AI在智能轧钢技术中的应用

20XX/XX/XXAI在智能轧钢技术中的应用汇报人:XXXCONTENTS目录01

轧钢行业智能化转型背景与政策导向02

AI赋能轧钢生产全流程技术架构03

AI在轧钢核心工序的创新应用04

机器视觉在轧钢质量检测中的应用CONTENTS目录05

AI驱动的轧钢生产效率与成本优化06

典型企业AI轧钢应用案例分析07

AI轧钢技术的效益分析与价值体现08

智能轧钢技术发展趋势与未来展望轧钢行业智能化转型背景与政策导向01控制精度不足，产品质量稳定性差传统轧钢依赖简单算法构建的机理模型，难以适配强非线性、强耦合、大滞后特性，导致超调量大、调节滞后，控制精度随运行时间劣化，影响产品质量一致性。研发周期漫长，试错成本高昂传统钢材研发靠经验试错，几十种元素反复配比，熔炼、测试、调整循环往复，一种稳定的高端钢材少则五六年，多则十几年才能定型，成本高、成功率低。生产效率受限，人工干预频繁轧钢生产各环节如温度控制、板形调整等高度依赖人工经验，例如传统锌层厚度控制依赖经验补偿，退火炉温度控制易受工况时变影响，导致人工干预量大，生产效率低下。数据孤岛严重，协同优化困难传统轧钢产线设备与系统相对独立，数据采集不全面、不实时，形成数据孤岛，难以实现全流程跨工序、跨尺度的数据融合与协同优化，制约整体生产效率提升。传统轧钢生产的痛点与挑战国家"人工智能+"战略与行业政策支持

国家战略层面部署2026年政府工作报告将"人工智能+"行动作为培育新质生产力的核心抓手，强调科技创新与产业创新深度融合，推动传统产业数字化转型从"形式化应用"向"实质性增效"跨越。

"十五五"规划纲要核心要求"十五五"规划《纲要（草案）》明确提出"深化拓展人工智能+"，"促进实体经济和数字经济深度融合"，推行普惠性"上云用数赋智"服务，强化企业创新主体地位，支持科技领军企业牵头组建创新联合体。

政策导向与价值创造政策导向清晰指明：钢铁行业的AI应用必须紧扣产业全流程降本、提质、减碳、安全等核心需求，以高质量数据要素为基础，杜绝脱离实际的"技术秀"，真正将人工智能有效嵌入各环节，成为推动产业高质量升级、培育新质生产力的核心"技术引擎"。

地方政策积极响应各地方积极响应国家战略，如广西发布《广西深入实施"人工智能+"三年行动方案（2026—2028年）》，明确提出推动产业全要素智能化升级，助力传统制造业改造提升和质量增效，为钢铁等传统产业智能化转型提供了具体指引和支持。智能轧钢技术发展趋势与价值定位发展趋势一：全流程数智化协同深化从单一工序智能控制向全流程数智化协同发展，构建“AI大模型+机理模型深度融合”的技术架构，实现从研发设计到生产管控的一体化智能决策，如宝钢正推进产线向L4/L5级智驾升级。发展趋势二：绿色低碳与智能控制深度融合将低碳目标纳入智能轧钢优化决策，通过AI算法优化能耗、减少排放，如柳钢焦化工序应用智能燃烧策略年节约高炉煤气1.3亿Nm³，推动氢冶金等低碳技术与AI模型结合实现工艺参数优化。发展趋势三：数据要素潜能充分释放通过数据治理构建高质量数据基座，激活数据要素价值，打造“钢铁业务大模型”，实现从“经验驱动”到“数据驱动”的转变，如唐钢一体化生产排程大模型依托海量数据实现生产资源最优配置。价值定位：赋能钢铁产业高质量发展核心引擎智能轧钢技术是钢铁行业培育新质生产力的关键抓手，通过提质（如板形精度提升20%）、降本（如吨钢成本节约2元以上）、增效（如生产效率提升20%-30%）、减碳（如吨钢碳排放减5公斤），推动行业向高端化、智能化、绿色化转型。AI赋能轧钢生产全流程技术架构02AI+精准控制技术体系构建

