烧结工序的数字化智能化之路：现状、前沿与趋势

Digital and Intelligent Transformation in Sintering Process: A Review and Outlook

摘要

对近年来我国烧结生产的现状进行了系统分析，并分别从配料准备、过程控制、技术集成（节能减排）等环节梳理了烧结工序数字化智能化应用的研究进展。结合钢铁工艺特点，从烧结工序拓展延伸至钢铁全流程，进一步探讨了未来数字化智能化应用的趋势和着力点，进而提出了以下发展建议：由“点”及“面”，促进综合应用提升；赋能工序，实现生产指标效益的改善；紧抓“数据”主线，稳固数字化的根基；强化技术创新，注重示范技术应用的推广等。

参考文献

[1] 年度粗钢总产量[EB/OL]. 世界钢铁协会. (2025-03-25) [2025-03-25]. https://worldsteel.org/zh-hans/data/annual-production-steel-data/?ind=P1_crude_steel_total_pub/CHN/IND

[2] 年度粗钢总产量[EB/OL]. 世界钢铁协会. (2025-03-25) [2025-03-25]. https://worldsteel.org/zh-hans/data/annual-production-steel-data/?ind=P1_crude_steel_total_pub/CHN/IND

[3] 刘征. 烧结配料控制系统优化改进. 山东冶金， 2017， 39(2)： 62

[4] 王策， 董兆伟， 孙立辉， 等. 新型多目标遗传算法在烧结配矿中的应用. 智能计算机与应用， 2019， 9(3)： 36

[5] 赵志伟， 冯伟健， 刘颂， 等. 改进的差分进化算法及其在烧结配料中的应用. 烧结球团， 2023， 48(3)： 55

[6] 冯茜， 李擎， 王耀祖， 等. 约束多目标粒子群算法在烧结配矿优化中的应用. 控制理论与应用， 2022， 39(5)： 923

[7] 刘然， 张智峰， 刘小杰， 等. 基于工艺理论和卷积神经网络的烧结矿转鼓指数预测. 钢铁研究学报， 2023， 35(6)： 651

[8] 范晓慧， 龙红明， 陈许玲， 等. 烧结矿化学成分控制专家系统的开发与应用. 钢铁， 2006(11)： 6

[9] Liu S, Liu X J, Lyu Q, et al. Comprehensive system based on a DNN and LSTM for predicting sinter composition. Appl Soft Comput, 2020, 95(10): Art No. 106574

[10] 汪森辉， 李海峰， 张永杰， 等. 基于改进的 AdaBoost. RS 算法的烧结终点预报分析. 中国冶金， 2019， 29(10)： 13

[11] 晏婷婷. 基于动态图像视频特征的回转窑烧结工况研究[学位论文]. 长沙： 湖南大学， 2020

[12] 张军红， 沈峰满， 谢安国. G-BP 算法在烧结矿 FeO 指标预测中的应用. 东北大学学报， 2002(11)： 1073

[13] 袁晓丽， 范晓慧， 万新， 等. 烧结优化配矿模型的设计与软件开发. 中南大学学报 (自然科学版)， 2009， 40(6)： 1476

[14] 赵小青. 大数据技术下的烧结机烧结终点优化控制研究[学位论文]. 唐山： 华北理工大学， 2021

[15] 范晓慧， 黄晓贤， 陈许玲， 等. 烧结过程智能控制研究进展. 烧结球团， 2023， 48(6)： 1

[16] 陆伟文， 余文瑶， 张德千， 等. 烧结漏风在线监测系统开发与应用. 烧结球团， 2023， 48(6)： 164

[17] 顾文雅. 面向智能制造的大型烧结机控制系统全集成技术. 冶金自动化， 2021， 45(S1)： 204

[18] 邓小龙， 陈虎， 杨雄文， 等. 智能化烧结控制系统开发与应用. 冶金自动化， 2021， 45(3)： 67

[19] 杨领芝， 王海波， 陈哲， 等. 青岛特钢铁前系统智能制造优化提升实践. 山东冶金， 2023， 45(4)： 43

[20] 于晗， 赵满坤， 潘志成， 等. 烧结全过程节能减排智能控制方法分析. 中国冶金， 2020， 30(12)： 112