热轧作为钢铁生产流程的重要环节，具有高频、强耦合、非线性等特点，温度、相变、应力相伴相生。经历工业3.0后，热轧技术在主线自动化程度、品种规格、产品质量、信息融通等方面取得了长足的进步，但仍然存在如下亟待解决的问题：库区、磨辊间、能源介质、质检等非主线单元存在着大量的人工操作，劳动生产率低下；加热能力、轧线节奏、多区域调度、生产顺行等问题影响产能释放，高效生产需求迫切；以板形、表面、轧破甩尾为代表的质量和生产稳定性长期困扰热轧企业，控制模型精度、设备状态、关键检测缺失、监控不完善、人工干预多等是主要原因；缺乏工厂级成本管理系统，能耗到卷（或板、管、棒等）、成本到卷无法实现，做不到精细成本控制；自动化、信息化已逐步完善，但许多和设备、人员、物料、能源等密切相关的数字化工作尚在起步；上下游工序、工厂业务之间缺乏物质流、信息流、能量流协同机制，工作效率低下，标准实施和固化困难，决策靠人。 热轧面临的如上问题大多是多因素或多目标问题，需要从全局加以考虑，现有的多级计算机系统构架具有局限性，热轧智能工厂建设则为解决如上问题提供了契机。本项目提出一种以问题为导向的热轧“双智控”智能工厂构架方案，以短板补齐、智能检测、工业互联网平台等为支撑，以关键绩效指标为牵引，从操维集约和业务协同两个方面出发，借助精准感知、数字孪生、工艺驱动、智能算法等手段，追求产线极度自动化和业务高效协同化。热轧智能工厂的建设实现物质流、能量流、信息流互联互通，并完成生产过程中大尺度的全局优化和资源配置，可推动真正意义上的热轧工厂技术变革。

废钢作为唯一可以代替铁矿石炼钢的绿色环保、可多次循环利用的再生铁素资源，将在后续钢铁冶炼中占据更重要的作用和地位，更加广泛的应用于钢铁冶炼。由于废钢使用量大，多料型掺杂混装，且时常发生废钢掺假等现象，为保证产品质量、提升钢铁产量，避免爆炸、钢水喷溅等事故的发生，需要对购买的废钢进行验质。传统废钢验质工作面临如下几个难题： 1、钢铁企业废钢验质过程，通常应用人工目测、卡尺测量等手段，受人为主观因素影响较大，缺乏统一的废钢分类定级标准，无法形成量化的评价结论及很好的数据分析，不易让供应商信服。 2、废钢验质作业环境较为恶劣，验质人员每次需要攀高四五米到大货车车顶，对车内废钢进行近距离观察，劳动强度大，作业风险高，效率低下。 3、卸货过程中，掺假、密闭容器未切割、超长超大件等，在人工验质过程中，经常存在漏验、错验等情况，异物无法及时提醒，可能会直接影响后续钢铁冶炼安全，发生重大的安全事故或生产事故。 4、废钢验质结果将直接决定废钢的回收价格，判级等级的差异直接影响钢铁企业的利益、供应商的利益，进而影响供应商的合作积极性。如何实现双赢，保障双方利益，也是传统验质工作执行难的重要难题。 河钢数字科技自主研发了基于人工智能技术的废钢智能验质系统。该系统主要利用机器视觉对废钢车辆卸料过程实时感知、逐层采样，通过人工智能技术（AI），在卸货过程中进行单层判级和整车判级，智能识别出不达标废钢、杂质和异物，最终通过AI算法计算出整车扣重的预估值，对危险物、异物及时做出预警。

中厚板钢板是钢铁工业的重要产品之一，主要用于航空航天、桥梁建造、汽车制造以及国防装备等领域。在轧制过程中，与冷轧薄板相比，中厚板需要采用热轧工艺，轧制温度更高、环境也更加恶劣，国内外尚无成功的热轧钢板表面在线无损检测的成功案例，其主要原因是面临以下难题： 1、热轧环境下钢板表面容易产生雾化效果，并且光线传播容易变形，利用摄像头进行采集的时候容易发生光线偏移，造成图像变形或者影响图像的整体质量，增加图像中的噪声。 2、受环境、光照、生产工艺和噪声等多重因素影响，检测系统的信噪比一般较低，微弱信号难以检出或不能与噪声有效区分。如何构建稳定、可靠、精准的检测系统，以适应光照变化、噪声以及其他外界不良环境的干扰，是要解决的问题之一。 3、由于检测对象多样、表面缺陷种类繁多、形态多样、背景复杂，对于众多缺陷类型产生的机理以及其外在表现形式之间的关系尚不明确，致使对缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目标分割困难；同时，很难找到“标准”图像作为参照，这给缺陷的检测和分类带来困难，造成识别率尚有待提高。 4、从机器视觉表面检测的准确性方面来看，尽管一系列优秀的算法不断出现，但在实际应用中准确率仍然与满足实际应用的需求尚有一定差距，如何解决准确识别与模糊特征之间、实时性与准确性之间的矛盾仍然是目前的难点。

