钢铁行业是国民经济的重要基础产业，是建设现代化强国的重要支撑，也是我国制造业二氧化碳排放的重点行业。绿色低碳钢铁冶金全国重点实验室前身为钢铁冶金新技术国家重点实验室，依托北京科技大学于2011年经科学技术部批准成立。2022年，以国家战略需求为导向，圆满完成国家重点实验室重组任务，更名为绿色低碳钢铁冶金全国重点实验室，成为首批进入新序列运行的全国重点实验室。为此，世界金属导报系统梳理了实验室的最新技术进展，组织系列专题，加大成果宣传、服务成果转化，助力我国钢铁行业绿色低碳转型发展。

钢包精炼炉智能冶金关键技术

高品质钢铁材料是高端制造的基础。钢包精炼炉（Ladle Furnace，LF）作为钢铁生产工艺流程中的关键环节，以其强大的精炼功能、良好的工序匹配性和较低的设备投资等优势，成为生产高品质优特钢的“标配”工序。然而，随着钢铁工业向高端化、智能化、绿色化方向发展，当前的LF精炼过程仍面临冶炼效率低、模型精度差、操作依赖经验等行业共性问题，其主要原因在于工艺探索不全面、机理解析不完善、模型构建不充分等。

针对这些问题，团队自主创新研发了面向高品质钢生产的钢包精炼炉智能冶金关键技术，并在多家钢厂进行了推广应用。团队立足于工艺解析和功能优化，采用工况模式、专家知识、冶金机理与机器学习相融合的策略，原创了高品质钢LF智能精炼系统，并与实际数据紧密结合，实现了精炼过程中造渣脱硫、钢水温度、合金化和钢包底吹氩气的精准预测和控制，突破了传统LF精炼依赖多次取样和操作人员经验进行控制的模式，如图1所示。

首先，在精炼渣系优化和脱氧脱硫方面，团队开发了硫化物与氧化物复合夹杂控制技术及脱硫与夹杂物塑性化协同控制技术，攻克了脱硫与夹杂物塑性化相互制约的难题；构建了适用于小样本数据集的精炼脱硫模型，实现了一次添加石灰即可满足精炼终点钢水硫含量控制要求。

其次，在钢水温度控制方面，研发了基于专家控制与孤立森林-ZCA白化-改进深度神经网络融合的钢水温度预测模型，并开发了基于热平衡、工况模式和大数据分析的精炼钢水温度实时计算模型；首创了基于可解释性机器学习的钢水温度控制方法，填补了传统机器学习在钢水温度预测方面缺乏可解释性的空白，钢水温度误差在±5℃以内的命中率达92%以上，实现了钢水温度“双保险+窄窗口”的协同控制。

接着，在钢水合金化方面，采用主成分分析法对高维特征输入数据进行降维处理，明确了实际数据与模型输入变量之间的定量关系，简化了数据结构，并融合质量守恒定律和改进的深度神经网络，构建了高精准的合金收得率预测模型和合金加入量计算模型；硅铁合金和锰铁合金加入量计算值与实际值的误差分别在±10kg和±5kg以内的命中率均达到98%以上，实现了合金料加入量的精准计算，从根本上解决了精炼钢水成分控制不准确的难题。

最后，在钢包底吹氩气搅拌方面，运用响应面法开发了多模式钢包底吹氩气调控模型，实现了定量化、标准化和规范化的氩气控制，完善了底吹氩气操作模式，提高了钢水搅拌效率，突破了生产现场依赖渣眼控制钢包底吹氩气流量而无法兼顾钢水质量和精炼效率的瓶颈。

项目成果在三家钢厂应用后，LF精炼钢水质量和生产运行效率显著提升，大幅提高了钢包智能精炼水平，实现了高品质钢的稳定生产。电极消耗降低0.035kg/t，石灰消耗降低0.36kg/t，铝线消耗降低0.183kg/t，硅铁合金消耗降低0.35kg/t，锰铁合金消耗降低0.43kg/t，氩气消耗降低0.16m³/t，精炼周期缩短3.6min，电能消耗降低4.05kWh/t。2021年至2023年，三家钢铁企业新增销售额逾103亿元，创造利润逾12亿元。成果荣获中国商业联合会科技进步奖特等奖、世界发明创新大赛WIC金奖，入选“2023年度钢铁工业智能制造十大要闻”、加拿大工程进展AIE。

连铸凝固冷却精益制造关键技术

连铸作为生产高品质钢的核心工序之一，精确控制连铸坯的凝固传热行为是实现铸坯高效、高质量生产的关键环节。然而，当前连铸生产过程普遍面临冷却机理模型不完善、工艺控制精度低、铸坯质量波动大等共性难题；同时，在连铸喷嘴的运维管控及检测分析手段方面也存在显著不足，这些问题严重制约了高品质钢的连铸生产。基于此，研究团队聚焦连铸过程中的凝固传热、配水优化与缺陷控制等关键技术，深入开展研究，创新性地研发了高品质钢连铸凝固冷却精益制造技术，并在国内多家钢铁领军企业成功推广应用。

针对铸坯凝固特性差异显著、缺陷类型多样且成因复杂等问题，单一化的连铸冷却控制技术难以满足高品质钢连铸的需求。为此，团队创新性地提出了基于钢凝固特性的多模式连铸冷却调控技术。通过解析不同类型钢种的凝固特性与缺陷形成机理，确定了其冷却过程关键参数的控制范围，并开发了多种连铸冷却调控模式，如图2所示，有效解决了相应钢种裂纹及偏析等缺陷频发的问题。此外，团队运用机器学习方法，构建了基于主成分分析（PCA）-深度神经网络（DNN）的连铸坯内部裂纹预测模型，为连铸工艺的关键参数调控提供了科学指导。

