1 方案背景與目標

在國家制造強國戰略指引與鋼鐵行業智能化、綠色化轉型趨勢下，提升高端鋼材質量穩定性與生產效率已成為核心需求。VD爐作為保障鋼水純凈度的關鍵精煉環節，其傳統依賴人工經驗的生產模式存在明顯瓶頸：生產過程穩定性差，導致鋼水溫度與成分波動大、能源浪費嚴重；壓渣操作依賴人工“盲壓”，存在安全風險；軟吹質量缺乏在線監測，影響產品一致性。這些痛點已成為制約公司落實全流程智能制造、實現降本增效與人力資源優化的關鍵短板，實施智能化改造刻不容緩。

本項目旨在應用工業互聯網、流程模型、AI機器視覺及大數據分析等技術，搭建一套VD精煉智慧控制系統。通過構建集過程模型、智能決策與數據管理于一體的“智慧大腦”，實現對從鋼水到站至軟吹結束的全流程、全要素智能化與無人化控制。項目將建立標準化的鋼種生產工藝與質量控制體系，核心目標包括：實現關鍵工序“一鍵式”自動化冶煉，提升過程穩定性與控制精度，降低合金成本與介質消耗，顯著改善產品質量一致性，最終完成從“經驗煉鋼”到“科學煉鋼”的跨越。

2 方案詳細介紹

本項目針對傳統VD精煉過程依賴人工經驗、穩定性差、鋼水質量波動大、存在“盲壓”及軟吹質量難控等行業痛點，旨在通過構建VD精煉智慧系統，實現從“經驗煉鋼”到“科學煉鋼”的轉型升級。

項目技術路線的核心是打造集過程模型、智能決策、時序控制與數據管理于一體的“智慧大腦”。系統通過流程控制模型，協同指揮合金控制、真空控制、吹氬控制及喂絲調控等關鍵環節。針對壓渣難題，創新性地引入紅外熱像儀與AI機器視覺算法，構建了壓渣智能感知與決策體系，實現自感知、自決策、自執行，有效抑制噴濺。在軟吹階段，通過大數據分析建立閉環控制模型，精準調整參數以保障精煉終點質量。同時，項目深度融合工業互聯網技術，實現了VD精煉與前后工序的數據集成與高效協同。

針對VD精煉集中一貫制管理思路，從全流程工藝質量智能化需求出發，以工藝模型、圖像技術和智能算法為基礎，圍繞“自動壓渣、合金化、真空處理、吹氬攪拌、喂絲操作、自動軟吹”等關鍵工藝目標，以設備高效運行為導向，以數據治理為底座，融合工藝要點、生產數據與設備狀態，動態驅動VD全流程全要素一鍵式控制。基于鋼種標準和質量控制標準建立動態質量管控模型，形成以規范為基礎的預警主線和以問題為導向的分析主線，實現VD精煉全流程全要素全模型化的VD智慧控制系統。系統整體分為四大部分，VD全流程時序和節奏控制模型、基于圖像識別的壓渣智能控制、基于圖像識別的軟吹智能控制和動態質量管控系統。

VD精煉智慧控制系統利用先進的圖像技術，實現國內首創VD壓渣和軟吹智能控制，壓縮進深周期提高鋼水質量；建立VD全流程時序與節奏控制模型，將機器學習模型與冶金機理模型緊密結合，實現鋼包車、爐蓋、壓渣、真空、合金、吹氬、測溫、軟吹等過程的無人化自動控制；充分利用大數據算法，建立全要素動態質量管控模型，實現鋼水溫度成分前后工序聯調聯控，優化降本增效；最終以“一鍵VD”精煉為核心，實現VD全流程全模型全要素智能控制和動態質量管理。

解決的核心問題包括：

（1）基于系統間數據交互的生產管理及信息化。實現生產過程鋼水、物料信息管理，生產設備管理，鋼包管理；上下游工序管理，化驗樣管理；評判模型、產銷系統系統支撐等。

（2）全數據要素生產過程跟蹤。通過自研數據平臺實現生產數據實時通訊、采集及治理，實時跟蹤VD爐精煉過程，對真空、吹氬、加料、喂線、軟吹各個環節進行監控；提供定制化數據展示界面，形成完整的生產過程操作記錄；提供在線歷史數據查詢界面及定制化統計報表。