中国钢研自主设计开发的基于多尺度公网云计算、区块链数据共享与高通量增材制备的行业级材料数字化研发平台（简称“Material-DLab”）。该平台集材料计算、工艺模拟、服役模拟及高通量制备于一体，开辟了全图形云计算、材料APP、材料区块链、元素级3D打印高通量制备等新的技术理念和应用场景。 平台突破了高性能计算（HPC）架构下的图形/指令一体化的材料多尺度云计算技术，设计了基于“云堡垒”的智能路由系统，实现了基于Windows-Linux多许可证调度的多尺度材料、工艺软件公网云计算。在确保软件产权的前提下实现了资源共享，实现了20余款国际知名材料、工艺软件的远程计算、移动计算和排队计算，覆盖纳观、微观、介观、宏观的全尺度计算资源。 首创基于区块链的材料数据对等发现及共享技术，突破了数据产权确认、数据汇聚和共享的行业难题，满足了材料数据确权管理及安全溯源需求，促进企业级、行业级科研检测数据矿山的形成，实现FAIR原则下的跨团队、跨部门数据可发现、可访问、可操作、可重用。 首创元素粉末SLM原位合金化高通量制备技术，建立了行业内首个块体样品的高通量增材制备系统，突破了高速打印条件下元素粉末扩散、均质化难题，可实现一次上百种不同成分块状合金的高效制备，大幅度提升材料研发、优化迭代效率。已成功应用高熵合金、不锈钢、高温合金、超硬合金和梯度功能材料等材料开发中。 建立了全球首个材料APP专业资源平台，开发并上线350余款材料APP应用，以解决材料、工艺和计算工程师的知识衔接和知识沉淀难题，支持多种广义APP的云端生成、云端远程计算。支持企业专区设立，可共享、可修改、可移植、可保护版权。算法覆盖纳观、微观、介观、宏观全尺度，具备从材料设计、组织性能预测、工艺模拟到服役仿真全流程的微应用计算解决方案。提供了材料原创性研发所必需的计算-数据-场景迭代升级能力。 Material-DLab平台开放运行6个月期间，累计实现在线计算任务6000余项；完成在线科研检测及数据上传任务1000余项，开发和众筹各类材料APP超过350项，向行业发布悬赏征算任务18项、参与团队170多个，认证数字化研发教师/工程师64人，完成行业培训2000余人，直接收益超过3000万元。已与包括鞍钢北京研究院、北京钢研高纳、安泰科技、中石化广州工程等多家用户单位合作，为其带来收益超过2亿元。

企业电网智能管控平台在技术攻关过程中面临着如下的技术难关： 1、全电网信息孤岛。国内外尚无一套用于企业电网的智能管控系统，该系统的体系架构没有可借鉴性；目前各变电站横向之间互相孤立，信息没有交互；要实现信息交换，缺乏统一的数据传输协议和对象模型。 2、关口潮流阈值难以精准确定。传统的关口潮流阈值（即企业电网关口功率设定值）都是人工凭经验设定，设定裕量大；行业内没有准确计算阈值的算法。 3、电网潮流缺乏快速精准控制。企业电网网架结构复杂，难以快速识别不同运行方式下源、网、荷的对应关系，无法实现精准控制；传统控制系统采用多层网络架构，造成数据传输速度缓慢。 4、控制策略无法在真实电网中热试。各类电网仿真软件无法实现全网信号的真实模拟。 企业电网智能管控平台将信息化系统和企业电网深度融合，实现了电网运行安全化、电网调度智能化、潮流控制自动化、数据采集全景化、设备运维规范化、事故处理智慧化的核心功能，大幅提升了企业电网智能化管理水平，帮助企业最大限度利用自发电量、减少人员成本、节省电费开支、减少停电损失、降低运维成本。该项目对企业电网关口潮流实现了精准控制，使企业电网的运行控制方式及管理模式得到重大转变。

