引言

在现代钢铁联合企业中，以“高炉 － 转炉”为核心的长流程生产工艺占据主导地位，其中包括烧结、球团、焦化等供应环节的炼铁工序在整个工艺流程中起着基石作用，工序覆盖范围庞大且复杂，整个炼铁工序铁水生产成本约占钢铁企业生产总成本的 50% 以上，资源消耗、能源消耗及污染物排放量约占整个钢铁制造流程的 2 /3［1］。因此，炼铁系统一直以来在钢铁工业降本增效、转型升级以及节能减排等方面面临着巨大压力，同时也蕴藏着巨大的发展潜力。

近年来，随着德国提出“工业 4． 0”，全球开启了以高度数字化、网络化、机器自组织为标志的第四次工业革命［2 - 3］。为应对新科技革命和产业变革带来的挑战，我国自 2015 年起先后发布《中国制造 2025》规划等多项指导文件［4］，提 出“以提质增效为中心，以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向”，大力发展先进制造业，支持传统产业优化升级。

经过数十年的发展，我国钢铁行业整体技术和装备水平已达到世界前列，钢铁年产量长期居于首位，然而在生产制造总体效能上与国际先进水平相比仍存在差距。面对目前钢铁流程工业在制造执行、生产管理、运营决策层面存在的共性问题，以新一轮智能化发展为契机，充分融合应用新一代信息技术和智能化技术，大力推进钢铁行业智能化发展，是实现钢铁工业转型升级的突破口，也是实现质量变革、效率变革、动力变革的高质量发展的必由之路［5-7］。

当前，世界钢铁行业正在快速拥抱智能化变革，积极引入智能化技术和装备来提升企业综合竞争力［8 － 9］。韩国浦项钢铁公司最早从 2015 年开始引入大数据等新技术，自主创建了智能工厂平台 PosFrame，对钢铁生产过程中产生的海量数据进行管理，通过有效分析，提高生产效率、预测产品质量、预防设备故障; 在炼铁工序上，加快自动控制系统的建立，通过深度学习、人工智能对数据进行运算和处理并进行预测和控制［10］。日 本 JFE 钢铁公司很早就开始着眼于钢铁领域的数据科学应用，开发出业内首个使用数据科学技术检测钢厂设备异常迹象的 J-dscom 系统; 通过在高炉中部署大量传感器，采集内部超过 10 000个点数据( 如温度、压力、流速等) ，使用人工智能( artificial intelligence，AI) 进行分析并根据数据进行操作，从而可了解无法看到的设备内部状态及对未来状态的预测，在千叶等 8 座高炉全部实现了 AI 化; 同时，在 2019 年成立 CPS 研发部，加强跨部门合作与技术应用，计划从 2021 年开始“从单元 CPS 到集成 CPS”，争取在 2025 年实现全流程 整 体 CPS，建立自学习并独立作业的智能钢厂［11］。

在国内，自“十三五”以来，智能制造在钢铁生产制造、企业管理、产品销售等方面应用不断深化，钢铁行业重点围绕流程型智能制造、大规模个性化定制、远程运维服务等方面开展试点示范，许多钢铁企业在岗位机器人应用、无人化少人化装备技术开发、生产运行一体化集中管控等方面做了大量工作［12 － 13］，同时在新兴人工智能技术、大数据平台开发与应用等方面也做了大量探索工作［14 － 15］。从总体发展状况来看，整个行业智能化发展仍处于初级阶段，智能化水平较低，对智能制造模式理论研究仍不充分，部分企业发展模式较为片面，国内普遍重硬件、轻软件投入; 从应用范围来看，大部分智能技术与装备应用集中于轧钢等后续生产环节，对炼铁等前端基础工序智能化发展研究应用不足。

1 面向 CPS 的炼铁智能制造模式

智能制造是指将新一代信息技术( 物联网、大数据、云计算、人工智能等) 与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有信息深度自感知、自学习、自决策、自执行、自适应等功能的先进制造过程和生产 模 式 的 总 称。智能制造的技术核心在于CPS，CPS 通过集成先进的感知、通信、计算、控制等信息技术和自动控制技术，构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行按需响应、快速迭代、动态优化。其本质是构建一套信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，构建起一个能够将物理实体及环境精准映射到信息空间并进行实时反馈的智能系统。