整体架构：AI大模型与机理模型深度融合聚焦轧钢生产全流程，构建新一代精准控制技术架构，研发覆盖热连轧、冷轧、连续退火、连续镀锌等核心工序的AI智能体矩阵，实现各工序控制的智能化、协同化与精准化。

核心目标：破解五大控制难题针对冶金过程强非线性、强耦合、大滞后、时变波动等特性，解决高精度预测、AI+模型重构、多维度解耦、干扰预控及自然人行为学习五大核心难题，提升控制精度与自适应能力。

闭环体系：数据驱动的智能决策网络依托全流程数据采集与分析，构建“感知-决策-执行”的AI精准闭环控制体系，将冶金机理与生产经验转化为可计算模型，实现从经验驱动到数据驱动的转变，支撑复杂场景高效适配与稳定迭代。数据驱动的轧钢智能决策平台

01平台架构：打通数据孤岛，构建智能闭环构建“统一数据层—能力服务层—用户交互层”三层架构，整合轧钢全流程数据，实现数据驱动的“感知-决策-执行”智能闭环，破解系统竖井与数据孤岛难题。

02核心功能：全流程参数优化与质量预测集成工艺参数优化、产品质量预测、设备故障预警等功能，如宝钢AI助手“智宝”可深度融入业务系统，自动执行复杂流程，支撑轧钢生产全环节智能决策。

03数据治理：夯实高质量数据基座统筹推进算力设施、算法迭代与数据供给，实现生产、研发、管理数据标准化管理，如北科工研AI模型通过数据治理，在多家钢铁企业快速适配不同产线。

