通过对国内近百条热连轧生产线的过程控制模型精度和产品质量指标研究发现，造成非稳态过程难以控制的原因，既有板带材轧制本身的工艺因素，又受制于热连轧自身的控制特点，长期面临如下突出问题： （1）热连轧各机架存在着弹性变形和塑性变形的交叉耦合作用。热连轧各机架与带材直接接触并产生压下量时，轧机设备会发生弹性变形，轧件又会发生塑性变形，这种设备弹性状态和带钢压下产生的塑性状态耦合到一起，导致传统数学模型很难对其进行精准计算和表述，尤其在频繁换规格或换钢种状态下，一种弹塑性耦合状态下的模型未完自学习至最优状态，又会过渡到另外一种弹塑性状态，导致整个机组形成长时间的非稳态过渡过程。 (2)非稳态过程难以建立高精度的热轧数学模型。该过程具有不确定性、非线性等特点，存在润滑状态、设备工况等多种多样难以表述的变化，这些对薄带材轧制的影响远超过普通带材。而实际控制过程采用的单一常参数模型难以满足连续变化的要求，模型匹配性差，实际生产过程中轧制力、前滑等关键参数存在很大偏差。 (3)多工序间的过程控制参数波动的影响。热连轧生产过程装备由加热炉、定宽压力机、粗轧机组、精轧机组、控制冷却及卷取机组等多个区域组成，各个工序均具有非线性、快响应以及时变、不确定性、工艺控制模型复杂、过程变量维数高、规模大等特点，这就决定了各个工序的建模过程比一般的工业过程复杂得多。这种非稳态下的过程参数波动，均可对下游工序产生很大的影响，从而导致产品质量问题，如板形、尺寸精度以及工艺性能等。 针对热连轧制造领域内过程精准控制科学问题和相关技术瓶颈，2019年河钢集团有限公司、华为、东北大学在深圳举行联合组建“工业互联网赋能钢铁智能制造联合创新中心”签约挂牌仪式。三方成立的联创中心将作为钢铁行业工业互联网与智能制造产学研用平台，以钢铁全流程产线为基点，着力实现网络化、数字化、智能化的新钢铁，促进钢铁产业转型升级、高质量发展。 项目团队依托河钢邯钢公司邯宝2250mm热连轧生产线，基于现有自动化与信息化系统，深度融合数据驱动模型与机理模型，首次开发了热连轧过程动态数字孪生模型并建立了CPS控制系统平台，提高了轧制工艺对复杂多变工况的原位分析能力，改善了热连轧过程三维尺寸控制指标。

本系统通过收集市场信息（如网页抓取、行业共享），以人机结合，专家决策为主的方式进行。以冶金机理计算为主，结合生产工艺的要求与过程控制模型，通过分析生产实绩信息建立了多个炼钢厂、多条精炼路径的模型群，有效准确地确定不同钢种的合金消耗标准，从而能精确预测炼钢合金的需求量。

宝钢研究院智能所于2013年及2016年先后开展了ESR及VAR熔炼仿真模型软件自主开发和应用研究。结合特钢冶炼设备和工艺，聚焦高温合金和钛合金特定品种的熔炼计算应用,成功研制了一款工艺参数优化的仿真软件，为特钢新产品研发和工艺改进提供了可自主的技术支持。

热轧作为钢铁生产流程的重要环节，具有高频、强耦合、非线性等特点，温度、相变、应力相伴相生。经历工业3.0后，热轧技术在主线自动化程度、品种规格、产品质量、信息融通等方面取得了长足的进步，但仍然存在如下亟待解决的问题：库区、磨辊间、能源介质、质检等非主线单元存在着大量的人工操作，劳动生产率低下；加热能力、轧线节奏、多区域调度、生产顺行等问题影响产能释放，高效生产需求迫切；以板形、表面、轧破甩尾为代表的质量和生产稳定性长期困扰热轧企业，控制模型精度、设备状态、关键检测缺失、监控不完善、人工干预多等是主要原因；缺乏工厂级成本管理系统，能耗到卷（或板、管、棒等）、成本到卷无法实现，做不到精细成本控制；自动化、信息化已逐步完善，但许多和设备、人员、物料、能源等密切相关的数字化工作尚在起步；上下游工序、工厂业务之间缺乏物质流、信息流、能量流协同机制，工作效率低下，标准实施和固化困难，决策靠人。 热轧面临的如上问题大多是多因素或多目标问题，需要从全局加以考虑，现有的多级计算机系统构架具有局限性，热轧智能工厂建设则为解决如上问题提供了契机。本项目提出一种以问题为导向的热轧“双智控”智能工厂构架方案，以短板补齐、智能检测、工业互联网平台等为支撑，以关键绩效指标为牵引，从操维集约和业务协同两个方面出发，借助精准感知、数字孪生、工艺驱动、智能算法等手段，追求产线极度自动化和业务高效协同化。热轧智能工厂的建设实现物质流、能量流、信息流互联互通，并完成生产过程中大尺度的全局优化和资源配置，可推动真正意义上的热轧工厂技术变革。

