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。

抚顺新钢铁以“产城融合发展的典范、智能制造的先行者、绿色发展的践行者、建筑业综合服务平台的主导者”四大发展战略，为实现东北老工业基地全面振兴、全方位振兴而努力。从2018年6月至2019年5月，抚顺新钢铁通过整合型数据分析系统建设和复制与开发，在不断丰满完善的基础之下, 管理人员和工程师更愿意追求“更全面,更系统,更有效率”地针对各自的专业领域进行科学分析与管理。在围绕提升效率、提升能力、提升装备水平进而实现效益的提升推进全流程钢铁企业数字化转型过程中，存在一下问题： 1、员工数字化能力不足 随着数字化转型的推动，企业经营管理有了大量系统、全面的数据做支撑、提供参考，进而对“执行力、查找异常、反应速度、部门联动”也提出了更高的要求，此时员工能力是否能有力支撑管理则显得愈加重要。抚顺新钢铁属于传统冶金企业，员工对数字化转型、精细化工具、岗位融合、集控的理解能力不足。 2、复合型的专业钢铁信息技术人员供应十分有限 在数字化转型过程中,需要复合型的专业钢铁信息技术人员来支撑。从现有的人员及外招的潜力来看十分有限，业务不懂IT，IT不懂业务。 3、数据应用不足，数字价值发挥不充分 钢铁行业每天产生和利用大量数据，比如生产、能源、质量、安全、环保等。现场一级系统里面蕴含的数据如EMS、ERP，但是没有将数据进行应用，没有充分发挥数字的价值。 4、结果性与驱动性数据的集成与解析机制有待建立 数据驱动的智能企业包括数据资产的规划和治理、数据资产的获取和储存、数据资产的共享和协作、业务价值的探索和挖掘、数据服务的构建和治理、数据服务的度量和运营（迭代）六个部分。同时基于冶金工程流程的“制造流程-单元工序-单元操作”集成和解析的关系有待建立。 针对这些问题，抚顺新钢铁利用企业现有资源组建研发团队，自主研发了一种融合业务、组织与冶金流程的新一代集控中心，并不断持续迭代优化。

通过协同制造运营平台，对合同、标准、成本等进行统一协调和管理，采用业务与数据驱动的方式，使整个系统满足现场各层次业务需求，系统从订单管理开始，经采购、审核、排产、生产、质检、判定，直至入库、发货，形成了对生产制造过程的完整管控。多年来，协同制造平台相关技术已经应用到不同的企业，产生了较好的经济与社会效益，围绕该平台申报了多项技术专利和软件著作权，进一步去促进了项目成果的落地。

钢铁工业经历三十年节能技术革新，能耗下降幅度趋缓，新形势下其能源结构高碳化、集中供能柔性不足、数据模型技术开发不够等问题愈加突出。为探索钢铁企业节能新方向，以钢铁多流耦合分布式能源技术理论研究与架构设计为先导，选择关键技术实施开发与应用。主要创新成果如下： 1、研究揭示了钢铁生产与分布式能源的耦合关系，提出“源-网-荷-储”钢铁多流耦合分布式能源理论并完成架构设计：以可再生能源开发、清洁能源多能互补优化传统能源结构；以余能就地极限回收利用与区域能源自平衡提升能源效率；以数据驱动和需求侧响应能力提升增强源荷互动能力；以多网互融和网储一体优化钢铁能源系统调整能力。 2、形成钢铁低碳清洁能源与传统能源高效多能互补技术,包括：攻克光伏屋顶组件动态清洗运维技术难关，建成世界最大屋顶光伏发电并网工程，使之成为钢厂低碳清洁能源重要组成；发明高炉冲渣水乏汽与烟气余热热电冷联供系统及方法，开发余热用于高炉煤气碳捕获、协同处置有机废弃物制备生物质能技术，建成兆瓦级涌动型烧结余热有机朗肯循环发电机组，构建余热资源分布式能源微网。 3、形成流体网络建模和能量储存优化等组合式节能技术，包括：开发管网和煤气柜储气数值模拟技术，为电厂大流量和宽幅波动使用高炉煤气解除安全顾虑；对热力系统不同效率汽源给出基于等效电算法的多目标优化方法；发明循环水组合节能方法及系统；开发适用于南方钢厂移动供热模式，以规模化移动热网丰富钢厂能量输配网络。 4、形成模型支撑、数据驱动的源荷交互柔性调控用能技术，包括：开发六大工序三层多阶极限能耗模型，为工序能耗从理论、技术、生产层逼近极限提供定量判据；开发电力负荷预测方法，控制关口电量和制定分时电价响应策略；以燃气互换性理论指导典型炉窑燃烧效率和煤气调配；用数据挖掘结合热工理论确定加热炉能效关键指标及操作模式。 以“多能互补、数据驱动、网储一体、源荷交互、极限能效”为主线的钢铁多流耦合分布式能源技术研究与应用使宝钢节能水平显著提高：近三年节能8.87万吨标煤、减排二氧化碳22万吨，经济效益4.7亿元,对传统钢铁工业能效提升、绿色低碳转型发展提供实践示范。本项目申请国家发明专利24项（已授权15项），实用新型专利授权8项，国家标准1项，企业标准1项，软件著作权3项，企业技术秘密20项，发表论文25篇，编著和参编专著2本。

项目研发了以数据平台软件为基础、以能量流网络信息描述模型为核心、以能源精细化管理为特色的大数据能源管理系统，解决了多介质预测调度的实用化问题。 1）在数据平台方面，①开发了DataX软网关，提供实时数据交换、业务数据交换驱动接口，并实现了OPC、Modbus、HJ 212、DBLink等多种类型的数据驱动，解决了多源异构数据的采集问题；②确保数据质量，减少人为修数工作：利用仪表量程实现了异常数据的自动过滤；利用上下文信息实现对表底数据正常清零、异常回零的判断，对正常清零的数据从下一秒开始在零值基础上继续计算差值，避免出现大负数；利用采集数据上的时标信息判断是否丢数，对丢数的表底值待其通讯恢复后将差值均匀填入到丢数时间段内的各周期，避免最后一个周期过大而其他周期为零；③自主开发了时序数据库内核，通过面向时序数据的索引优化、压缩算法，代替实时数据库作为原始时序数据的存储引擎，实现单机每秒5万条写入速度和每秒百万条的读取速度；④设计了多时间尺度、多值类型的数据存档结构，以便为各种业务提供粒度匹配的数据，并对多存档进行自动平衡存储以提高数据的并发读写速度；⑤对业务频繁读取的数据进行缓存优化，包括数据缓存、配置信息缓存、报表缓存等，使系统查询速度提高了50倍。上述技术并用，消除了对实时数据库软件、关系数据库软件依赖，提供了秒分时日月、原始值、确认值、平衡值多种数据类型，满足了业务的数据需求。

课题任务： (1)研究如何建立统一的、全工序的质量数据仓库构成质量缺陷分析及控制的数据基础； (2)研究如何使用机理模型和数据驱动相结合的方法对单工序的产品质量缺陷影响因素进行定量和定性地分析； (3)建立多变量统计过程模型，研究利用实时质量数据，实施主元分析并建立多变量统计过程模型对产品生产过程进行实时监视； (4)建立稳态质量闭环控制模型，研究如何量化离散操作条件建立适应于批次内和批次间的稳态质量闭环控制模型，并研究如何引入质量控制目标函数实现操作条件的定量化。 课题承担单位：冶金自动化研究设计院