04应用成效：效率提升与成本降低宝钢股份AI场景累计创效超2.7亿元，轧钢生产效率提升30%-50%，如酸轧生产节奏AI控制使频繁升降速次数降低50%以上，非计划停机减少20%。冶金机理与AI算法的深度融合路径01构建“AI大模型+机理模型”融合架构聚焦轧钢生产全流程，打造AI精准闭环控制体系框架，研发覆盖热连轧、冷轧、连续退火、连续镀锌等核心工序的AI智能体矩阵，实现各工序控制的智能化、协同化与精准化。02多维度解耦与干扰预控技术通过AI算法分离被控对象的特征、任务与模态等耦合特性，实现精准拆解与可控生成。同时，实时识别、检测与分类数据干扰，采用预控机制保障数据可信与决策可靠，提升模型泛化能力与复杂场景适配性。03自然人行为学习与动态寻优依托强化学习、路径规划及动态寻优技术，结合海量数据感知与理解人类行为模式，经算法建模与迭代优化，提升控制系统决策能力。解决被控对象强非线性、参数时变、多变量耦合难题，实现更自然智能的控制表现。04全流程数据驱动与工艺知识沉淀整合轧钢全流程200+核心参数，构建数字研发专用工艺知识图谱和高质量数据集，将分散的工艺设计经验转化为可计算、可推理的工艺知识模型。实现从“经验依赖”到“数据驱动”、从“物理试错”到“虚拟验证”的转变，支撑工艺持续优化与知识复用。AI在轧钢核心工序的创新应用03热连轧AI智能控制与参数优化AI驱动轧制节奏动态优化基于LSTM与强化学习算法，构建轧制节奏动态优化控制模型，感知操作人员行为特征、机组运行状态、热轧原料特征，实时预测并自适应调整最优生产节奏曲线。实践表明，可使频繁升降速次数降低50%以上，非计划停机减少20%，保障机组产量稳步提升。轧制参数智能寻优与效率提升传统热轧参数调整依赖工程师翻手册、做上百次实验，耗时约5天；引入AI后，通过算法4小时即可算出最优解，效率提升30倍，显著缩短生产准备时间，提升轧制过程的连续性与稳定性。板形多目标横纵向智能解耦控制依托AI算法构建多维度板形智能诊断分析系统，实现带钢全长板形参数实时分析与异常报警，精准识别全流程高次断面和高次浪形。融合板形控制机理模型与AI算法，形成“参数估计-误差建模-稳健补偿”智能闭环，凸度预测偏差≤10μm精度提升12%以上，人工干预量减少65%以上。冷轧板形多目标精准控制技术传统板形控制的核心痛点板带凸度和平直度强耦合，热轧、冷轧、连续热处理前后工序遗传，板形质量与工况稳定性存在耦合，板形质量综合控制高度依靠专家经验。AI赋能的多维度解耦方案依托AI算法构建多维度板形智能诊断分析系统，实现带钢全长板形参数实时分析与异常报警，精准识别全流程高次断面和高次浪形。采用基于径向基函数的相似度评估方法实现全生命周期内板形演变分析，融合板形控制机理模型与AI算法，形成“参数估计-误差建模-稳健补偿”智能闭环。显著应用成效解决了传统机理模型与复杂工况难以匹配的问题，凸度预测偏差≤10μm精度提升12%以上，人工干预量减少65%以上。高次浪形识别准确率达95%以上，全流程板形问题溯源效率提升70%以上，人工分析工作量减少80%以上。传统控制模式的痛点带钢连续退火炉存在强非线性、炉温板温炉内介质强耦合等特点，传统炉温控制模型难以应对工况时变、带钢规格频繁变化等复杂情况，导致板温波动大、性能不稳定，容易产生带钢热瓢曲和带钢跑偏事故。AI赋能的技术突破突破传统控制对数学模型的依赖，采用动态系统函数寻优模型，综合考虑炉区温度、带钢特性、产品质量及过渡边界，结合生产计划动态优化模型，构建板温大延时规划控制模型，动态预控烧嘴开度、加热功率及冷却风机功率，实现自适应精准控温和稳定过渡。显著应用效果带钢温度控制精度显著提升，稳态下带温命中率达到99.5%；过渡阶段人工干预大幅减少，带温命中率显著提升至90%以上。连续退火炉温度AI动态规划模型镀锌锌层厚度AI预测与预控系统

传统控制痛点：依赖经验与滞后性锌层厚度在线检测滞后，传统控制依赖经验，难以解决速度、锌温、气刀参数等多因素影响，导致锌层厚度偏差大、均匀性差。

AI赋能：GPR模型架构实现精准预测与反向预控整合气刀参数、锌温、带钢速度等数据，采用高斯过程回归GPR模型架构，挖掘非线性关系实现精准预测锌层厚度并反向预控气刀参数，克服传统控制滞后性。

应用效果：精度提升与成本降低锌层厚度控制精度在±1.5g/m²以内占比超95%；显著降低锌原料浪费，吨钢锌耗降低2-4kg，提升产品竞争力。机器视觉在轧钢质量检测中的应用04钢坯身份识别与全流程追溯系统AI机器视觉板坯自动识别系统在钢坯进入轧钢厂时，AI机器视觉系统启动，精准识别每一个板坯的“身份信息”并自动录入生产系统，替代传统人工手动录入，确保产品源头可追溯，识别准确率远超人工操作。智能喷印机器人实现精准“烙印”钢铁成品完成轧制下线后，智能喷印机器人可在高温或冷却状态下，精准、清晰地为每件产品烙印钢卷号、规格、炉号等生产信息，形成产品“数字身份证”，保障后续全流程可追溯与高效流通。数据驱动的全流程追溯管理通过集控中心的生产过程数据采集系统，实时掌控钢坯从浇铸、轧制到成品的每一道工序运行动态，结合钢坯身份信息与生产数据，构建完整的产品全生命周期追溯链条，提升管理精度与响应速度。传统人工检测的痛点与挑战传统带钢表面缺陷检测依赖人工肉眼，存在效率低、劳动强度大、漏检误检率高、检测标准不一等问题，难以满足高质量生产需求。AI视觉检测技术的核心优势AI视觉检测技术通过高清摄像头与深度学习算法，实现对带钢表面缺陷的自动识别与分类，具有检测速度快、精度高（可达0.02毫米分辨率）、24小时不间断工作等优势。典型应用案例与成效宝钢股份云表检系统依托云边端协同技术，缺陷检出率超90%，并建成百万级缺陷样本库；梧州鑫峰特钢冷轧线部署视觉识别系统，缺陷检出率较人工提升40%；柳钢防城港基地通过AI质量管控平台将冷镦钢开裂比例从6.2%降至0.31%。技术架构与未来发展趋势AI表面缺陷检测技术架构通常包括图像采集、预处理、特征提取、缺陷识别与分类等模块。未来将向更高分辨率、更强泛化能力、与生产工艺深度融合的方向发展，助力全流程质量追溯与持续改进。带钢表面缺陷AI检测技术与应用轧制精度在线监测与实时调整方案机器视觉辅助板型在线监测