无论是德国“工业 4． 0”战略、美国“工业互联网”战略，还是中国“中国制造 2025”，都将 CPS 作为其核心技术体系。 CPS 技术体系包括四大核心技术要素: “一 硬”( 感知和自动控制) 、“一 软”( 工 业 软 件) 、 “一网”( 工业网络) 、“一平台”( 工业云和智能服务平台) 。同时，CPS 也具有明显的层级特征，小到一个智能硬件或产品，大到整个智能工厂都能构成 CPS，其建设过程也是从单一设备、单一环节、单一场景的局部小系统不断向大型系统演进的过程，一般将 CPS 划分为单元级、系统级、系统之系统级( 即 SoS 级) 3 个层次。

在钢铁生产全流程中，包含烧结、焦化等在内的高炉炼铁工序相对炼钢、轧制等工序较为独立，内部则为紧密关联的大系统。对 于 炼 铁 系统，在物理空间层面，烧结、球团、焦化、高炉等几大工序涵盖众多生产车间、布局分散，各车间之间信息流通不畅，管控分散、协同性差，生产影响因素多、生产组织效率低，临近生产区域、安全保障差; 在信息空间层面，传统的自动化信息体系架构存在信息孤岛现象，全流程生产信息无法贯通，过程控制系统和优化模型功能不足或缺乏准度，无法满足产线精准控制要求，生产过程大量数据缺乏深入分析挖掘; 此外，现有物理系统与信息系统之间耦合度较低，难以形成强力有机整体。因此，深化 CPS 技术体系在炼铁工序应用的理论研究，打造以高炉为中心的炼铁 CPS 系统，是未来炼铁工序智能化转型升级发展的关键所在。

在炼铁生产流程中，铁矿石原料经烧结、球团工艺处理提供含铁原料，原煤经焦化工艺处理提供燃料，共同加入高炉冶炼得到液态铁水，为后续生产流程供应铁水。其中涵盖的生产要素可归纳为“人”( 如操作及管理人员) 、“机”( 如设备机械) 、“物”( 如 物 料、产 品) 、“环 境”( 如 车间) 、“信息”( 如监控数据、状态信息) 等几部分， CPS 建设目标是要构建物理空间与信息空间中人、机、物、环境、信息等要素相互映射、交互以及高效协同的整体系统。因此，结合工程设计建设经验及可行性调研，提出了图 1 所示的高炉炼铁系统 CPS 智能制造模式。

图 1 基于 CPS 的炼铁智能制造模式

2、高炉炼铁 CPS 设计案例

针对炼铁工序自身特点，以实际某高炉工程项目智能化规划设计为例，分别从物理层面和信息层面介绍高炉炼铁系统级 CPS 的具体规划设计内容。

从信息物理系统的内涵定义来看，必须同时兼顾物理系统的创新优化与先进信息系统的集成融合，先进物理系统是实现智能化的基础，不能片面地仅从某一方面推动工厂智能化建设。当前业内流行的大规模应用机器人、车间工序集中远程控制等模式并不是真正意义的完整的智能制造，仅是智能化中的一个组成部分。

在物理空间层面，铁前物理系统主要是工艺生产设施、操作控制室以及具体的设备、物料和相关操作运营人员等实体要素的集合。工厂工艺设计主要是运用工程设计理论并依据特定地形条件、技术要求等对特定生产流程进行合理化布局，并为相关智能化设施及布局提供接口，智能化设计重点主要在于对生产控制和设备设施等方面的升级。

在信息空间层面，核心是要创造一个与物理系统相对应的虚拟信息系统，将物理空间的设备、产线、工厂等在信息空间中相对应地构建起孪生设计、工艺、产品等，实现生产流程在信息空间的数字孪生重构，以数据为主线贯通全流程，通过“数据 + 模型”实现数据到信息、知 识、策略的转化，构建起数据价值提升和业务流程再造的新体系。因此，高炉炼铁 CPS 建设规划了面向物理空间的一体化生产管控中心搭建、面向信息空间的数字化工厂建模、一体化大数据管控平台及工业模型软件开发等内容。