针对连铸坯二次冷却不均匀性问题，主要表现为铸坯表面宽度方向的温度差异（横向冷却不均匀性）和拉坯方向的温度波动（纵向冷却不均匀性），团队开发了连铸纵-横凝固冷却控制技术及相应的检测设备。

针对喷嘴性能波动、冷却水量和喷淋系统配置不合理导致的铸坯质量问题，团队创新研发了多功能喷淋水雾化及冷却效果检测设备。系统解析了二冷区喷淋水量分布特征，揭示了铸坯表面水量分布和温度变化的不均匀性本质。基于此，进一步优化了喷嘴配置方案，有效解决了铸坯在纵、横方向上的冷却不均性调控问题。

另外，微合金钢析出相变行为调控是提升铸坯高温力学性能和显微组织的关键。针对第二相粒子尺度小、难以动态检测、缺乏定量化表征方法的问题，团队创新性地提出了采用“浮凸”表征第二相析出行为的新方法，揭示了不同冷速下第二相粒子析出尺寸、数量和分布的变化规律，并探究了第二相析出行为对促进γ→α组织相变的作用机制。在此基础上，建立了基于铸坯表面冷速控制的第二相粒子钉扎力预测模型，以及描述α铁素体析出量、转变时间、开始转变温度、冷却速率等多参数的定量关系模型，实现了连铸过程微合金钢析出相变行为的精准控制。

团队研发的连铸凝固冷却精益制造关键技术，在高品质钢连铸生产领域取得了重大突破。该技术成果已成功在多家板材、棒材、线材等领军企业中得到全面推广与应用，实现了高品质钢连铸板坯凝固冷却过程的精准控制，显著改善了非调质钢、合金包晶钢、合金结构钢和优质碳素钢连铸坯的裂纹、偏析等缺陷，大幅提升了产品质量和生产效率。自2018年至今，累计产生经济效益达16.16亿元。此外，该技术成果荣获德国纽伦堡、瑞士日内瓦、韩国首尔国际发明博览会金奖1项、银奖2项，以及中国发明协会发明创业奖创新奖一等奖、冶金科学技术奖二等奖。

炼钢厂多工序动态协同运行关键技术

钢铁工业作为国民经济的支柱产业，自“十四五”以来始终坚持高质量发展理念，智能化已成为其重点发展方向。炼钢厂作为钢铁企业的核心单位，其智能制造的关键难题在于如何面向生产全流程，通过构建制造流程物理系统和数字系统的深度融合，实现多工序动态协同运行，以适应复杂多变的生产环境，为产品带来高品质和高附加值。

团队聚焦国内大量存在的无精炼跨炼钢厂（车间布局复杂）以及多样化的生产订单要求，针对生产计划与调度难、多工序衔接效率低、协同性差、运行水平难以准确评价等一系列共性问题，创新研发了炼钢厂多工序动态协同运行关键技术，实现了铁素物质流动态有序、协同连续运行。该技术基于冶金流程学理论，首先在物质流运行规律的知识提取方面，基于系统化知识构建思想，通过揭示多因素作用下的铁素物质流运行规律，根据其通用性、专用适配性和动态性分类提取出调度规则，开发了具有高普适性的调度规则库，提升了一般生产调度模型/系统的可用性，对各工序标准化作业起到了引导作用。

进而，在生产调度层面，团队开展了基于生产运行模式优化的智能调度研究，根据“炉-机对应”的原则，创新性地开发了“一炉对一机”和“定炉对定机”模式下适用于集中决策的静态调度模型和算法，以及动态扰动环境下适用于分散决策的多智能体（Multi-Agent）动态调度系统模型，率先攻克了国内炼钢厂炉-机对应关系复杂、各类随机扰动频发等影响生产运行的难题。

之后，在生产管控层面，团队开展了面向动态协同运行的系统仿真研究，针对我国炼钢厂较为普遍存在的无精炼跨复杂车间布局与多工序协同运行难以管控等问题，首次提出了综合考虑车间平面布置、天车运行、钢包运转等多种约束的炼钢厂多工序运行仿真模型，创新实现了炼钢厂生产运行模式与天车/钢包运行的动态协同。

最后，为量化评价炼钢厂多工序协同效果，团队提出了多工序协同运行质量的综合评价技术，如图3所示，开发了基于层流运行水平、工序匹配水平和调度模型可用性的综合评价模型；提出了可量化表征炼钢-连铸过程多工序协同运行水平的评价指标，填补了炼钢厂多工序协同运行质量评价领域的空白。

项目在两家钢厂实施后，炼钢厂的生产运行节奏与有序性显著提升，大幅提高了炼钢厂生产运行的智能化水平。炼钢-连铸过程单浇次总生产运行时间缩短了18.6min以上，转炉出钢温度降低了5.2℃以上，氧气消耗减少了2.6m³/t以上，两厂年精整铸坯量减少1700余支。2019年至2021年，两厂新增钢产量达125.33万吨，新增产值52.2982亿元，创造利润4.9012亿元。该成果荣获教育部科技进步二等奖和中国商业联合会科技进步一等奖。

近五年，团队发表学术论文60余篇，获得授权国家发明专利30余件，美日等国际发明专利10余件，出版专著2部；荣获国际奖励8项，省部级科技奖励6项，各有2项成果分别入选“2023年度钢铁工业智能制造十大要闻”和“加拿大工程进展AIE”。上述成果对宝武、河钢、南钢、湘钢、山钢等企业的科技进步起到了有力的推动作用。