重庆钢铁轧钢生产线采用“机器视觉辅助板型系统”，以0.02毫米的分辨率扫描产品，实时捕捉轧制形态偏差数据，检测不合格板型，轧制产品精度提升近5%，达到98.15%。AI模型驱动参数实时优化

北科工研构建“AI大模型+机理模型深度融合”架构，如镀锌锌层厚度AI控制采用高斯过程回归GPR模型，反向预控气刀参数，锌层厚度控制精度在±1.5g/m²以内占比超95%，吨钢锌耗降低2-4kg。多维度解耦控制提升稳定性

针对板带凸度和平直度强耦合问题，采用基于径向基函数的相似度评估方法，实现全生命周期板形演变分析，凸度预测偏差≤10μm精度提升12%以上，人工干预量减少65%以上，高次浪形识别准确率达95%以上。干扰预控保障工艺稳定性

唐钢加热炉智能燃烧控制模型能精准适配多品种、小批量生产需求；重庆钢铁通过AI算法实时识别数据干扰，轧机参数调整及时反馈，减少非计划停机，保障产线连续稳定运行。AI驱动的轧钢生产效率与成本优化05酸轧生产节奏智能优化控制

传统酸轧生产节奏控制痛点酸轧机组生产节奏稳定性差，传统人工经验控制易受原料波动、设备状态影响，操作人员预留量大；传统全自动控制逻辑僵化，影响产量和生产稳定性。

AI赋能酸轧生产节奏控制技术路径基于LSTM与强化学习算法，感知操作人员行为特征、机组运行状态、热轧原料特征，构建轧制节奏动态优化控制模型，实时预测并自适应调整最优生产节奏曲线，完成“感知-决策-执行”复杂闭环控制与自学习优化。

酸轧生产节奏智能优化控制成效生产节奏稳定性有效提升，频繁升降速次数降低50%以上，非计划停机减少20%，保障机组产量的稳步提升，实现酸轧全产线的智能节奏控制。轧钢全流程能耗AI优化策略

01智能燃烧控制：加热炉能效提升唐钢加热炉智能燃烧控制模型，精准适配多品种、小批量、定制化生产需求，实现燃料消耗优化与加热效率提升。

02工序协同优化：余能回收与梯级利用唐钢研发团队将节能环保因素纳入排程决策，通过峰谷用电调度降低电力成本，研究余能综合利用及储能技术，精准匹配介质供应。

03设备能耗监控：关键设备能效实时优化AI技术实时监控轧机、电机等关键设备能耗，通过参数动态调整实现设备高效运行，减少无效能耗，如钢卷小车横移电机异常的及时维修与能效恢复。

