01 研究背景

鐵水預(yù)處理是復(fù)雜的渣-金-氣的多相反應(yīng)，伴隨著復(fù)雜的物理變化和化學(xué)反應(yīng)，各個(gè)反應(yīng)參量之間存在極其復(fù)雜的非線性關(guān)系，因而對(duì)該過(guò)程的精準(zhǔn)控制非常困難。傳統(tǒng)的冶煉工藝設(shè)計(jì)主要依賴工程師的專業(yè)知識(shí)，通過(guò)實(shí)驗(yàn)試錯(cuò)的方式進(jìn)行冶煉工藝設(shè)計(jì)，成本高且周期長(zhǎng)，亟需通過(guò)變革研究方法加速生產(chǎn)工藝的優(yōu)化設(shè)計(jì)。高精度的模型是保障鐵水預(yù)處理脫硫過(guò)程精確控制的核心。本文針對(duì)鐵水預(yù)處理脫硫模型研究展開(kāi)綜述，對(duì)現(xiàn)有的模型進(jìn)行分類和總結(jié)，指出目前需要解決的關(guān)鍵問(wèn)題。

02 國(guó)內(nèi)外研究現(xiàn)狀

目前針對(duì)鐵水預(yù)處理脫硫過(guò)程廣泛使用的模型包括：機(jī)理模型、統(tǒng)計(jì)回歸模型、專家系統(tǒng)、機(jī)器學(xué)習(xí)模型。

1）機(jī)理模型鐵水預(yù)處理脫硫過(guò)程的機(jī)理模型是基于物料平衡、熱平衡以及冶金學(xué)原理，在一定的假設(shè)條件下，通過(guò)理論推導(dǎo)和反應(yīng)方程式確定各變量之間關(guān)系，建立反應(yīng)輸入?yún)?shù)與輸出參數(shù)之間關(guān)系的模型。研究者從脫硫反應(yīng)機(jī)理出發(fā)，分析鐵水狀態(tài)和冶煉工藝參數(shù)之間的關(guān)系，研究了鐵水預(yù)處理過(guò)程脫硫動(dòng)力學(xué)模型、脫硫反應(yīng)熱力學(xué)驅(qū)動(dòng)力模型、鐵水溫降與脫硫劑用量及鐵水成分含量的對(duì)應(yīng)關(guān)系模型等，模擬鐵水脫硫過(guò)程成分含量以及鐵水狀態(tài)的演變。

在實(shí)際的鐵水預(yù)處理過(guò)程中，機(jī)理模型的性能主要由操作工藝規(guī)程、鐵水成分含量以及設(shè)備運(yùn)行的穩(wěn)定性來(lái)決定，目前的建模工作均對(duì)脫硫反應(yīng)的熱力學(xué)及動(dòng)力學(xué)行為做了不同程度的簡(jiǎn)化。高爐鐵水的狀態(tài)復(fù)雜，生產(chǎn)過(guò)程中受到的干擾因素繁多，例如迸濺的鐵水液滴、脫硫劑的粘附行為對(duì)脫硫效果的影響等，無(wú)法將其全部考慮到模型中；機(jī)理模型中的參數(shù)如鐵水中元素的傳質(zhì)系數(shù)和鐵水與脫硫劑的反應(yīng)界面面積隨時(shí)間的動(dòng)態(tài)變化等難以確定，要從理論上求解相當(dāng)困難；基于目前的探測(cè)技術(shù)，高溫環(huán)境下實(shí)現(xiàn)對(duì)鐵水與礦渣的精確組成配比以及鐵水溫度的波動(dòng)等過(guò)程參數(shù)的直接測(cè)量難度很大。這些問(wèn)題是阻礙機(jī)理模型發(fā)展的主要因素。

2）統(tǒng)計(jì)回歸模型統(tǒng)計(jì)回歸模型是基于觀測(cè)數(shù)據(jù)構(gòu)建的數(shù)學(xué)模型，擬合觀測(cè)數(shù)據(jù)，并推斷目標(biāo)未知數(shù)據(jù)?；貧w模型的優(yōu)勢(shì)在于其參數(shù)具有解釋性，可以幫助理解變量之間的關(guān)系及其影響的方向。由于鐵水內(nèi)部動(dòng)態(tài)規(guī)律的復(fù)雜性以及目前研究程度的限制，部分情況下無(wú)法構(gòu)建機(jī)理模型，近年來(lái)許多研究者將統(tǒng)計(jì)回歸的思想應(yīng)用于鐵水脫硫過(guò)程的建模。其構(gòu)造的統(tǒng)計(jì)回歸模型主要依托脫硫劑單耗、脫硫工藝參數(shù)、鐵水內(nèi)元素含量等參數(shù)實(shí)現(xiàn)對(duì)終點(diǎn)脫硫率的回歸分析。

對(duì)于鐵水預(yù)處理過(guò)程，統(tǒng)計(jì)回歸模型的局限性主要表現(xiàn)在以下兩個(gè)方面：回歸分析對(duì)一些假設(shè)條件較為敏感，如數(shù)據(jù)的正態(tài)性、同方差性等，對(duì)應(yīng)鐵水脫硫過(guò)程各類問(wèn)題采用的假設(shè)條件和回歸方法均不同，導(dǎo)致經(jīng)驗(yàn)公式繁多且不一致；簡(jiǎn)單的回歸模型難以適應(yīng)鐵水原材料及爐況的復(fù)雜變化，部分情況中預(yù)報(bào)精度不達(dá)標(biāo)。因此，構(gòu)造高精度的脫硫預(yù)報(bào)統(tǒng)計(jì)回歸模型難度較大。

