一、研究的背景与问题
烧结是钢铁工业的重要工序，我国高炉炼铁约80%的炉料为烧结矿，烧结工序能耗占钢铁生产总能耗的10%，因此，烧结智能化技术的发展，以智能化促进钢铁工业的绿色化发展，对我国钢铁工业的高质量发展具有十分重要的意义。
烧结智能化发展长期存在关键工艺参数无法在线检测、检化验滞后、机理数学模型无法建立、装备种类多、工作环境复杂等技术难题，导致烧结工序的智能化发展落后于铁后工序，且我国烧结工序的成品率和单机人数等智能化技术指标整体落后于日本和韩国，存在工序能耗高、成品率低和岗位人数多等共性问题，因此烧结智能化是实现钢铁工业绿色化和数字化发展的关键。
二、解决问题的思路与技术方案
本项目瞄准“低碳烧结和高效烧结”目标，利用人工智能、工业物联网、机器人和深度学习等前沿技术，从“关键工艺参数与生产指标智能感知”、“烧结过程多目标协同智能优化与智能控制”、“关键装备智能化与无人化作业技术”和“烧结智慧制造系统”四大方向，通过试验室研究、关键技术开发和产业化应用过程中的不断优化，研发了燃料、混合料粒度智能检测技术与装备、基于多源信息的烧结生产指标感知、烧结过程多目标智能优化与控制、多源异构数据库系统和多层软件架构技术等关键核心技术，构建了烧结过程智能检测、协同优化和智能控制的方法和体系，建立了融合过程智能化、装备智能化和作业无人化的低碳高效烧结智能化技术方法和体系（图1），实现了烧结生产的低碳、智能与高效。
图1 整体研发思路
三、主要创新性成果
1、研发了混合料和燃料粒度在线精准检测的方法与装备。开发了基于多源信息融合的烧结生产指标智能感知技术，首次实现了烧结过程混合料粒度、燃料粒度和烧结矿FeO、转鼓强度和成品率等生产指标的在线精准感知。
针对混合料和燃料粒度等直接影响烧结生产产量和能耗的关键参数无法在线检测的难题，开发了散状物料微波快速干燥技术与装置、圆形振动的智能筛分装置、液氮喷洒冷冻喷洒技术与装置、一体化智能机器人系统等关键技术，实现了烧结原燃料等散状物料的快速干燥、无损快速筛分、精准定型及“取样-检测-弃样无人化精准作业”，首创了烧结混合料在线检测机器人系统、燃料粒度在线检测机器人系统，首次实现烧结混合料和燃料粒度的在线精准检测,混合料和燃料粒度分布的检测精度>95%（图2）。
针对检化验依靠人工，且存在大滞后的难题，开发了可见光和红外双目双源机尾图像采集及筛选技术与装置、基于VGG-PCA 的深度学习图像特征提取算法、基于MFT 的图像数据与生产数据多模态融合技术、基于OS-ELM 的预测模型等关键技术，首创了一套基于生产数据与机尾状态图像等多源信息融合的烧结生产指标智能感知技术与系统，实现机尾红外和可见光图像以及生产数据的高效稳定采集、特征的深度提取、数据高效融合和指标预测，首次实现烧结矿FeO含量、转鼓强度和成品率指标的精准在线预测，精度可达90%（图3）。
图2 项目现场粒度检测机器人系统 图3 烧结生产指标智能识别系统
2、建立了烧结过程质量和能耗多目标智能优化模型，研发了优化指导+反馈控制的混合料水分、燃料配比和烧结机速等关键工艺参数的智能控制技术，首次实现了烧结产质量和能耗的协同优化与智能控制，降低了工序能耗，提高了烧结矿成品率。
提出了基于多源异构数据库系统的智能感知、优化与控制一体化在线运行机制，实现了感知、优化和控制高效稳定运行；开发了基于OS-ELM的以转鼓强度、成品率、FeO 含量和成品率为优化目标，以提高烧结矿的成品率和转鼓强度、稳定烧结矿的FeO 含量、降低固体能耗为优化原则，以水分、料层厚度、机速、等为优化参数的多目标优化模型，实现了产质量和能耗协同优化。
开发了优化指导+反馈控制的方法，该方法以烧结多目标优化模型计算的结果为目标，以状态参数值为反馈的智能控制模型为基础，动态获取该参数的设定值，实现了生产指标智能优化与生产状态智能控制的融合。基于提出的优化指导+状态反馈的烧结工艺参数控制方法，以烧结多目标优化计算的最佳值为目标，开发了基于预测模型和遗传算法以混合料粒度为状态反馈的水分智能设定模型开发了基于数据挖掘和模糊控制的以返矿配比与烧结终点温度为状态反馈的燃料配比智能设定模型；开发了基于T-S 模糊方法的以BRP 温度、BTP 温度和BTP位置为状态反馈的风量设定模型。实现了水分、固体燃料配比和风量等参数的智能设定与控制（图4）。