04低碳工艺模型：氢冶金等前沿技术参数优化广西钢铁企业与科研院所合作氢冶金研究项目，依托AI模型开展工艺参数优化，推动低碳技术迭代升级，助力吨钢碳排放强度下降。AI驱动的一体化生产排程大模型唐钢研发的一体化生产排程大模型，整合海量生产数据与深度智能分析算法，可在几秒内动态优化排产方案，实现生产资源最优配置。其上岗后，原料库存周转用时缩短50%，热轧产品生产周期缩短近30%，订单准时交付率达100%。生产异常的快速响应与路径重规划面对设备临时故障等突发状况，智能排产系统能在10分钟内重新规划生产路径，确保其他订单不受影响，彻底改变传统排程效率低、易导致库存积压和交付延期的局面，提升生产效率20%。融合节能环保因素的智能决策智能排产系统正进一步优化，将峰谷用电调度、余能综合利用及储能技术纳入排程决策，精准匹配介质供应，降低电力成本，提升资源利用效率，助力钢铁生产向绿色低碳方向发展。智能排产与资源协同调度系统典型企业AI轧钢应用案例分析06宝钢股份AI标杆产线建设实践全业务链条AI深度融合截至2026年4月，AI技术已全面融入宝钢股份营销、制造管理及炼铁、炼钢、热轧、冷轧、硅钢等全业务链条与核心生产工序，累计建成投运AI场景600余个、智能体100余个。AI标杆产线与智能工厂成果宝钢股份成功打造AI标杆产线5条，旗下四大基地获评工信部"卓越级智能工厂"，高端绿色硅钢预测式制造智能工厂入选国家首批"领航级智能工厂"培育名单。核心工序AI应用突破性成效高炉AI炉长关键指标预测命中率突破90%，单座高炉年降本超千万元；硅钢AI主操使板形精度提升20%、断带率下降65%，年创效益超1700万元；转炉、热轧、冷轧AI主操在精度、成本、质量等维度全面优化。AI赋能体系与行业贡献构建新一代全域智能架构BaoAIArts，破解系统竖井与数据孤岛痛点。发布《宝钢股份AI场景白皮书（2026版）》，覆盖6大业务环节、23个场景分类，支撑582项AI场景落地，累计创效超2.7亿元，并向行业输出产线"智驾"分级标准等成果。唐钢一体化生产排程大模型应用大模型核心能力：数据驱动的智能调度唐钢一体化生产排程大模型掌握13万余个知识点，熟读3800多万字冶金规范知识库，整合建厂以来数据，结合深度智能分析算法，能实时分析订单周期、设备状态、原料库存等动态数据，秒级算出最优生产路径。生产效率与管理优化成效该模型投用后，唐钢原料库存周转用时缩短50%，热轧产品生产周期缩短近30%，产品库存下降15%，订单准时交付率达到100%，生产效率提升20%，有效解决传统人工排程效率低、工序衔接不畅导致的库存积压和交付延期问题。动态响应与未来优化方向面对设备故障等突发情况，模型可在10分钟内重新规划生产路径，保障生产连续性。未来将进一步优化，纳入节能环保因素，通过峰谷用电调度降低电力成本，研究余能综合利用及储能技术，实现资源更高效利用。机器视觉赋能生产全流程精准化AI机器视觉系统实现板坯身份信息自动识别与录入，替代人工操作，提升效率；轧机上的机器视觉辅助板型系统实时检测并调整轧制形态偏差，轧机上的“机器视觉辅助板型系统”摄影头，宛如一双双“慧眼”，及时检测出轧制不合格的钢坯板型，并把实时捕捉到的轧制形态偏差数据进行参数调整，及时反馈给接下来的生产流程，确保每一块钢坯成品精美成型。智能机器人提升作业效率与质量追溯智能喷印机器人替代人工高温喷印，精准烙印钢卷号、规格等生产信息，保障产品全流程可追溯，成为钢铁产品的“数字身份证”，它将为后续产品分拣、仓储、运输及使用提供充分的信息保障，让产品全流程实现可追溯、可管理。集控中心实现生产全局智能管控通过“一线一室远程集控”整合分散工序，技术人员依托AI数据驱动的集控中心，实时查看生产数据、调整参数，大幅提升生产响应速度和管理精度，热卷生产线自动化率和智能化率显著提高。关键生产指标显著优化机器视觉设备投用后，轧制产品精度达到98.15%，相比人工操作提升近5%，高温环境下生产省时省力，钢铁工业焕发出新活力。重庆钢铁轧钢智能工厂转型成效北科工研AI精准控制技术推广成果国内推广覆盖多家龙头企业板带热连轧新一代AI+精准控制模型已在国内数十家钢铁企业得到应用；冷轧AI+精准控制模型已在鞍钢、本钢、攀钢西昌、马钢、涟钢等多家钢铁企业成功落地。技术辐射范围延伸至海外北科工研AI精准控制技术不仅在国内广泛应用，还推广到中国台湾地区以及韩国浦项等海外钢铁企业，展现出较强的国际竞争力和技术输出能力。模型通用性强适配效率高研发的AI精准控制模型通用性强，可快速适配不同产线，助力钢铁企业实现提质增效与智能化转型，核心技术可拓展至金属轧制及流程工业。AI轧钢技术的效益分析与价值体现07产品质量提升与稳定性改善数据

