通过对国内近百条热连轧生产线的过程控制模型精度和产品质量指标研究发现，造成非稳态过程难以控制的原因，既有板带材轧制本身的工艺因素，又受制于热连轧自身的控制特点，长期面临如下突出问题： （1）热连轧各机架存在着弹性变形和塑性变形的交叉耦合作用。热连轧各机架与带材直接接触并产生压下量时，轧机设备会发生弹性变形，轧件又会发生塑性变形，这种设备弹性状态和带钢压下产生的塑性状态耦合到一起，导致传统数学模型很难对其进行精准计算和表述，尤其在频繁换规格或换钢种状态下，一种弹塑性耦合状态下的模型未完自学习至最优状态，又会过渡到另外一种弹塑性状态，导致整个机组形成长时间的非稳态过渡过程。 (2)非稳态过程难以建立高精度的热轧数学模型。该过程具有不确定性、非线性等特点，存在润滑状态、设备工况等多种多样难以表述的变化，这些对薄带材轧制的影响远超过普通带材。而实际控制过程采用的单一常参数模型难以满足连续变化的要求，模型匹配性差，实际生产过程中轧制力、前滑等关键参数存在很大偏差。 (3)多工序间的过程控制参数波动的影响。热连轧生产过程装备由加热炉、定宽压力机、粗轧机组、精轧机组、控制冷却及卷取机组等多个区域组成，各个工序均具有非线性、快响应以及时变、不确定性、工艺控制模型复杂、过程变量维数高、规模大等特点，这就决定了各个工序的建模过程比一般的工业过程复杂得多。这种非稳态下的过程参数波动，均可对下游工序产生很大的影响，从而导致产品质量问题，如板形、尺寸精度以及工艺性能等。 针对热连轧制造领域内过程精准控制科学问题和相关技术瓶颈，2019年河钢集团有限公司、华为、东北大学在深圳举行联合组建“工业互联网赋能钢铁智能制造联合创新中心”签约挂牌仪式。三方成立的联创中心将作为钢铁行业工业互联网与智能制造产学研用平台，以钢铁全流程产线为基点，着力实现网络化、数字化、智能化的新钢铁，促进钢铁产业转型升级、高质量发展。 项目团队依托河钢邯钢公司邯宝2250mm热连轧生产线，基于现有自动化与信息化系统，深度融合数据驱动模型与机理模型，首次开发了热连轧过程动态数字孪生模型并建立了CPS控制系统平台，提高了轧制工艺对复杂多变工况的原位分析能力，改善了热连轧过程三维尺寸控制指标。

通过对国内近百条中厚板生产线的工艺技术装备现状研究发现，产线普遍在关键工艺质量参数感知、多工序协调优化方面，长期面临如下突出问题： 1、生产过程中轧制、剪切等工序的自动化达到较高水平，但是各工序控制系统相对孤立，尚未形成联动，部分工序缺失关键质量参数，不能基于反馈进行动态优化控制，机理模型的预测和控制精度低，严重影响产品质量、生产效率和成材率的提升； 2、缺少钢板轮廓识别和板形检测关键大型仪表，导致轧后钢板头尾形貌、轮廓和板形等关键质量参数难以在线精准识别，仍以人工方式线下测量，无法与轧制过程形成在线反馈控制，难以通过在线工艺优化来保证最终产品质量； 3、依靠人工经验的传统组板系统订单匹配度低、精准剪切控制能力偏低，无法根据钢板实时轮廓信息优化组板策略导致组板余材过多，影响生产效率和成材率。剪切工序也无法根据实时轮廓形状优化剪切策略。此外，剪切工序与轧制过程、组坯过程除基础的产品信息交互之外，无其它过程质量数据交互，迫切需要将轧后钢板实际轮廓形状与订单合同进行实时动态匹配，急需开发面向多目标约束的优化剪切和动态组板策略，以实现减少切损的同时提高订单的匹配度。 针对宽厚板制造领域内过程精准控制科学问题和相关技术瓶颈，2010年由山钢与东北大学等单位组建联合研发团队，在国家十三五重点研发计划《基于CPS架构的多工序协调优化与质量精准控制及应用示范》（2017YFB0304103）项目和山东省《宽厚板智能轧制数字化车间是的试点示范》项目的支撑下，依托山东省山钢王国栋院士工作站科研平台，深入推进开展产学研合作和协同创新，发挥高校基础研究理论创新优势与企业产工程技术优势，联合开展本项目关键共性技术的科研攻关工作。