（3）機器學習與冶金機理相結合的冶煉參數計算。合金控制基于質量守恒原理，將鋼種成分范圍和物料限定作為約束條件，計算需加入鋼水中的合金量。在到站樣、過程樣化驗結果出來后，根據鋼種目標成分要求，啟動合金控制模型，進行合金計算和控制，滿足鋼水成分的需求。真空控制根據不同鋼種深真空時間不同（該參數在鋼種界面配置），控制真空結束。與壓渣控制的關系：壓渣控制與底吹流量控制、真空控制分開進行。圖像識別系統僅直接控制壓渣操作。吹氬控制通過數據回歸，形成關鍵事件的吹氬流量變化，優化吹氬模型，在保證最優吹氬模式的基礎上，滿足生產過程對吹氬狀態的要求。

（4）基于圖像識別的壓渣智能控制。結合 AI 視覺算法與大數據構建依托紅外熱成像系統，識別VD爐渣狀態，根據識別面積形成的計算模型，實現壓渣過程智能感知控制。

（5）基于圖像識別的軟吹智能控制。結合 AI 視覺算法與大數據建立了基于可見光工業相機、軟吹標準化、機器視覺的軟吹控制模型，實現了軟吹過程底吹氬氣的智能化控制。

關鍵性突破：

技術突破：首創VD爐內視覺智能感知體系：成功將紅外與可見光機器視覺技術應用于VD爐高溫、高粉塵的惡劣環境，實現了對壓渣和軟吹兩個關鍵工藝的實時、精準量化感知與閉環控制，攻克了行業難題。全流程無人化控制模型：首次將時序控制、節奏匹配、溫度預測與質量管控深度融合，構建了覆蓋從鋼水到站至軟吹結束的全要素、全流程“一鍵式”智慧控制模型。

模式突破：創建了“感知-決策-執行-優化” 的VD精煉全過程閉環智能管控新模式，實現了從“經驗驅動”到“數據和模型驅動”的根本性變革，確立了精煉工序智能化的新范式。

關鍵技術1：構建VD全流程時序與節奏智能控制模型

建立全流程協同智能控制模型為“智慧引擎”，深度融合工藝大數據分析技術，首次將時序控制、節奏匹配、溫度預測與質量管控深度融合。實現了VD全流程時序自決策、節奏自匹配、溫度成分聯控聯調，攻克了多子系統協同與“一鍵式”操作的技術瓶頸。

實現了系統間的“上傳下達”，從L3接管后，自動生成冶煉工單，結合不同工藝模式制定“列車時刻表”驅動爐蓋、吹氬、真空、合金、喂絲等設備按預設邏輯順序聯動；構建了從鋼水到站至軟吹結束的全冶煉要素“一鍵式”智慧控制模型，實現了VD爐冶煉標準化。

關鍵技術2：基于最優化算法實現鋼水“準時制”和“溫度成分窄范圍”控制

VD爐作為連接LF爐與連鑄的關鍵環節，若前后工序匹配不佳，易導致鑄機溫高降速，影響全流程生產效率和順暢度。基于澆鑄動態信息和最優化算法，動態調整VD到站溫度，實現鋼水“準時制”和“溫度成分窄范圍”供應，降低過程溫度和鋁損消耗。

解決與連鑄匹配不暢導致的效率瓶頸和溫降失控問題，實現全流程高效率生產。

關鍵技術3：應用紅外熱像技術，采用卷積神經網絡等AI機器視覺算法，徹底解決“盲壓”

VD爐內高溫、高粉塵的極端環境，嚴重影響成像設備的穩定運行與圖像質量，易導致鋼渣邊界模糊、關鍵特征丟失，人工被迫“盲壓”操作，通過設備更新迭代，選用紅外熱像儀消除煙塵過大導致的“盲壓”操作。

融合算法模型與海量數據訓練：不依賴單一算法，而是構建YOLOv5、Mask R-CNN、ResNet50的融合識別模型，兼顧定位、分割與特征提取能力。通過上千爐次真實生產數據進行充分訓練，覆蓋全典型工況，實現壓渣過程的“動態感知”。

