1 方案背景与目标

在国家制造强国战略指引与钢铁行业智能化、绿色化转型趋势下，提升高端钢材质量稳定性与生产效率已成为核心需求。VD炉作为保障钢水纯净度的关键精炼环节，其传统依赖人工经验的生产模式存在明显瓶颈：生产过程稳定性差，导致钢水温度与成分波动大、能源浪费严重；压渣操作依赖人工“盲压”，存在安全风险；软吹质量缺乏在线监测，影响产品一致性。这些痛点已成为制约公司落实全流程智能制造、实现降本增效与人力资源优化的关键短板，实施智能化改造刻不容缓。

本项目旨在应用工业互联网、流程模型、AI机器视觉及大数据分析等技术，搭建一套VD精炼智慧控制系统。通过构建集过程模型、智能决策与数据管理于一体的“智慧大脑”，实现对从钢水到站至软吹结束的全流程、全要素智能化与无人化控制。项目将建立标准化的钢种生产工艺与质量控制体系，核心目标包括：实现关键工序“一键式”自动化冶炼，提升过程稳定性与控制精度，降低合金成本与介质消耗，显著改善产品质量一致性，最终完成从“经验炼钢”到“科学炼钢”的跨越。

2 方案详细介绍

本项目针对传统VD精炼过程依赖人工经验、稳定性差、钢水质量波动大、存在“盲压”及软吹质量难控等行业痛点，旨在通过构建VD精炼智慧系统，实现从“经验炼钢”到“科学炼钢”的转型升级。

项目技术路线的核心是打造集过程模型、智能决策、时序控制与数据管理于一体的“智慧大脑”。系统通过流程控制模型，协同指挥合金控制、真空控制、吹氩控制及喂丝调控等关键环节。针对压渣难题，创新性地引入红外热像仪与AI机器视觉算法，构建了压渣智能感知与决策体系，实现自感知、自决策、自执行，有效抑制喷溅。在软吹阶段，通过大数据分析建立闭环控制模型，精准调整参数以保障精炼终点质量。同时，项目深度融合工业互联网技术，实现了VD精炼与前后工序的数据集成与高效协同。

针对VD精炼集中一贯制管理思路，从全流程工艺质量智能化需求出发，以工艺模型、图像技术和智能算法为基础，围绕“自动压渣、合金化、真空处理、吹氩搅拌、喂丝操作、自动软吹”等关键工艺目标，以设备高效运行为导向，以数据治理为底座，融合工艺要点、生产数据与设备状态，动态驱动VD全流程全要素一键式控制。基于钢种标准和质量控制标准建立动态质量管控模型，形成以规范为基础的预警主线和以问题为导向的分析主线，实现VD精炼全流程全要素全模型化的VD智慧控制系统。系统整体分为四大部分，VD全流程时序和节奏控制模型、基于图像识别的压渣智能控制、基于图像识别的软吹智能控制和动态质量管控系统。

VD精炼智慧控制系统利用先进的图像技术，实现国内首创VD压渣和软吹智能控制，压缩进深周期提高钢水质量；建立VD全流程时序与节奏控制模型，将机器学习模型与冶金机理模型紧密结合，实现钢包车、炉盖、压渣、真空、合金、吹氩、测温、软吹等过程的无人化自动控制；充分利用大数据算法，建立全要素动态质量管控模型，实现钢水温度成分前后工序联调联控，优化降本增效；最终以“一键VD”精炼为核心，实现VD全流程全模型全要素智能控制和动态质量管理。

解决的核心问题包括：

（1）基于系统间数据交互的生产管理及信息化。实现生产过程钢水、物料信息管理，生产设备管理，钢包管理；上下游工序管理，化验样管理；评判模型、产销系统系统支撑等。

（2）全数据要素生产过程跟踪。通过自研数据平台实现生产数据实时通讯、采集及治理，实时跟踪VD炉精炼过程，对真空、吹氩、加料、喂线、软吹各个环节进行监控；提供定制化数据展示界面，形成完整的生产过程操作记录；提供在线历史数据查询界面及定制化统计报表。