2.1 一体化生产管控中心

在铁前系统中，由于连续的原燃料供应链使得原料、烧结与球团、焦化、高炉形成了一个紧密的大炼铁系统，其中核心的高炉工序又可分为高炉主工艺系统和公辅系统。高炉主工艺设计范围主要包括上料系统、炉顶系统、高炉本体、热风炉系统、风口平台及出铁场、粗煤气系统、渣处理设施、喷煤设施等，如图 2 所示; 公辅系统则包括原燃料贮运设施、燃气设施、热力设施、给排水设施、通风除尘设施、供配电设施、自动化控制系统、电讯设施及火灾自动报警系统、总图运输设施、配套生活及辅助设施等。在传统钢厂设计中，往往按照工序产品和岗位职能不同，集中或分散就近现场布置众多控制室，严重制约了一体化生产与管理提升。

图2 高炉主工艺系统

从物理角度看，钢铁生产流程的本质是物质流、能量流、信息流三者协同动态有序演进的复杂系统，目前仍未建立起支撑“三流合一”的物理硬件和信息软件系统。为了打破原有分布式生产单元间的组织、协调及信息壁垒，提升生产和管理效率，搭建适应现代智能工厂要求的一体化集中管控中心是当前发展的趋势，进而实现监控与操作场所集中化、生产组织架构扁平化、人力资源配置优化、调度管理流程简单化、生产决策智能化。

一体化管控中心建设范围主要包括以下内容: ( 1) 建设集中管控中心场所，大幅减并现场主控室及操作岗位，实现原料、烧结和球团、焦 化、高炉统一管控; ( 2) 建立适应自身组织模式的集中管控中心功能设置模式，包括实体操作站空间布局、人员岗位优化等; ( 3) 对各子单元的现场视频监控集中管控，采用“集中监控、分级管理”的架构，构建兼顾远程与本地、上级与下级之间共享的一体化视频监控系统平台，同时将生产联络对讲通信、煤气报警、火灾报警系统和安全生产系统等按照工序整合至集中管控中心; ( 4) 建立适合远距离大规模稳定传输的自动化系统，实现对各工段 PLC( DCS) 系统的互联互通，同时为满足大数据平台建设提供基础架构。

此外，人员组织架构优化也是重中之重。通过工序一体化集中管控后，虽可直接撤减部分重复冗余岗位，但要避免以最大化减人为目标的集控，只考虑正常生产状态时人员配置、未考虑检修及突发事故状态下人员配置余量，宜遵从“集散结合”的安全原则，如配置多座高炉情况下，除了为每座高炉配置现场作业、巡检人员外，还可额外建立一支机动人员队伍面向所有高炉作业，在突发状况时可补充至任一高炉作业队伍。

另外，现有生产指挥体系也无法满足集控要求，需重新分级管理，增设专家队伍层级，综合运用智能化软硬件平台提供决策。 2． 2 基于建筑信息模型的数字化工厂数字化工厂主要是指以产品全生命周期相关数据为基础，在计算机虚拟环境中对物理工厂实体和流程进行重构，构建孪生的数字工厂实体要素，实现数字化设计 － 数字化建设 － 数字化运营的全生命周期数据管理。

数字化建模主要有三维几何建模和仿真建模等类型，仿真建模只适用于对部分特定待研究物理实体进行抽象研究，三维几何建模则是对真实物体的复制，其最为准确的创建方式即是基于建 筑 信 息 模 型 ( building information modeling， BIM) 技术创建，兼具传统 3D 建筑模型的几何特征信息和额外的功能属性信息。BIM 可贯穿规划、设计、施 工、运营管理的工厂全生命周期过程，是物理实体系统完美的信息载体。

目前，在钢铁行业 BIM 技术主要应用于工程设计和施工阶段，且处于起步阶段。在设计过程中，设计院一般通过专业设计平台创建包含设备、管道、建筑、仪表、电气等全专业的三维模型，并通过统一协同平台完成模型的校验和总装，通 过 BIM 可实现不同设计专业间的信息共享和协同设计，以及进行设计检测、能耗分析、成本概算等。在施工方面，施工方在前期设计阶段即可参与 BIM 工程搭建，在施工管理时将 3D 模型与施工进度相连接可建立 4D 施工信息模型，实现工程进度、材料、设备、人力、成本及场地的动态集成管理和可视化模拟。

