大数据技术在长流程炼钢过程质量控制中的应用及展望

赵 欣茹, 赵 国伟, 王 雨婵, 付 祎璐, 赵 卓卿
华北理工大学

摘要


传统冶金生产流程存在能耗高、污染大、质量控制复杂等瓶颈，亟需通过数字化手段实现能效优化与绿色
转型，工业大数据已成为冶金行业转型的核心突破口。大数据技术通过对多源异构生产数据的全域采集、治理与智
能分析，为冶金质量控制提供了从“经验驱动”向“数据智能”转型的核心支撑。本文系统梳理大数据技术在冶金
行业质量控制中的技术架构与核心环节，分析了在烧结配矿、炼铁、炼钢、连铸、轧制及成品检验等全流程场景的
应用实践，深入探讨当前面临的数据治理、模型融合、算力与安全等挑战，并展望数字孪生、垂类大模型、边缘-
云端协同等未来发展方向，为冶金行业智能化质量管控提供理论参考与实践路径。

关键词


大数据；冶金行业；质量控制；人工智能；数字孪生；全流程管控

全文:

PDF


参考


[1]齐英瑛.双碳目标下中国能源转型路径研究[D].

四川大学，2025.

[2]魏晨阳.“双碳”背景下H钢铁企业发展战略研究[D].山东财经大学，2025.

[3]杨晓菲，商玉林.钢铁企业智能化集中管控平台的

设计与实现分析[J].冶金与材料，2019，39（2）：184-185.

[4]Huang X, Liu Z, Zhang X, et al. Surface damage

detection for steel wire ropes using deep learning and

computer vision techniques[J]. Measurement, 2020: 107843.

[5]陈启鹏.面向数字孪生的自动化产线制造过程状

态监测关键技术研究[D].贵阳：贵州大学，2021.

[6]Zhou Heng, Yang Chunjie, Sun Youxian. Intelligent

ironmaking optimization service on a cloud computing

platform by digital twin [ J ]. Engineering, 2021, 7(9):1274.

[7]Jia L, Junping X, Obaid A, et al.Design and

Implementation of an Efficient Electronic Bank Management

Information System Based Data Warehouse and Data Mining

Processing[J].Information Processing and Management, 2022,

59(6).

[8]Yassine R, Omar B, Doulkifli B, et al.Building a

novel physical design of a distributed big data warehouse

over a Hadoop cluster to enhance OLAP cube query

performance[J].Parallel Computing, 2022, :102918.

[9]Marco V, Valentina C, Matteo C, et al.Artificial

Intelligence Approaches For The Ladle Predictive

Maintenance In Electric Steel Plant[J].IFAC PapersOnLine,

2022, 55(2):331-336.

[10]Hanen B, Ben A A, Nedra M, et al.Multidimensional

architecture using a massive and heterogeneous data:

Application to drought monitoring[J].Future Generation

Computer Systems, 2022, 1361-14.

[11]Nikhil J, Hendrik J W, Ernst W, et al.How keyenabling technologies’regimes influence sociotechnical

transitions: The impact of artificial intelligence on

decarbonization in the steel industry[J].Journal of Cleaner

Production, 2022, 370.

[12]Lorvão A A, Elsa C, José B .Incorporation of

Ontologies in Data Warehouse/Business Intelligence Systems

- A Systematic Literature Review[J].International Journal of

Information Management Data Insights, 2022, 2(2).

[13]张学锋，闻亦昕，熊大林，等.面向智能烧结的

机尾断面烧结矿FeO预测研究[J].钢铁研究学报，2024，

36（05）：580-588.

[14]李中正，吴朝霞，王金杨，等.基于特征优选的GA-BiLSTM烧结矿中FeO含量预测模型[J/OL].东北大

学学报（自然科学版），1-10[2026-03-25].

[15]段一凡，刘然，刘小杰，等.知识图谱在高炉

专家系统中的应用前景[J].中国冶金，2025，35（09）：

150-164.

[16]侯 建 勇， 王 冬 寒， 焦 峰 斌， 等 . 大 数 据 技 术

在智能炼铁生产中的应用 [J]. 冶金动力，2022，（01）：

105-109.[17]Shuai L, Jincai C, Mansheng C, et al.A blast furnace

coke ratio prediction model based on fuzzy cluster and

grid search optimized support vector regression[J].Applied

Intelligence, 2022, 52(12):13533-13542.

[18]Longyao Z, Kexin J, Lei Z, et al.Prediction of Blast

Furnace Fuel Ratio Based on Back‐Propagation Neural

Network and K‐Nearest Neighbor Algorithm[J].steel research

international, 2022, 93(10).




DOI: http://dx.doi.org/10.12361/2661-3654-08-03-160433

Refbacks

  • 当前没有refback。