（3）机器学习与冶金机理相结合的冶炼参数计算。合金控制基于质量守恒原理，将钢种成分范围和物料限定作为约束条件，计算需加入钢水中的合金量。在到站样、过程样化验结果出来后，根据钢种目标成分要求，启动合金控制模型，进行合金计算和控制，满足钢水成分的需求。真空控制根据不同钢种深真空时间不同（该参数在钢种界面配置），控制真空结束。与压渣控制的关系：压渣控制与底吹流量控制、真空控制分开进行。图像识别系统仅直接控制压渣操作。吹氩控制通过数据回归，形成关键事件的吹氩流量变化，优化吹氩模型，在保证最优吹氩模式的基础上，满足生产过程对吹氩状态的要求。

（4）基于图像识别的压渣智能控制。结合 AI 视觉算法与大数据构建依托红外热成像系统，识别VD炉渣状态，根据识别面积形成的计算模型，实现压渣过程智能感知控制。

（5）基于图像识别的软吹智能控制。结合 AI 视觉算法与大数据建立了基于可见光工业相机、软吹标准化、机器视觉的软吹控制模型，实现了软吹过程底吹氩气的智能化控制。

关键性突破：

技术突破：首创VD炉内视觉智能感知体系：成功将红外与可见光机器视觉技术应用于VD炉高温、高粉尘的恶劣环境，实现了对压渣和软吹两个关键工艺的实时、精准量化感知与闭环控制，攻克了行业难题。全流程无人化控制模型：首次将时序控制、节奏匹配、温度预测与质量管控深度融合，构建了覆盖从钢水到站至软吹结束的全要素、全流程“一键式”智慧控制模型。

模式突破：创建了“感知-决策-执行-优化” 的VD精炼全过程闭环智能管控新模式，实现了从“经验驱动”到“数据和模型驱动”的根本性变革，确立了精炼工序智能化的新范式。

关键技术1：构建VD全流程时序与节奏智能控制模型

建立全流程协同智能控制模型为“智慧引擎”，深度融合工艺大数据分析技术，首次将时序控制、节奏匹配、温度预测与质量管控深度融合。实现了VD全流程时序自决策、节奏自匹配、温度成分联控联调，攻克了多子系统协同与“一键式”操作的技术瓶颈。

实现了系统间的“上传下达”，从L3接管后，自动生成冶炼工单，结合不同工艺模式制定“列车时刻表”驱动炉盖、吹氩、真空、合金、喂丝等设备按预设逻辑顺序联动；构建了从钢水到站至软吹结束的全冶炼要素“一键式”智慧控制模型，实现了VD炉冶炼标准化。

关键技术2：基于最优化算法实现钢水“准时制”和“温度成分窄范围”控制

VD炉作为连接LF炉与连铸的关键环节，若前后工序匹配不佳，易导致铸机温高降速，影响全流程生产效率和顺畅度。基于浇铸动态信息和最优化算法，动态调整VD到站温度，实现钢水“准时制”和“温度成分窄范围”供应，降低过程温度和铝损消耗。

解决与连铸匹配不畅导致的效率瓶颈和温降失控问题，实现全流程高效率生产。

关键技术3：应用红外热像技术，采用卷积神经网络等AI机器视觉算法，彻底解决“盲压”

VD炉内高温、高粉尘的极端环境，严重影响成像设备的稳定运行与图像质量，易导致钢渣边界模糊、关键特征丢失，人工被迫“盲压”操作，通过设备更新迭代，选用红外热像仪消除烟尘过大导致的“盲压”操作。

融合算法模型与海量数据训练：不依赖单一算法，而是构建YOLOv5、Mask R-CNN、ResNet50的融合识别模型，兼顾定位、分割与特征提取能力。通过上千炉次真实生产数据进行充分训练，覆盖全典型工况，实现压渣过程的“动态感知”。