BIM 建模可分为基于全流程的正向设计和依据施工图的逆向翻模设计，由于目前发展尚未成熟以及其他制约因素，真正实现正向设计的 BIM 工程很少，多以逆向翻模辅助施工管理为主，未能充分发挥 BIM 技术在全生命周期的效能，而在基于 BIM 的后期运营管理方面尚处于探索阶段。大力发展全生命周期 BIM 应用技术，并结合地 理 信 息 系 统 ( geographic information system， GIS) 技术建立钢铁企业三维数字化工厂管理平台是未来重点发展方向，可实现企业生产、能源、设备等多维数据的一体化运维管控。

2. 3 一体化大数据管控平台及工业模型软件

经过多年建设，目前国内钢铁企业自动化信息化体系架构已普遍采用过程控制层( PCS) -制造执行层( MES) -企业资源计划层( EＲP) 三层架构，但在长期的应用过程中也逐渐暴露出诸多问题，如各系统相对独立、存在信息孤岛现象，全流程生产信息无法贯通; 感知系统不完善，一些化验检测、称重、运输等系统未实现完全信息化; 已获得的大量数据缺乏深入分析挖掘，未能得到有效利用; 此外，现行各分散工序车间独立建设引入大量服务器、设备等硬件，加剧资源消耗，利用率、管理效率低下。因此，面对智能制造要求的横向、纵向集成，物质流、能量流、信息流三网协同，以及规模化定制、服务转型等新模式，构建炼铁流程一体化大数据管控平台为解决上述问题提供了解决方案，并完成生产监控、过程判定、质量分析、质量预测、质量追溯等功能。

炼铁大数据平台数据直接来源于高炉及其前端关联工序，贯穿于设计、工艺、生产、管理、服务等各个环节。根据数据来源不同，主要有信息管理系统数据、机器设备数据和外部数据等几大类。信息管理系统数据是指生产自动化控制与信息化系统中产生的数据，如 EＲP、MES、检化验系统等; 机器设备数据来源于生产线中设备、机 器、产品等方面数据，多由传感器、设备仪器仪表采集产生; 外部数据来源于企业外部的数据，主要包括来自市场、供应链、客户、环境等外部信息和数据。

建立一体化大数据智能管控平台，实现炼铁系统内数据互联互通，主要包括大数据平台基础架构设计、数据源及平台数据需求分析、数据采集 － 传输 － 存储技术、网络架构设计、平台功能设计、基于大数据挖掘分析的可视化技术等内容。在 CPS 体 系 中，工业软件是实现工业数字化、网络化、智能化的核心，基于一体化大数据平台上的机理模型和软件开发应用也是流程型钢铁行业有别于离散制造业的一大特点，大数据平台不仅为工业模型软件提供数据来源，同时接收基于模型软件计算的大量生产过程机理的二次数据，并以 此 实 现 决 策、控制执行的数据闭环。在高炉炼铁方面，经过国内外无数专家学者多年的生产机理解析，已形成了大量高效实用的工业模型和软件，为炼铁智能化控制奠定了基础。部分高炉常用模型软件见表 1。

表1 高炉常用模型及软件

3 高炉炼铁 CPS 应用现状

当前，高炉炼铁领域正在快速向智能化发展，许多钢铁企业在产线上引入智能检测或操作设备、机器人、基于工业模型的智能管控软件系统等，初步构建了若干基础性单元级 CPS，但尚无整个高炉炼铁系统级 CPS 建设应用案例。以单体设备或产品为代表的单元级 CPS 是不可分割的 CPS 最小单元，通过“一硬”+“一软”即可构成“感知 － 分析 － 决策 － 执行”的数据闭环，而众多单元级 CPS 通过工业网络可搭建起系统级CPS，进而实现互联互通以及更大范围的数据自流动，构成智能产线、智能车间、智能工厂。下面简要介绍近年来在高炉领域应用的部分单元级CPS 内容概况。