废钢作为唯一可以代替铁矿石炼钢的绿色环保、可多次循环利用的再生铁素资源，将在后续钢铁冶炼中占据更重要的作用和地位，更加广泛的应用于钢铁冶炼。由于废钢使用量大，多料型掺杂混装，且时常发生废钢掺假等现象，为保证产品质量、提升钢铁产量，避免爆炸、钢水喷溅等事故的发生，需要对购买的废钢进行验质。传统废钢验质工作面临如下几个难题： 1、钢铁企业废钢验质过程，通常应用人工目测、卡尺测量等手段，受人为主观因素影响较大，缺乏统一的废钢分类定级标准，无法形成量化的评价结论及很好的数据分析，不易让供应商信服。 2、废钢验质作业环境较为恶劣，验质人员每次需要攀高四五米到大货车车顶，对车内废钢进行近距离观察，劳动强度大，作业风险高，效率低下。 3、卸货过程中，掺假、密闭容器未切割、超长超大件等，在人工验质过程中，经常存在漏验、错验等情况，异物无法及时提醒，可能会直接影响后续钢铁冶炼安全，发生重大的安全事故或生产事故。 4、废钢验质结果将直接决定废钢的回收价格，判级等级的差异直接影响钢铁企业的利益、供应商的利益，进而影响供应商的合作积极性。如何实现双赢，保障双方利益，也是传统验质工作执行难的重要难题。 河钢数字科技自主研发了基于人工智能技术的废钢智能验质系统。该系统主要利用机器视觉对废钢车辆卸料过程实时感知、逐层采样，通过人工智能技术（AI），在卸货过程中进行单层判级和整车判级，智能识别出不达标废钢、杂质和异物，最终通过AI算法计算出整车扣重的预估值，对危险物、异物及时做出预警。

目前氢脆以及氢损伤的科学机制已经比较明晰，但工程除氢手段仍然局限于原材料把控、钢液真空脱气及堆垛缓冷等工艺，这样的工艺方法可一定程度上去除可扩散氢。然而，在高强钢服役过程中还会有氢进入，最终导致严重的危害，因此氢脆的本质问题始终没有得到彻底解决，特别是对于重大装备用高强钢尤其重要。如何从钢铁材料的设计与制备这一根本问题上解决高强钢的氢脆与氢损伤的瓶颈问题，构造深氢陷阱具有重大的科学意义和工程价值。发展新方法、新理念，探索开发既能提高强度、又能提升抗氢脆性能的高强钢，对资源、能源的开发利用及国防安全具有重要的工程意义，对发展和完善抗氢脆研究具有重要的理论价值。 北京科技大学庞晓露教授团队针对高强钢面临的氢脆难题，通过氢陷阱的表征、钢中组织观察与解析，系统地表征了高强钢中浅氢陷阱、深氢陷阱参数，得出为了提升抗氢脆性能，应设计制备高密度的晶内深氢陷阱，将氢均匀弥散地分布在晶粒内。结合高分辨透射电镜原子级观察、第一性原理计算模拟及氢脱附实验等方法，全面、系统、深入地研究了纳米析出相深氢陷阱的物理本质，揭示了纳米析出相半共格界面处的失配位错是深氢陷阱的根源，并通过纳米析出相深氢陷阱的设计抑制了高强钢的氢脆。结合设计多元微量合金成分及含量，采用局域微量供给的方法获得具有优异抗氢脆性能的多元复合纳米相强化钢，为开发高强韧抗氢脆钢提供有效、可行的科学理念和技术路线。本项目所开发的高强韧抗氢脆车轮钢、弹簧钢、海洋装备用钢系列产品，品种多、规格全、表面质量好，由于其优良的综合性能，创造巨大企业效益的同时也创造了显著的社会效益。