关键技术4：首创高精度控制策略评估翻渣风险等级，实现VD图像压渣精准控制

通过定期加强图片标定，训练算法，保证压渣识别和控制的准确率。引入溢渣停泵规则，使用溢渣预警参与控制，控制真空泵启停。摸索各个泵启停对钢液起到的类似破空状态，选择最优泵启停。

创建了 “一键式”全钢种、全炉况适用的无人化VD压渣的新作业模式。

关键技术5：首创软吹“标准圈”技术实现吹氩的标准化控制

基于可见光工业相机，融合 AI 视觉算法、软吹标准化规范与机器视觉软吹控制模型，成功实现软吹工序底吹氩气的智能化管控。提出 “标准圈” 概念，通过调整视觉识别算法，精准识别并提取最优匹配的软吹圈，以此为依据自动调控软吹流量，提升工艺控制精度。

引入识别区域划分和图像轮廓检测算法等，解决软吹孔漂移、识别亮面跑偏包沿边界、液面结壳状态等异常。

关键技术6：动态质量管控系统为每炉钢水建立全生命周期的“数字档案”

实现全过程精准追溯与事前预警，为工艺优化提供数据支撑；构建多维度标准知识库，形成覆盖全钢种的异常判定基准；建立异常等特殊场景的调整方案；通过比对工艺标准库，实现从"VD到站温度"到"合金加料"的多级预警；利用大数据分析进行过程能力监控和质量预测，事中干预转变；质量追溯项包括铝损、VD到站温度、窄成分、合金控制、VD压渣标准、VD软吹质量等关键参数。

3 代表性及推广价值

创新点：

（1）技术创新点

本系统展现了高度的自主创新能力，核心算法与模型均为自主研发，成功解决了VD精炼工序的“卡脖子”难题：

视觉感知与闭环控制技术：首创性地将红外热像仪与AI机器视觉算法应用于VD炉内高温、高粉尘的恶劣环境。自主研发的图像识别模型，实现了对钢渣翻腾状态的精准感知和软吹氩孔亮面面积的实时检测，并据此构建了压渣自执行与软吹自调节的智能闭环控制系统，从根本上解决了“盲压”和软吹效果不可控的世界性行业难题。

全流程协同智能控制模型：开发了深度融合冶金机理与大数据分析的VD精炼协同控制模型。该模型作为系统的“智慧引擎”，实现了从钢水到站至软吹结束的全流程时序自决策、节奏自匹配、温度成分联控联调，攻克了多子系统协同与“一键式”无人化操作的技术瓶颈。

（2）管理创新点

流程优化创新：重构了VD精炼作业流程，将传统以“人”为核心、依赖个体经验的离散操作流程，优化为以“数据与模型”驱动的标准化、连续自动化流程，实现了生产模式的根本性变革。

作业模式创新：创建了 “一键式”全流程无人化操作的新作业模式。将操作工从高温、高风险的现场环境中彻底解放出来，其角色从重复性体力劳动转变为系统的监控者、异常处理者和效率优化者，实现了岗位价值的升级。

管理机制创新：建立了数据驱动的质量追溯与决策机制。通过动态质量管控系统，为每炉钢水建立全生命周期的“数字档案”，实现质量问题的精准追溯、事前预警与持续优化，推动质量管理从“事后检验”向“事前预测、事中干预”的科学管控模式转变。

实施成效显著：系统实现了从钢水到站至软吹结束的全流程“一键式”自动化控制与无人化操作，极大提升了生产过程稳定性与控制精度，显著降低了能耗与生产成本，改善了产品质量一致性，并将工人角色转变为监控与应急处理，为企业数字化转型与智能化升级提供了成功范例。

生产效率显著提升：通过红外热像仪实现压渣过程自动控制，有效缩短VD预抽时间1min/炉；基于机器学习算法建立的精炼控制模型，实现全流程智能化运行，整体冶炼周期缩短2min，实现稳定可靠运行。

质量控制全面加强：合金加料模型实现真空状态下多轮次精准配料，窄成分控制合格率提升2.7%；测温取样实现自动化控制，测温准确率提升至97%，取样成功率提升至98%；国际首创的软吹“标准圈”控制技术实现自动软吹投入率≥95%，人工无干预率≥98%，推动钢水纯净度显著改善，夹杂物合格率由91.2%提升至95.5%，成品材探伤合格率由99.0%优化至99.3%。

