冶金论文

选课课号：(2011-2012-1)-BG11191-320001-1 课程类别：公选课《冶金工程概论》课程考核（课程论文）题目：冶金发展趋势作者：邰文平学号：2010441119授课教师：杜长坤班级：热能与动力工程10-3重庆科技学院冶金与材料工程学院2011年11月中国重庆近年来，中国冶金行业保持着高速发展，冶金企业的生产经营规模急剧扩张，企业间的兼并重组成为潮流，行业集中度不断提升，公司的管理幅度迅速加大，冶金企业出现了集团化的发展趋势，资源整合成为冶金企业生产经营的重要课题。

企业的竞争，也从传统的产品、技术、成本的竞争向资本、资源、服务的竞争转化，行业竞争日趋激烈。

专家预言，今后几年，冶金行业将全面进入行业洗牌阶段。

冶金自动化技术作为自动化在冶金行业的应用技术，其发展轨迹既遵从自动化学科自身的发展规律，也与钢铁工业的发展，包括工艺路线演化、制造装备的更迭、生产流程和组织方式、企业运营模式的改革和进步等密切关联。

从近年冶金企业的发展过程中，我们可以看到几个重要的趋势性特征：1 产业集中度提高，横向的兼并重组正成为行业发展方向；2 整合产业链上下游资源，纵向一体化逐渐深入；3 生产能力迅速扩张，产能矛盾日益突出，买方市场逐渐形成；4 外资进入中国，中国企业拓展海外市场，行业国际化程度不断提高；5 工艺装备水平和管理水平不断提升，企业由粗放型经营向集约化经营转变；6 民营冶金企业发展壮大，成为冶金行业发展的重要力量。

一自动化冶金自动化装备问世以来，取得了极其迅猛的发展。

特别是80年代种类繁多的PLC和DCS的出现，冶金自动化装备的可靠性和实时性，可操作性和可维护性都得到极大的改善。

方便的软件编制和友好的人机界面，不断提高的性能价格比使冶金自动化装备技术得到极快的推广和使用。

从单元控制装置、单体设备自动化到全线的自动化系统和全厂全公司的生产管理控制系统遍布冶金工业的各个工艺流程。

冶金自动化装备技术的发展与应用推广，使冶金产品的质量和冶金生产线的作业率获得极大的提高，新产品、新工艺的开发周期大为缩短，获得了极其显著的经济效益。

在我国冶金工业产量已基本满足需要，现阶段主要是增加品种和改善质量的发展期，冶金自动化就因此变得更为重要，并且提出了更高要求。

我国冶金自动化行业也从普及发展阶段进入提高阶段，要加强适应于冶金自动化需求的软硬件产品的开发，着力发展具有自主产权的产品和以成套工程应用技术为主的高技术产业，减少对国外技术的依赖性。

自90年代以来，随着电子技术、计算机技术、电力电子技术和检测技术的不断发展和普及，冶金工艺和自动化更加密切的结合，冶金自动化装备技术必将得到进一步的发展和提高。

在自动控制理论和方法方面主要的发展方向是人工智能技术的应用。

人工智能技术主要是神经元网络、模糊控制、专家系统及与其相结合的智能控制系统，近年来已在冶金自动化中得到了多方面的应用。

仅日本应用的实例就超过百件，德国Krupp Hoesch钢铁公司的Westfaien 钢厂应用神经元网络改进数学模型，取得了明显的经济效益，尺寸偏差减少12%.如在轧制过程自动化方面，传统的轧制过程数学模型是以轧制力为中心，以一组数学物理方程描述轧制过程。

轧制工况是多样化的，影响轧件质量的因素众多，并且有些工况参数不能直接地或连续地检测，具有边界约束条件的数学物理方程虽然对轧制过程有一个相当近似的描述，但还不能完整精确地表达轧制过程，存在着固有的误差。

采用人工智能技术如人工神经元网络，通过采集实测数据来观察工艺过程，积累经验，并且将以前只有人才能掌握的经验融入计算过程，就能弥补常规数学模型的不足，它的学习功能不断适应设备的实时状态。