图4 感知、优化和控制一体化机制
3、研究了燃料粒度对烧结生产指标的影响规律，研发了一套基于燃料粒度检测和智能控制的低碳烧结技术与装备，首次实现了燃料粒度的在线智能感知、决策和控制，降低了烧结的固体燃耗。
研究了不同燃料粒级对混合料制粒的影响规律，揭示了不同燃料粒度分布对烧结矿产量、质量指标的影响规律，探明了燃料粒度优化后对SO2、NO 和CO浓度变化规律和排放规律的影响，为燃料粒度智能控制提供了基础。
开发了破碎装备自动控制技术，实现了四辊破碎机的上辊间隙和下辊间隙的自适应调节；开发了产质量指标控制燃料粒度，通过燃料粒度对辊缝间隙的智能设定技术，实现了燃料粒度对间隙的反馈控制，与燃料粒度在线检测技术形成了一套基于燃料粒度的智能感知、决策和控制的低碳烧结技术与装备，首次实现燃料粒度的在线检测与精准智能控制，降低固体燃耗。
4、提出了烧结机智能诊断、皮带机智能清料和旋转设备智能监控等烧结无人化作业技术，实现了减员增效，提高了设备运转效率和生产安全性。开发了智慧烧结一体化软件系统，实现了智能感知、智能优化、智能控制和装备智能化的高效稳定运行，为烧结过程的低碳高效生产提供了保障。
开发了“安全智能一键点火系统”，实现点火炉无人化作业；开发了基于Yolov3 和趋势和阀值分析的台车箅条和台车车轮卡阻故障的智能精准诊断技术，故障预报准确率>90%；开发了旋转装备温度、振动和加速度数据采集与基于趋势分析的故障智能诊断模型及系统，实现旋转设备的故障智能诊断，预测精准度>98%，首次实现无人化巡检；开发了以“松散料刷除-固结层剥离-残留浆状层高压气刀清除-散料自动收集”为特征的多级耦合皮带粘料智能清除技术，实现皮带粘料脱除回收达90%以上，大幅降低工人清扫工作量。
研究了基于多源异构数据库的多层软件系统架构（图5），提高了系统的可靠性和稳定性。开发多层次融合的智慧烧结一体化软件系统，保障系统深度学习和图像处理等复杂计算所需的硬件资源，实现了智能感知、智能优化、智能控制和装备智能化的高效稳定运行，为烧结过程的低碳高效生产提供了保障。
图5 多层软件系统架构
该项目已获授权发明专利24件、软件著作权6件，发表论文10篇，整体技术达国际先进水平，其中“烧结智能检测技术”达国际领先水平。并成功入选了2022年度工信部“国家工业和信息化领域节能技术装备产品”目录。
四、应用情况与效果
该项目技术在宝钢湛江钢铁1、2、3号550m2烧结机投入运行以来（图6），各项经济技术指标显著改善，并达国际一流水平，2号烧结获2020年度全国节能降耗“冠军炉”，1号烧结机获2021年度全国节能降耗“优胜炉”。
1、能耗方面：三烧结固体燃耗由48kg/t降低到45kg/t以下，工序能耗由44.8kgce/t降低至40kgce/t左右。一二烧结固体燃耗由46kg/t降低至45kg/t以下,工序能耗由42.8kgce/t降低至40.5kgce/t左右。
2、质量方面：三烧结料层厚度不断提高，由850mm提高至950mm，烧结成品率从79%提高至81%以上，FeO（±0.5）稳定率由70%提高到80%以上；一二烧结料层厚度由830mm提高至950mm，烧结成品率从78.7%提高至80.5%以上，FeO（±0.5）稳定率由78%提高至80%以上。
3、产量方面：烧结设备运转稳定，除受定修影响外，烧结设备运转率由98%提高至99%以上。
4、效率方面：岗位定员降至36人。
图6 智慧烧结一体化软件系统集中控制1、2、3三台烧结机
本项目技术已推广应用至宝武集团、越南和发、韶钢、中天钢铁、永锋钢铁等8家国内外钢企12台烧结机系统，对提高烧结产质量、降低能耗效果显著，推动了我国智能烧结技术的进步，助力了钢铁行业绿色化数字化发展。