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。

钢铁企业电网存在智能化运维水平不高、电网运行控制自动化程度低下、企业电网信息化集成性不足、自发电量倒送外部电网从而无法充分利用、运维管理信息化水平低、管理不规范、事故分析缓慢不准确等问题。 本项目研究目的就是将信息化系统和企业电网深度融合，保证电网安全运行，实现源网荷自动潮流快速控制、供配电设备全生命周期管理和电网故障的精确定位、实时分析及提前预警，全面解决钢铁厂内部电网建设、管理、运维中的各种问题。 在整个项目的研发过程中，形成了如下的创新成果： 1、针对钢铁企业电网智能化水平不高的难题，首次创建了面向千万吨级钢铁企业电网的CPS信息物理系统，突破了企业电网统一信息建模、统一网络设计、统一通讯协议、信息安全分区分流的关键技术，打造了世界首套企业级电网智能管控平台，每年对千万吨级钢铁企业节约费用3亿元以上，减少企业电网运维人员90%以上。 2、针对自发电率高的钢铁企业冶炼及轧钢负荷频繁波动，导致企业电网自发电量无法充分利用的行业难题，首创多目标协同企业电网关口潮流控制算法及自备发电机组协调控制策略，实现了对企业关口潮流的精准控制，使自发电量利用率提升7%以上，每年为企业节约3.3亿度电。 3、首次开发了基于改进型DFS算法的快速动态拓扑识别技术，解决了潮流控制系统对源网荷拓扑关系需要进行快速动态识别的难题，突破了多级设备、多层网络造成数据传输速度慢的瓶颈，在企业电网内首次实现了70ms内完成电网潮流的快速精准控制。 4、开发了实时化、可变步长、支持实时网络的交互式企业电网半实物仿真技术，首次针对钢铁行业搭建企业电网半实物仿真平台，实现了1ms内完成4000字节数据的交换，相对于国内外现有仿真系统数据交换量提高了40倍。 首次构建的电网智能管控平台实现了电网运行安全化、电网调度智能化、潮流控制自动化、数据采集全景化、设备运维规范化、事故处理智慧化的核心功能，大幅提升了企业电网智能化管理水平。 项目成果已申请专利9项、登记软件著作权12项、注册商标1项，其中多项技术均为国内外企业级电网智能管控领域的首创应用。形成企业标准1项，目前正在申请行业标准。 本平台已在新华冶金、石横特钢、临沂钢铁等环保搬迁项目中得到了成功推广和应用，近六年累计实现新签合同额7.5585亿元，新增销售额4.7亿元，新增利润4974.96万元，新增税收2650.81万元。

由北京科技大学、山西太钢不锈钢股份有限公司、马钢(集团)控股有限公司、甘肃酒钢集团宏兴钢铁有限公司不锈钢分公司和北京科技大学设计研究院有限公司等单位共同完成的“基于深度学习的热轧带钢表面在线检测与质量评级”项目，针对在线应用的表面缺陷检测系统存在缺陷检出率与识别率低、周期性缺陷难以检测、未能实现表面质量在线分级等问题，将深度学习算法应用于热轧带钢表面缺陷在线检测与识别，开发了基于深度学习的热轧带钢表面在线检测与质量评级系统，取得的创新性成果如下： 1. 开发了基于深度学习的热轧带钢表面缺陷检测算法，常见缺陷检出率达98%，识别率达92%，与国外先进系统相比，缺陷检出率和识别率分别提高了3%和7%。 2. 提出了基于对抗生成网络的半监督样本学习方法，能够有效的利用大量无标签样本，解决深度学习方法对有标签样本需求量大的难题。 3. 开发了基于长短时记忆网络的周期性缺陷识别算法，实现了热轧带钢辊印、划伤等批量缺陷的追踪及预警，可有效避免批量质量事故。 4. 采用层次分析法对热轧带钢进行表面质量综合评级，充分挖掘表面检测系统提供的缺陷信息，综合考虑缺陷类别、尺寸和数量等因素，实现了热轧带钢表面质量评级从人工经验到量化模型的智能转变。 该项目获得授权发明专利4件，软件著作权8件，发表论文38篇；成功开发了基于深度学习的热轧带钢表面在线检测与质量评级系统，在太钢、马钢、酒钢以及台湾尚承钢铁、印尼青山钢铁等多家企业成功应用，推动了热轧带钢表面质量和生产效率的提高，经济和社会效益显著。

本项目聚焦目前钢铁企业在质量管控和分析方面面临的共性问题，利用大数据及人工智能技术，突破了传统IT信息化系统框架结构、技术水平、适用领域等局限性，研发了一套适用钢铁企业全流程、全工序的质量分析管控平台，并应用于钢铁生产最为复杂的炼钢和轧钢工序，以现代质量管理方法为基础、以信息化系统为手段、以智能制造为主导，实现生产可管控、异常可预警、过程可追溯、缺陷可诊断、能力可评价、质量可预测、研发可推理。运用全面质量管理工具，辅助技术人员确保产品质量的稳定性，持续提升产品质量，不断提高顾客满意度和企业竞争力。

无人天车及智能库管系统主要包括智能调度系统、天车管理控制系统、无人天车控制系统三部分，基于先进传感和无线通信技术收集行车、运输链、过跨车等设备的位置和状态等实时信息，并通过软件接口与工厂管理系统进行数据集成，贯通进料、上料、生产、下线、储存、发货等多环节信息流，以此实现生产信息与物流信息的实时交互。借助作业调度和路径优化算法，系统根据当前任务和设备状态自动生成最高效、安全的作业方案，并通过多级联动控制驱动行车的自动吊运。同时，在机器视觉等辅助技术的帮助下，行车可以实现更加精确的定位和稳定行驶。 该技术应用于国内多家大型钢厂，涉及20余部行车，无人化运行率达到99%以上，相关技术具有自主知识产权。