由于异形坯断面形状不规则，受力情况复杂，在连铸生产中容易出现裂纹、夹渣等缺陷，导致轧制时产品报废率高。国内的几台大断面异形坯铸机均为国外引进，其最大断面为1024mm×390mm×120mm。而国产的两台异形坯铸机生产的异形坯最大宽度只有500mm，和引进铸机还存在较大的差距，我国此前还没有完全掌握异形坯铸机核心技术。当需要生产新的断面时，只能简单仿制，往往使用效果较差，铸坯质量难以保证。随着，我国的基础建设不断投入，我们需要大量产线更丰富的异形坯铸机，而且还需要进一步加大其断面。为此，开发我国用于轧制重型H型钢的重型异形坯连铸机技术与装备非常重要。 重型异形坯断面尺寸更大，铸坯的凝固进程更长，应力情况非常复杂。铸坯对整个凝固过程的传热均匀性，以及设备的刚度提出了更高的要求。同时兼顾板坯、非对称异形坯的生产，对夹持段也有一些特殊的要求。冶金控制模型应稳定、可靠，确保铸坯的坯壳均匀生长，表面温度平稳下降。设备结构合理，以保证较高对弧精度，同时更换快捷。 从设备设计、模型开发两方面着手，开发的设备结构为计算模型提供基础，模型计算结果为设备开发提供理论依据，相互验证、推动。在形成一套完整的重型异形坯铸机装备的同时，给出详实可靠的理论支撑。研发出的冶金模型，辅助设备设计的同时，得到合理的连铸工艺，形成一整套生产工艺参数。使研发的设备、工艺参数做到有的放矢，确保铸机投产后稳定生产。

钢铁企业原料场接收经由水路、铁路、公路运输进厂的原燃料，通过存储转运、和混配加工，为高炉、烧结、焦化等工序提供生产需要原、燃料的稳定可靠供应。 料场由多个相对独立的子料场组成，分别负责储运不同品种的原燃料，供应对象也各不相同，按年产1000万吨铁水产能计算，年接收转运球团、块矿、焦炭、粉矿、生熔剂、混匀矿等近千种约为2600万吨原燃料。具有品种繁多，堆存场地料线更换频繁等特点。传统料场在管控方面存在以下问题： 1、堆取作业依赖机上人工操作 2、缺失关键信息 3、缺少对数据的统一管理 4、生产组织依赖个人经验，缺少科学决策系统支持 针对上述问题，中冶南方数智料场研发团队开发了数智料场技术，成功实现了钢铁企业大型料场的一体化管控，有效解决了传统料场在自动控制和管理技术方面存在的不足。

目前我国材料创新能力受制于四个痛点问题：（1）研发资源分散、研发工具软件缺乏集成部署和管控，研发效率低；（2）原始数据大多集中在科研人员手中，缺乏数据共享和传承；（3）行业主流研发生态仍是研发炒菜式的“经验+试错”，数字化研发仍属局部；（4）现有超算平台难以满足图形界面、公网计算等材料研发需求，工具软件利用门槛高，软硬件资源利用率低。 针对上述问题，中国钢研充分发挥在金属新材料研发领域多年积淀的知识、技术和产业化优势，联合北京钢研新材科技有限公司、杭州德迪智能科技有限公司，从技术、场景和生态三个维度，开展Material-DLab金属材料数字化研发平台的构建及示范应用。对强化我国金属材料基础科研能力，加速数字化研发生态形成，促进行业协同创新和变革材料研发模式具有重要意义。

推进信息化与工业化深度融合是我国制造强国的战略任务之一，青岛特钢在中国钢铁业自动化和信息化应用方面拥有扎实的基础，经过多年的发展，青岛特钢建设了比较完整的信息系统架构，从产线级基础自动化、过程控制系统、生产控制系统(PES)/制造管理系统(MES)、一体化经营管理系统到数据仓库，建成了自下而上纵向集成的五级计算机体系。 在实施智能化改造过程中，针对高速优特钢线材轧制速度快、连续性高、精度要求高，青岛特钢选取该产线作为实施智能工厂的试点示范，通过试点突破一批关键技术，提高产品质量、降低能耗，达到降本增效目的。同时，在全国钢铁企业长材生产线中也起到示范作用。