备开发、“凸度-平坦度-楔形”协同优化控制技术，突破传统的控制边降和磨损技术手段，实现良好断面轮廓与小凸度的热轧产品；在冷轧工序重点开展了多辊轧机高精度同板差协同控制技术、UCMW酸轧机组高精度边降控制技术。 通过上述技术攻关及应用，热轧工序高牌号无取向硅钢C25命中率控制精度由26%提升到90.2%，在此热轧工序C25提高基础之上，下游硅钢成品指标显著提升，部分高端产品如无人机等指标达到新日铁3μm以内的同等控制水平。项目的实施，极大提高了国有企业关键技术的自主创新能力、高端产品自主开发能力和市场竞争能力，同时为国家机电产业与能源发展战略深化改革及高质量发展提供了重要物质基础，同时带来直接经济效益达3.5262亿元。

介绍了东北大学项目团队则采用人工智能预测了材料组织性能演变，开发了力学性能高精度预测、氧化铁皮控制、工艺逆向优化和钢种归并技术，在产品质量的稳定性控制方面的新进展

热轧板带材力学性能是用户关注的核心要素，组织性能预报与集约化生产受到普遍重视。然而在整个热轧生产过程中，加热和热轧、冷轧过程中轧件内部组织演变情况处于“黑箱”状态，无法直接测量、观察。想要控制钢材内部的组织，调整、改变其组织和性能，需精确感知轧件内部的信息，需要系统具有模型感知的能力。在工业大数据的数字感知的基础上，基于物理冶金学研究，通过ＡＩ（人工智能）和机器学习等现代信息技术，进一步赋予系统以感知、记忆、思维、学习能力以及行为决策能力等能力。同时基于热轧板带生产过程复杂性和用户个性化定制需求，构建跨系统、跨工序的钢铁工艺质量大数据平台，充分利用物理模型、传感器更新、运行历史等数据，融合物理冶金学和生产数据实现热轧全流程组织-性能-表面演变的数字孪生。以生产全流程工艺机理为基础，实时分析生产过程工艺、设备参数与产品质量的关系，满足用户的定制化需求并进行质量在线综合评判和异常原因追溯。结合设备过程控制能力给出工艺参数和制备工序流程的优化方案，以数据为基础提高机理不明或复杂工况下的数学模型设定和质量控制精度，通过多工序协调匹配提高产品质量稳定性和生产效率。现阶段，浦项、普锐特开发了在线组织监测与优化系统，实现了一材多品种生产和在线工艺调优；东北大学项目团队则采用人工智能预测了材料组织性能演变，开发了力学性能高精度预测、氧化铁皮控制、工艺逆向优化和钢种归并技术，在产品质量的稳定性控制方面效果显著。

该项目开发了现代高炉原燃料条件下烧结—球团—高炉添加MgO协同优化的冶炼技术，旨在探讨“现代高炉最佳镁铝比的冶炼技术”，确定烧结矿的最佳MgO含量、球团矿的最佳MgO含量、及高炉渣最佳的MgO/Al2O3操作参数等。

中国金属学会与中国金属学会冶金环境保护分会拟于2016年10月在北京召开“2016年全国冶金能源环保生产技术会”。会议的主题是:“发展高效低成本节能减排新技术，加强协同治理与系统集成优化，推动钢铁工业绿色转型发展”。为开好此次会议，特征集与会议相关的问题、技术及建议，敬请关注。