单纯采用以人工智能技术为基础的数学模型有点像魔术师的黑盒子，采用人工智能同传统数学模型相结合的组合模型侧重于工艺过程内的各种分析关系式，易于操作者和工艺技术人员接受和使用。

来自常规数学模型中先前的经验不是丢弃，而是通过算法模型和神经元网络之间的协作关系全部并入组合模型之中，通过这种方法使设定精度得到了提高。

在厚板质量工程设计中，以订单为基础制定轧制过程中生产工艺和工艺参数的专家系统，轧机液压下故障在线实时诊断的专家系统，连轧机组负荷分配的专家系统都得到了应用。

采用模糊逻辑对于实测数据进行评价和判断，对于传感器的状态进行在线实时诊断都取得了良好的效果，人工神经元网络还应用于轧件板形识别，多辊轧机的板形控制等。

在焦化、烧结、炼铁、炼钢各个工艺流程同轧制过程相比，物理化学的变化更为复杂。

连续有效的直接过程检测仪表也不如轧制过程的检测齐全。

因此，在冶炼过程控制数学模型方面还远达不到板带轧制过程数学模型的精度。

在这些工艺流程方面应用人工智能技术更加迫切和必要。

世界冶金行业的生产管理计算机系统大多数采用主机集中式系统并配以先进的生产管理水平，在系统集成、应用结构设计、开发方法、人机界面、通信、系统维护等方面都有较高的计算机应用水平。

另外，系统采用模块化、结构化设计，伸缩性好。

因此，冶金行业自动化技术的应用和发展都具有良好的前景。

二信息化根据中国钢铁工业协会的调查结果，10%左右的炼铁工序、25%左右的炼钢工序、50%左右的轧钢工序采用了生产管理计算机系统。

冶金企业逐步认识到MES(制造执行系统)的重要性，在综合应用运筹学、专家系统和流程仿真等技术，协调生产线各工序作业，进行全线物流跟踪、质量跟踪控制、成本在线控制、设备预测维护等方面取得了初步成果。

随着企业管理水平的不断提高，“信息化带动工业化”在冶金企业成为共识，企业信息化方兴未艾，受到企业领导高度重视，各企业纷纷开始信息化规划和建设，很多企业已经构造了企业信息网，为企业信息化奠定了良好的基础。

根据中国钢铁工业协会报告，“我国钢年产量500万吨以上的8家企业100%上了信息化的项目，钢年产量50万吨以上的58家企业中有45家上了企业信息化的项目，占77.6%”。

宝钢股份、武钢、宝钢集团不锈钢分公司等企业建成了主要产线的MES和产销一体化系统。

宝钢集团不锈钢分公司在钢铁企业率先建成了企业生产指挥驾驶舱。

钢铁企业信息化已经从信息的整合深入到知识的挖掘。

宝钢在建立生产经营数据仓库和知识获取方面走在了国内同行的前列，开发了综合数据挖掘系统、基于数据挖掘的质量分析技术、基于数据仓库的客户服务知识库，创建了智能质量设计知识库，取得了显著的成果。

冶金自动化技术在信息化、自动化技术的推动和冶金行业可持续发展需求的拉动双重机制作用下，必将取得更大进展，主要发展趋势体现在以下方面：（一）过程控制系统冶金流程在线连续检测和监控系统。

采用新型传感器技术、光机电一体化技术、软测量技术、数据融合和数据处理技术、冶金环境下可靠性技术，以关键工艺参数闭环控制、物流跟踪、能源平衡控制、环境排放实时控制和产品质量全面过程控制为目标，实现冶金流程在线检测和监控系统，包括铁水、钢水、熔渣成分和温度的检测和预报，钢水纯净度检测和预报，钢坯和钢材的温度、尺寸、组织、缺陷等参数检测和判断，全线废气和烟尘的监测等。