關鍵技術4：首創高精度控制策略評估翻渣風險等級，實現VD圖像壓渣精準控制

通過定期加強圖片標定，訓練算法，保證壓渣識別和控制的準確率。引入溢渣停泵規則，使用溢渣預警參與控制，控制真空泵啟停。摸索各個泵啟停對鋼液起到的類似破空狀態，選擇最優泵啟停。

創建了 “一鍵式”全鋼種、全爐況適用的無人化VD壓渣的新作業模式。

關鍵技術5：首創軟吹“標準圈”技術實現吹氬的標準化控制

基于可見光工業相機，融合 AI 視覺算法、軟吹標準化規范與機器視覺軟吹控制模型，成功實現軟吹工序底吹氬氣的智能化管控。提出 “標準圈” 概念，通過調整視覺識別算法，精準識別并提取最優匹配的軟吹圈，以此為依據自動調控軟吹流量，提升工藝控制精度。

引入識別區域劃分和圖像輪廓檢測算法等，解決軟吹孔漂移、識別亮面跑偏包沿邊界、液面結殼狀態等異常。

關鍵技術6：動態質量管控系統為每爐鋼水建立全生命周期的“數字檔案”

實現全過程精準追溯與事前預警，為工藝優化提供數據支撐；構建多維度標準知識庫，形成覆蓋全鋼種的異常判定基準；建立異常等特殊場景的調整方案；通過比對工藝標準庫，實現從"VD到站溫度"到"合金加料"的多級預警；利用大數據分析進行過程能力監控和質量預測，事中干預轉變；質量追溯項包括鋁損、VD到站溫度、窄成分、合金控制、VD壓渣標準、VD軟吹質量等關鍵參數。

3 代表性及推廣價值

創新點：

（1）技術創新點

本系統展現了高度的自主創新能力，核心算法與模型均為自主研發，成功解決了VD精煉工序的“卡脖子”難題：

視覺感知與閉環控制技術：首創性地將紅外熱像儀與AI機器視覺算法應用于VD爐內高溫、高粉塵的惡劣環境。自主研發的圖像識別模型，實現了對鋼渣翻騰狀態的精準感知和軟吹氬孔亮面面積的實時檢測，并據此構建了壓渣自執行與軟吹自調節的智能閉環控制系統，從根本上解決了“盲壓”和軟吹效果不可控的世界性行業難題。

全流程協同智能控制模型：開發了深度融合冶金機理與大數據分析的VD精煉協同控制模型。該模型作為系統的“智慧引擎”，實現了從鋼水到站至軟吹結束的全流程時序自決策、節奏自匹配、溫度成分聯控聯調，攻克了多子系統協同與“一鍵式”無人化操作的技術瓶頸。

（2）管理創新點

流程優化創新：重構了VD精煉作業流程，將傳統以“人”為核心、依賴個體經驗的離散操作流程，優化為以“數據與模型”驅動的標準化、連續自動化流程，實現了生產模式的根本性變革。

作業模式創新：創建了 “一鍵式”全流程無人化操作的新作業模式。將操作工從高溫、高風險的現場環境中徹底解放出來，其角色從重復性體力勞動轉變為系統的監控者、異常處理者和效率優化者，實現了崗位價值的升級。

管理機制創新：建立了數據驅動的質量追溯與決策機制。通過動態質量管控系統，為每爐鋼水建立全生命周期的“數字檔案”，實現質量問題的精準追溯、事前預警與持續優化，推動質量管理從“事后檢驗”向“事前預測、事中干預”的科學管控模式轉變。

實施成效顯著：系統實現了從鋼水到站至軟吹結束的全流程“一鍵式”自動化控制與無人化操作，極大提升了生產過程穩定性與控制精度，顯著降低了能耗與生產成本，改善了產品質量一致性，并將工人角色轉變為監控與應急處理，為企業數字化轉型與智能化升級提供了成功范例。

生產效率顯著提升：通過紅外熱像儀實現壓渣過程自動控制，有效縮短VD預抽時間1min/爐；基于機器學習算法建立的精煉控制模型，實現全流程智能化運行，整體冶煉周期縮短2min，實現穩定可靠運行。

質量控制全面加強：合金加料模型實現真空狀態下多輪次精準配料，窄成分控制合格率提升2.7%；測溫取樣實現自動化控制，測溫準確率提升至97%，取樣成功率提升至98%；國際首創的軟吹“標準圈”控制技術實現自動軟吹投入率≥95%，人工無干預率≥98%，推動鋼水純凈度顯著改善，夾雜物合格率由91.2%提升至95.5%，成品材探傷合格率由99.0%優化至99.3%。