板形控制精度显著提升AI多维度解耦控制技术使凸度预测偏差≤10μm精度提升12%以上，高次浪形识别准确率达95%以上，硅钢板形精度提升20%。

关键工艺参数控制精准度飞跃镀锌锌层厚度控制精度在±1.5g/m²以内占比超95%；退火炉稳态下带温命中率达到99.5%，过渡阶段带温命中率显著提升至90%以上；锌锅温度波动缩小至±1.5℃。

产品合格率与缺陷率优化柳钢热轧质检合格率冲到99.90%；山钢AI连铸坯检测系统缺陷识别准确率98.01%；重庆钢铁轧制产品精度达到98.15%，较人工操作提升近5%；锌锅温度AI控制使外观缺陷率降低40%，柳钢冷镦钢开裂比例从6.2%降至0.31%。

生产稳定性与事故率降低硅钢断带率下降65%；酸轧生产频繁升降速次数降低50%以上，非计划停机减少20%；退火炉带钢热瓢曲和跑偏事故大幅减少。生产效率提升与成本降低量化分析

研发周期大幅缩短，效率提升显著AI技术使新钢材研发周期从传统的五到十年缩短至两个月，效率提升超80%。例如，小米“数字炼钢”针对2443万种配方组合，AI在虚拟世界模拟百万次，两周锁定2200兆帕超强钢最优方案。

生产参数优化效率倍增，能耗降低传统调一次热轧参数需5天，AI仅用4小时算出最优解，效率提升30倍。宝钢单座AI智慧高炉吨钢燃料比降2公斤，年降本超千万元，全行业AI应用一年能省超10亿成本。

产品质量与成材率提升，资源浪费减少AI应用使铁水温度、硫含量合格率稳在90%以上，山钢AI连铸坯检测系统缺陷识别准确率98.01%。重庆钢铁轧机在机器视觉辅助下，轧制产品精度达到98.15%，较人工操作提升近5%。

绿色低碳成效显著，减排降碳双丰收AI优化燃料消耗，使吨钢碳排放减5公斤，单高炉年减排数万吨。柳钢“玄铁”大模型智慧配煤年省1400万，唐钢智慧转炉炼钢模型综合能耗减少约10%，吨钢成本节约2元以上。燃料消耗与碳排放双下降AI技术助力钢铁企业实现燃料消耗与碳排放显著降低。如宝钢单座高炉应用AI后，吨钢燃料比降低2公斤，年降本超千万元，同时吨钢碳排放减少5公斤，单高炉年减排数万吨。能源利用效率大幅提升唐钢通过智慧转炉炼钢模型及相关智能化技术，综合能耗减少约10%，吨钢综合能耗降至540千克标煤，达到国际先进水平。柳钢在焦化工序