冶金过程关键变量的高性能闭环控制。

基于机理模型、统计分析、预测控制、专家系统、模糊逻辑、神经元网络、支撑矢量机（SVM）等技术，以过程稳定、提高技术经济指标为目标，在上述关键工艺参数在线连续检测基础上，建立综合模型，采用自适应智能控制机制，实现冶金过程关键变量的高性能闭环控制，包括高炉顺行闭环专家系统、钢水成分和温度闭环控制、铸坯和钢材尺寸及组织性能闭环控制等。

（二）生产管理控制系统冶金流程的全息集成。

实现铁-钢-轧横向数据集成和相互传递，实现管理-计划-生产-控制纵向信息集成，同时，整合生产实时数据和关系数据库为数据仓库，采用数据挖掘技术，提供生产管理控制的决策支持。

计算机全流程模拟，实现以科学为基础的设计和制造。

采用计算机仿真技术、多媒体技术和计算力学技术，基于各种冶金模型，进行流程离线仿真和在线集成模拟，从而实现生产组织优化、生产流程优化、新生产流程设计和新产品开发。

提升钢铁生产制造智能。

在生产组织管理方面，基于事例推理、专家知识的生产计划与运筹学中网络规则技术，提供快速调整作业计划的手段和能力，以提高生产组织的柔性和敏捷化程度；根据各工序参数，自动计算各工序的生产顺序计划及各工序的生产时间和等待时间，实现计划的全线跟踪和控制，并能根据现场要求和专家知识，进行灵活的调整；异常情况下的重组调度技术以及在多种工艺路线情况下，人机协同动态生产调度。

在质量管理方面，基于数据挖掘、统计计算与神经网络分析技术，对产品的质量进行预报、跟踪和分析；根据生产过程数据和实际数据，判定在生产中发生的品质异常。

在设备管理方面，采用生产设备的故障诊断与预报技术，建立设备故障、寿命预报模型，实现预测维护。

在成本控制方面，采用数据挖掘与预报技术，建立动态成本模型预测生产成本；利用动态跟踪控制技术，优化原材料的配比、能源介质的供应、产线定修制度、生产的调度管理，动态核算成本，以降低生产成本。

（三）企业信息化冶金流程的全息集成。

实现铁-钢-轧横向数据集成和相互传递，实现管理-计划-生产-控制纵向信息集成，同时，整合生产实时数据和关系数据库为数据仓库，采用数据挖掘技术提供生产管理控制的决策支持。

计算机全流程模拟，实现以科学为基础的设计和制造。

采用计算机仿真技术、多媒体技术和计算力学技术，基于各种冶金模型，进行流程离线仿真和在线集成模拟，生成一个分布式、网络化、集成的“虚拟工厂”软件系统环境，通过人机交互和协同计算，模拟钢铁工业产品生产全过程。

支持生产组织优化、生产流程优化、新生产流程设计和新产品开发优化。

提升钢铁生产制造智能。

在生产组织管理方面，基于事例推理、专家知识的生产计划与运筹学中网络规则技术，提供快速调整作业计划的手段和能力，以提高生产组织的柔性和敏捷化程度；根据各工序参数，自动计算各工序的生产顺序计划及各工序的生产时间和等待时间，实现计划的全线跟踪和控制，并能根据现场要求和专家知识，进行灵活的调整；异常情况下的重组调度技术以及在多种工艺路线情况下，人机协同动态生产调度。

在质量管理方面，基于数据挖掘、统计计算与神经网络分析技术，对产品的质量进行预报、跟踪和分析；根据生产过程数据和实际数据，判定在生产中发生的品质异常。

在设备管理方面，采用生产设备的故障诊断与预报技术，建立设备故障、寿命预报模型，实现预测维护。

在成本控制方面，采用数据挖掘与预报技术，建立动态成本模型预测生产成本；利用动态跟踪控制技术，优化原材料的配比、能源介质的供应、产线定修制度、生产的调度管理，动态核算成本，以降低生产成本。

能源管理和优化系统。

针对新一代可循环钢铁制造流程，采用能源介质和主要能效设备在线监测、能源负荷预测和能源供需平衡分析、能源结构和调度优化等关键技术，形成能源在线监测装置、能效分析工具和企业级能源优化系统。