自评总结—钢铁全流程数字化方向

2023年12月12日，钢铁全流程数字化方向举行2023年度考评会议，方向全体受聘教职工、博硕士研究生参加了考评会。参会人员代表各自子方向汇报了在2023年度科研工作进展及目标完成情况、指导或协助指导参与的人才培养情况及对中心建设和发展的贡献情况。

会上，本年度方向自评共有8个子方向研究团队代表参加了汇报考评。主要基于数字深度感知与动态数字孪生、多工序CPS的闭环优化与多目标优化以及金属材料创新基础设施研究等开展研究工作。

参加考评人员充分展示一年来的工作成果，在方向首席张殿华教授组织下，与会人员对部分人员的工作汇报进行了点评及学术讨论，在研究方向、方法、思路等方面互相提出了许多建设性意见和有价值的建议，汇报考评发挥了很好的学术交流作用，体现了协同创新、共同发展的团队精神。

本年度钢铁全流程数字化方向分别在轧制全流程原位分析、生产过程数字孪生建模、机器识别与机器学习、设备智能运维与数字化、过程计划决策与调度以及能源与排放数字化技术研发等方面取得重大研究进展，相关数字化技术在鞍钢、河钢、沙钢、安钢、抚钢等企业实现推广应用。

丁敬国教授团队围绕热轧过程数字孪生建模子任务，自主开发了力能参数、轧机弹跳、金属三维变形等数字孪生模型；提出了基于DELM融合迁移学习的板形预测模型及在线滚动优化方法，实现非稳态时弯辊力、窜辊量高精度设定，板凸度(±15μm)命中率、平直度(±20IU)命中率均得到有效提升。

矫志杰副教授团队围绕机器识别与机器学习子任务，搭建基于虚拟系统的视觉检测数字化系统平台，构建平面形状控制智能优化CPS系统，实时获取头尾形状对称性、剪切长度、剪切面积和评价指标，形成了平面形状控制闭环数据流，实现了对平面形状模型参数的优化。

孔祥伟教授团队设备智能运维与数字化子任务，研发了基于减速机动力学建模仿真、智能化装备设计与开发、叶片自动辊轧技术，实现了基于深度学习的增材制造过程工艺优化；形成了基于多传感数据融合算法与机器视觉的智能化缺陷检测算法；开发了基于多特征、多模型及多源数据融合的装备及关重件寿命预测算法。

李旭教授团队围绕生产过程数字孪生建模子任务，开展精品钢轧制全流程质量智能建模、故障诊断与协同稳健控制研究，构建了热轧非对称运行测量与控制系统；提出了板形目标曲线离散动态规划设定理论；建立了一种基于联邦迁移学习与目标自适应的智能故障诊断模型。

罗小川教授团队围绕过程计划决策与调度子任务，建立并完善了以“异构图”为核心的炼钢-连铸调度过程案例的混合流水车间异构图表征模型，设计了一种专门聚合异构图中调度特征的异构图神经网络框架，总调度性能指标提升34.3%；搭建了连铸-轧钢界面节能降耗优化界面系统，达到了节能减排和提高生产效率的作用。

孙杰教授团队围绕轧制全流程原位分析任务，在厚度、板形控制与数学模型方面开展研究工作，完善了热轧过程残余应力与平直度缺陷形成机理，突破了轧制过程板形-板凸度预测与优化、冷轧电工钢边降-板形协同控制核心技术，搭建了多工序数据与质量管理平台。

王晨充副教授团队围绕先进钢铁材料的组织性能调控子任务，形成了数据驱动的全流程一体化相变预测、合金设计及关键共性技术，搭建了迁移学习+双目标遗传算法（寿命+不确定性）的合金优化设计平台，设计得到的新型耐热钢取得了蠕变寿命显著提升的效果。

张琦教授团队围绕能源与排放数字化子任务，开展了典型工序能耗管理数字化、煤气-蒸汽-电力耦合优化与调度、全流程碳素流网络及碳排放数字化管理研究，完善了能源、碳排放管理数字化理论，突破了多能源预测与耦合优化调度核心技术，形成了相关软件产品，实现了能源节约和碳排放指标的提升。

2023年度，本方向科研和人才培养成果显著。荣获辽宁省科学技术进步一等奖1项、辽宁省自然科学二等奖1项，冶金科学技术奖一等奖2项、二等奖1项；中国电力科技创新奖二等奖1项；新签科研项目30余项，合同额总计9000余万元；发表论文60余篇，SCI收录40余篇；申请发明专利50余项，授权37项，撰写专著4部。指导学生获得国家级奖项2项，省部级奖项6项。