3.1 基于检测的典型单元级 CPS 应用

( 1) 上料皮带机智能巡检机器人。可在集中管控中心远程操控巡检机器人对皮带进行自动巡查，实时大屏显示视频影像及托辊转动、电缆温度等状态信息。主要特点有: 1) 实现对传输现场图像、声音、温度、烟雾等信息的采集，并经无线系统并入环网上传到地面工作站; 2) 对现场采集数据进行深度处理、智能分析、预警、显示、存档等; 3) 确定皮带及辅助设施健康状态，判断故障位置，提高巡查可靠性; 4) 直观快捷，取代人工巡检工作。

( 2) 槽下原料粒度识别系统。高炉原燃料粒度变化对高炉操作有着较大影响，人工取样筛分检测存在耗时耗力、频率低等问题。通过将数字图像处理技术与人工智能技术结合，利用视觉技术对原燃料进行数字图像采集、区域截图，并进行颗粒尺度计算与分布统计，可获取实时入炉料粒度分布，为生产人员快速、准确地提供粒度信息。

( 3) 炉顶三维数字化料面雷达检测系统。高炉炉顶料面信息在线检测一直是业内难题，基于微波原理的雷达检测技术可以在完全黑暗及高粉尘恶劣环境下准确测量出料面各点高度，从而真实反映高炉料面形状，实现炉内料面信息透明化与可视化。雷达检测系统采用一体化设计，包括雷达测距系统、机械传动系统、现场通信系统及上位机软件系统，其精准检测技术可为布料闭环控制、炉内料层下降计算等奠定基础。

3.2 面向操作的典型单元级 CPS 应用

( 1) 远程“一键”炉前出铁智能化系统。该系统采用先进的自动化、智能化、机器人等技术，完成对出铁场液压系统、换钎、泥炮、开口机、移盖机、摆槽等的“一键式”自动控制，实现高温、高粉尘环境下无人化作业，有效提升出铁场作业效率及精度、降 低 作 业 风 险、保护员工身心健康。该系统主要包括远程一键开堵口、开口机自动换钎、自动装炮泥系统，其中自动装炮泥采用自动导引运输车( automated guided vehicle，AGV) 与工业机器人相结合模式，实现自动检测、运载等。

( 2) 智能无人抓渣系统。在高炉采用底滤法处理熔渣过程中，传统方式往往通过人工操作桥式抓斗起重机对水渣进行抓取、装车外运，自动化程度、作业效率低，尤其是现场环境恶劣，渣池含硫水蒸气对操作工人健康危害较大，易发生事故，人力、设备成本高。通过远程遥控自动操作结合人工智能技术可实现无人自主抓渣，该系统主要由车载控制系统、检测系统、定位系统及配套系统组成，核心车载控制系统由 PLC、变频器、检测装置组成，通过位置、重量、运行状态检测，实现防摇控制、物料探测、池底保护、路径优化及渣池边墙避让等功能; 大、小行车定位系统通过编码电缆之间的电磁耦合检测移动机车位置，可高速准确地检测和传送位置信息。行车可自主完成整池抓渣，实现远程集中统一控制。

( 3) 铁水罐号识别与智能调度系统。为实现铁水罐的智能化管理，采用射频识别系统，其中标记单元( ＲFID 标签) 用于在铁水罐车架上形成识别标号，识别单元( ＲFID 读写器) 用于采集所述标号并传送至存储单元，通过对所识别的铁水罐与数据库里的铁水罐信息相匹配，可立即识别出铁水罐的各项基本信息。该系统具备对铁水罐位置实时跟踪、完整记录行车轨迹、实时监视铁水罐运行速度及预算铁水罐到达时间、记录铁水罐维修保养信息等功能。

4 结语

本文针对以高炉为中心的炼铁系统，提出了以 CPS 为核心的炼铁智能制造模式，基于 CPS 核心技术体系及其丰富内涵，分别从物理空间层面和信息空间层面分析了高炉炼铁 CPS 核心建设内容。通过将数据、软件、网络等信息技术与人、 机、物、环等生产要素深度融合，构建一个信息空间与物理空间数据自动流动的炼铁闭环赋能体。

来源 | 《冶金自动化》2021年第五期

作者 |  赵国磊 孙刘恒 高成云

本文来源于网络，本着学习交流的目的进行转载，已标注原始作者和出处，如存在异议，请联系editor@xingongye.cn。如您对内容有疑问，请告之，以便我们及时处理。