大冶特钢是我国装备最齐全、生产规模最大的特殊钢企业，其特冶锻造生产基地工艺流程较为复杂，该产线电炉、电渣及双真空工序涉及炉台设备包括电弧炉、感应炉、精炼炉、电渣炉、真空感应、真空自耗炉等，生产工序多，既有流程行业又有离散行业特点，各工序各参数的交互影响因素多，而采用先进的工业互联网技术，建立质量大数据系统，将打通各工序产品质量与工艺参数之间的系统壁垒，可以达到多工序、各工艺质量数据的互通互融，在加工生产的每个环节保证各节点的质量稳定，实现产品生产全流程质量可追溯，将有效提升产品质量，从而满足市场需求、增强企业竞争力。

变速箱作为汽车及工程机械传输动力的“大脑”，是汽车及工程机械最主要的三大核心装备之一，对于汽车和工程机械装备性能的发挥至关重要。齿轮作为变速箱的重要传动部件，其品质直接决定着变速箱的整体质量和运行稳定性。近年来，随着国民经济的迅速发展和工业化水平的提高，作为国家重要支柱产业的汽车工业和工程机械装备制造业面临诸多挑战，这对汽车及工程机械齿轮的轻量化、长寿命、高可靠性和安全性等优良服役性能提出了更为严格的要求。而齿轮钢作为齿轮制造的重要基础材料，其强韧性、纯净度、淬透性、均匀性及易切削性等性能要求也日益严苛。但长期以来，受工艺技术及装备水平的影响，超低氧、易切削、高均质等的协同稳定控制难题一直困扰着齿轮钢的生产，严重制约了变速箱高端齿轮钢的品种拓展与升级。如何实现齿轮钢超低氧、易切削、高均质等性能的协同稳定控制是解决高端变速箱齿轮高效稳定运行和长寿命安全服役亟待破解的关键共性难题。 针对上述问题，承德建龙特殊钢有限公司联合北京科技大学、中国汽车工程研究院股份有限公司、晋江市成达齿轮有限公司和山东润通齿轮集团有限公司等多家单位，立足承德建龙“钒钛磁铁矿—高炉铁水—提钒转炉—半钢脱硫—炼钢转炉—LF精炼—VD真空脱气—方坯连铸—控轧控冷—精整—检验—棒材”特色产线，以超低氧、易切削、高均质和长寿命为目标，依托国家自然科学基金项目和企业合作，开展了“产-学-研-用”全链条联合技术攻关，成功研发变速箱用超低氧易切削高端齿轮钢生产成套技术。

薄板坯连铸连轧技术的出现，适应了这种客观形势的需要，是近30年来世界钢铁工业取得的重要技术进步之一，是继氧气转炉炼钢、连续铸钢之后，又一项带来钢铁工业技术革命的新技术。CSP轧机上的生产工艺研究和生产实践上取得了显著成果，并在国内某些厂家实现了半无头生产模式，在提高产品的厚度精度、板形质量、通卷组织性能稳定性、均匀性和成材率方面体现出显著的优势。但面对钢铁产能过剩，特别是热轧板卷严重过剩的现实，此类薄板坯连铸连轧产线面临着传统产线日益严峻的挑战，需要进一步开发全无头轧制技术，从而更大程度发挥流程优势、增加产品的附加值、降低产品的制造成本并增加生产过程的环境友好性。2009年2月意大利Arvedi无头轧制技术（ESP）投入工业化生产，标志着连铸连轧技术的又一次进步。基于此，2015年，日照钢铁率先引入亚洲第一条，世界第二条薄规格无头轧制生产线。 无头轧制的优势有：1)节能效果显著：同传统热连轧比较，节能40~60%；2)大规模生产高质量薄/超薄宽带钢，实现“以热代冷”；3)带钢高性能均一性、高尺寸形状精度(传统工艺无法实现)；4)成材率比传统工艺提高1%以上(高成材率，低氧化烧损、无切损)；5)吨钢生产成本低，产线投资低。 同时无头轧制生产也存在以下难点：1)产线高拉速、高刚性(无缓冲)、多工序装备一体化集成控制；2)单浇次连轧数千吨薄宽带钢生产组织、质量控制、带出品最低化、事故控制处理等远大于传统工艺。同时ESP生产技术在引进过程中，因国内无可参考技术，生产中发现与理想状况还存在较大差距。为解决ESP产线存在的技术瓶颈问题，日照钢铁联合国内知名高校和科研院所，不断调整思路，优化试验方案，对存在问题逐一分析，开发出ESP线多炉高拉速连铸无缺陷铸坯控制技术、薄规格带钢板形稳定控制技术、基于ESP产线的铁素体轧制工艺技术、超薄宽带钢系列产品的ESP工艺技术等，形成世界规模最大的低碳节能效果显著的高质量薄宽带钢短流程生产基地。。