本質安全實現突破：通過紅外熱像儀屏蔽煙塵，實現爐內工況實時監控與自動壓渣，徹底消除人工“盲壓”安全隱患；采用停止真空泵替代傳統“破空”操作，在保障安全的同時實現能源節約。

智能化水平全面提高：建立全要素信息數字化平臺，實現VD精煉與前后工序的聯調聯控；四班操作人員完成技能轉型，工作重心由現場操作轉向系統監控，勞動強度顯著降低，智能控制水平全面提升。

（1）首次攻克了多子系統協同與“一鍵式”操作的技術瓶頸：實現了VD爐全流程標準化“一鍵式”操作，吹氬、真空、加料、鋼包車控制、壓渣操作、軟吹操作由人工轉變為系統控制。減少了因班組差異造成的冶煉周期偏差，減少工藝銜接時間，提升冶煉效率，平均冶煉周期縮短2分鐘，溫度損失減少5.6℃。

通過工藝流程優化試驗，確定鋼砂鋁等物料加入時機及各階段最優氬氣流量，融合到模型中，提升冶煉工藝水平。

（2）首創VD壓渣和軟吹場景的視覺感知與閉環控制技術：消除了壓渣過程中“黑匣子”，避免了人工“盲壓”操作，實現了VD預抽壓渣過程的模型化控制，有效縮短VD預抽時間1.5分鐘/爐，減少蒸汽消耗25kg/爐；

通過軟吹標準化控制，推動鋼水純凈度顯著改善，夾雜物合格率由91.2%提升至95.5%，成品材探傷合格率由99.0%優化至99.3%。

（3）建立數據驅動的質量追溯與決策機制，實現質量問題精準追溯與智能優化

構建多維度標準知識庫，形成覆蓋全鋼種的異常判定基準；建立特定鋼種和生產節奏變動、設備異常等特殊場景的一鍵精煉調整方案，支持按鋼種動態調整診斷閾值，適配柔性管控需求；

自動生成質量報告，并利用大數據分析進行過程能力監控和質量預測，驅動質量控制從事后檢驗向事前預測和事中干預轉變。

（4）其他鋼廠推廣應用情況

在京唐、貴鋼實現成熟工業落地，目前正與晉鋼、山西建龍、榮程鋼鐵、邯鄲永洋、北臺鋼鐵、大冶特鋼等多家鋼鐵企業推進合作洽談，加速技術推廣應用。在貴鋼 VD 爐的推廣應用中：通過自動化控制替代傳統人工操作，成功將工人從爐蓋人工觀察口處的壓渣作業中徹底解放 —— 原作業場景需直面高溫環境，安全風險極高；截至目前，貴鋼應用該技術已實現直接推廣效益超 136 萬元，在提升作業安全性、降低人工強度的同時，為企業創造了顯著經濟價值。

（5）主要指標

生產效率顯著提升：通過紅外熱像儀+VD圖像壓渣控制，有效縮短VD預抽時間1.5min/爐；基于機器學習算法建立的精煉控制模型，實現全流程智能化運行，冶煉周期縮短2min，實現穩定可靠運行。

智能化顯著升級：合金模型實現真空狀態下多輪次精準配料，窄成分合格率提升2.7%；自動測溫取樣準確率提升至97%，取樣成功率提升至98%；軟吹“標準圈”控制技術自動軟吹無干預率≥98%；為企業數字化轉型與智能化升級提供了成功范例；

質量控制全面加強：推動鋼水純凈度顯著改善，夾雜物合格率由91.2%提升至95.5%，成品材探傷合格率由99.0%優化至99.3%。

本質安全實現突破：通過紅外熱像儀屏蔽煙塵，徹底消除人工“盲壓”安全隱患；采用停止真空泵替代傳統“破空”操作，在保障安全的同時實現能源節約。

作業模式創新：建立全要素信息數字化平臺，實現VD精煉與前后工序的聯調聯控；四班操作人員完成技能轉型，工作重心由現場操作轉向系統監控，勞動強度顯著降低，智能控制水平全面提升，實現了生產模式的根本性變革。