本质安全实现突破：通过红外热像仪屏蔽烟尘，实现炉内工况实时监控与自动压渣，彻底消除人工“盲压”安全隐患；采用停止真空泵替代传统“破空”操作，在保障安全的同时实现能源节约。

智能化水平全面提高：建立全要素信息数字化平台，实现VD精炼与前后工序的联调联控；四班操作人员完成技能转型，工作重心由现场操作转向系统监控，劳动强度显著降低，智能控制水平全面提升。

（1）首次攻克了多子系统协同与“一键式”操作的技术瓶颈：实现了VD炉全流程标准化“一键式”操作，吹氩、真空、加料、钢包车控制、压渣操作、软吹操作由人工转变为系统控制。减少了因班组差异造成的冶炼周期偏差，减少工艺衔接时间，提升冶炼效率，平均冶炼周期缩短2分钟，温度损失减少5.6℃。

通过工艺流程优化试验，确定钢砂铝等物料加入时机及各阶段最优氩气流量，融合到模型中，提升冶炼工艺水平。

（2）首创VD压渣和软吹场景的视觉感知与闭环控制技术：消除了压渣过程中“黑匣子”，避免了人工“盲压”操作，实现了VD预抽压渣过程的模型化控制，有效缩短VD预抽时间1.5分钟/炉，减少蒸汽消耗25kg/炉；

通过软吹标准化控制，推动钢水纯净度显著改善，夹杂物合格率由91.2%提升至95.5%，成品材探伤合格率由99.0%优化至99.3%。

（3）建立数据驱动的质量追溯与决策机制，实现质量问题精准追溯与智能优化

构建多维度标准知识库，形成覆盖全钢种的异常判定基准；建立特定钢种和生产节奏变动、设备异常等特殊场景的一键精炼调整方案，支持按钢种动态调整诊断阈值，适配柔性管控需求；

自动生成质量报告，并利用大数据分析进行过程能力监控和质量预测，驱动质量控制从事后检验向事前预测和事中干预转变。

（4）其他钢厂推广应用情况

在京唐、贵钢实现成熟工业落地，目前正与晋钢、山西建龙、荣程钢铁、邯郸永洋、北台钢铁、大冶特钢等多家钢铁企业推进合作洽谈，加速技术推广应用。在贵钢 VD 炉的推广应用中：通过自动化控制替代传统人工操作，成功将工人从炉盖人工观察口处的压渣作业中彻底解放 —— 原作业场景需直面高温环境，安全风险极高；截至目前，贵钢应用该技术已实现直接推广效益超 136 万元，在提升作业安全性、降低人工强度的同时，为企业创造了显著经济价值。

（5）主要指标

生产效率显著提升：通过红外热像仪+VD图像压渣控制，有效缩短VD预抽时间1.5min/炉；基于机器学习算法建立的精炼控制模型，实现全流程智能化运行，冶炼周期缩短2min，实现稳定可靠运行。

智能化显著升级：合金模型实现真空状态下多轮次精准配料，窄成分合格率提升2.7%；自动测温取样准确率提升至97%，取样成功率提升至98%；软吹“标准圈”控制技术自动软吹无干预率≥98%；为企业数字化转型与智能化升级提供了成功范例；

质量控制全面加强：推动钢水纯净度显著改善，夹杂物合格率由91.2%提升至95.5%，成品材探伤合格率由99.0%优化至99.3%。

本质安全实现突破：通过红外热像仪屏蔽烟尘，彻底消除人工“盲压”安全隐患；采用停止真空泵替代传统“破空”操作，在保障安全的同时实现能源节约。

作业模式创新：建立全要素信息数字化平台，实现VD精炼与前后工序的联调联控；四班操作人员完成技能转型，工作重心由现场操作转向系统监控，劳动强度显著降低，智能控制水平全面提升，实现了生产模式的根本性变革。