近几年，随着我国智能制造的快速发展，作为流程制造业的钢铁工业急需在智能化领域进行更深入的探索与实践；其中，多工序运行协同控制是智能制造的重要环节。在面对多品种、小批量、多规格、高质量、快节奏的生产要求时，因对生产工艺考虑不足，传统生产调度模型/系统很难达到令人满意的应用效果，故而钢铁企业对炼钢-连铸过程的多工序运行协同控制水平提出了更高的要求。 本项目针对多品种、小批量、多规格、高质量、快节奏等生产约束下生产计划与调度难的问题，首先对莱芜钢铁集团银山型钢有限公司炼钢厂物质流运行的时间参数进行系统解析，包括不同工况下炉次在各工序之间的作业时间和传搁时间等，在明晰物质流运行规律的基础上，充分考虑工艺、设备等多种约束因素，归纳总结适用于不同工况的生产调度规则库，优化生产运行模式；其次，应用生产调度规则库来指导调度模型的构建与求解，提高模型的可用性；再次，采用系统仿真的方法来探究车间平面布置、天车运行、钢包运转等因素对于物质流在多工序之间运行的作用机制，为调度模型及其求解算法的进一步完善提供指导；最后通过系统研究与流程运行相关的生产因素，提出多工序协同运行量化评价模型及评价参数，实现对炼钢厂多工序协同运行水平准确评价。 通过该项目的实施，莱钢银山型钢炼钢厂炼钢-连铸区段的生产运行节奏与有序性得到显著提高。项目获得授权发明专利2件、实用新型专利2件，登记计算机软件著作权1件，制定企业标准2项和形成企业技术秘密5项，发表国内外学术论文13篇。项目自2019年成功实施以来，共计创造经济效益14083.3万元。

钢铁冶金行业作为典型的流程行业，其生产过程存在多工序连续生产、区域间强遗传、各影响因素非线性等特点，其数据形式则表现出高通量、强耦合、多态时变、多源异构的特征。为了借助工业互联网平台实现技术变革，需要设计面向冶金行业特点的工业互联网构架，实现从数据感知到数据转换，再到信息提取和认知，最终实现智慧决策和资源的优化配置，进而解决多类工业设备接入、多源工业数据集成、数据管理与处理、数据建模分析、应用创新与集成、知识积累迭代实现等一系列问题，为解决钢铁冶金企业问题提供新思路和新方法。

介绍了中冶京诚针对传统原料工艺重“储”轻“运”的弊病，深度研究“储”和“运”的功能，以“运”为主线，以“储”保障“运”的安全。对钢铁企业铁前多工序生产供料系统即时供料和优化铁前多工序物料的储存规模，开发绿色高效储运工程技术，从而节省原料场建设的占地和投资，尤其是降低大型原料场封闭时的高成本，提升原料物流效率和保障冶炼原料低成本运行等方面的新进展

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。

冷轧控制过程是典型多工序、多变量、多层级的大型复杂工业流程。针对尺寸质量精度差、薄硬规格轧制易振动、生产效率低下等关键共性技术难题，以材料加工过程自动化、信息化、智能化、绿色化等为出发点，开发具有自主知识产权的冷轧智能化质量精准控制系统具有非常重要的现实意义。 本技术将给出冷轧自动化系统的硬件配置与软件功能总体方案，建立冷轧多层次完整的控制体系架构，开发基于控制器性能综合最优评价的多机架协调板厚控制模型、基于板形调控功效系数的多变量板形前馈和反馈控制模型、以超差长度最小为指标的最优动态变规格控制模型、基于成本函数的冷连轧负荷分配模型、融合工艺机理和大数据的轧制过程数学模型等智能化质量精准控制模型，为酸洗冷连轧或单机架冷轧机提供完整的控制系统方案。 应用智能化的冷轧质量精准控制系统可使冷轧带钢尺寸质量控制精度全面达到PREMETAL、ABB等国际先进水平，厚度指标±2.5μm ，变规格头尾超差长度小于10米，板形控制指标小于6I。该项技术填补国内空白，打破了国外封锁和技术垄断。相比传统冷轧控制系统，可大幅度提高头尾成材率和带钢本体厚度及板形等尺寸质量、大大减少工人劳动强度，已推广应用至某1450mm酸洗冷连轧等20余条生产线，至少创造80亿元的经济效益。