3）專家系統(tǒng)專家系統(tǒng)是一種基于知識(shí)的計(jì)算機(jī)系統(tǒng)，通過(guò)將專家的知識(shí)嵌入系統(tǒng)中，模擬專家的決策過(guò)程。在鐵水預(yù)處理脫硫過(guò)程中，專家系統(tǒng)通過(guò)獲取專家知識(shí)，利用推理機(jī)制進(jìn)行問(wèn)題求解，提供決策支持和智能化控制。通過(guò)專家系統(tǒng)對(duì)鐵水預(yù)脫硫過(guò)程的模擬，可以實(shí)現(xiàn)脫硫過(guò)程的知識(shí)融合、監(jiān)督生產(chǎn)的實(shí)時(shí)決策、系統(tǒng)故障的定位診斷和基于數(shù)據(jù)更新的自學(xué)習(xí)等。在生產(chǎn)應(yīng)用中，許多研究者實(shí)現(xiàn)了脫硫劑配比用量的指導(dǎo)以及脫硫工藝參數(shù)的優(yōu)化。例如可以通過(guò)鐵水硫含量和目標(biāo)硫含量等參數(shù)自動(dòng)計(jì)算本爐噴吹時(shí)間、供鎂速度等工藝參數(shù)。專家的合作程度、經(jīng)驗(yàn)豐富度是影響專家系統(tǒng)預(yù)測(cè)效果的重要因素；每個(gè)專家給出的結(jié)論可能大相徑庭，故開(kāi)發(fā)一個(gè)嚴(yán)謹(jǐn)?shù)膶＜蚁到y(tǒng)困難且費(fèi)時(shí)；專家系統(tǒng)的構(gòu)造需要設(shè)計(jì)大量規(guī)則，但人為可考慮的范圍總是有限的；專家系統(tǒng)解決問(wèn)題的范圍是特定的且不具備可移植性，模型面對(duì)超出知識(shí)庫(kù)范圍的問(wèn)題預(yù)測(cè)性能將顯著下降。因此，專家系統(tǒng)在鋼鐵冶金預(yù)報(bào)控制方面的應(yīng)用和發(fā)展受到相應(yīng)限制。4）機(jī)器學(xué)習(xí)模型隨著Alpha Go、Chat GPT等人工智能模型的誕生，以數(shù)據(jù)為核心的智能化模型引起了研究人員的廣泛關(guān)注?；诖罅康蔫F水預(yù)處理過(guò)程數(shù)據(jù)，采用機(jī)器學(xué)習(xí)方法建立輸入變量與輸出變量之間的映射關(guān)系，可以不通過(guò)建立條件假設(shè)而只基于數(shù)據(jù)，將機(jī)理模型中無(wú)法包含的異構(gòu)數(shù)據(jù)用于建模，從而在實(shí)際生產(chǎn)中實(shí)現(xiàn)更精確的預(yù)測(cè)。與其他模型相比，對(duì)于模擬鐵水脫硫處理這一復(fù)雜的、非線性的生產(chǎn)過(guò)程，采用機(jī)器學(xué)習(xí)方法的人工智能模型具有更高的精度和適應(yīng)性。構(gòu)建鐵水預(yù)脫硫機(jī)器學(xué)習(xí)模型可以用于有效指導(dǎo)脫硫劑的投放配比及添加量。吳思煒等利用深度學(xué)習(xí)算法預(yù)測(cè)KR機(jī)械攪拌脫硫過(guò)程石灰的利用率，將一維數(shù)據(jù)轉(zhuǎn)為二維數(shù)據(jù)作為卷積神經(jīng)網(wǎng)絡(luò)的圖像輸入，采用貝葉斯優(yōu)化算法尋找模型的最優(yōu)超參數(shù)以提高模型性能。圖1所示為模型的網(wǎng)絡(luò)結(jié)構(gòu)以及石灰利用率預(yù)測(cè)結(jié)果，采用3個(gè)卷積層的ReLU函數(shù)作為激活函數(shù)，卷積核數(shù)目分別設(shè)置為8、16和32，第一個(gè)全連接層中設(shè)置100個(gè)隱藏神經(jīng)元，第二個(gè)全連接層設(shè)1個(gè)隱藏神經(jīng)元。

針對(duì)鐵水預(yù)處理脫硫過(guò)程建立機(jī)器學(xué)習(xí)模型，其建模效果最主要的影響因素是數(shù)據(jù)的規(guī)模和質(zhì)量。數(shù)據(jù)采集不完備或者過(guò)多的異常值都會(huì)導(dǎo)致模型無(wú)法包含全面、準(zhǔn)確的信息。此外，數(shù)據(jù)的時(shí)效性、數(shù)據(jù)的特征選擇以及數(shù)據(jù)分布的多樣性與均衡性等問(wèn)題也會(huì)影響到建模效果，因此數(shù)據(jù)質(zhì)量是影響機(jī)器學(xué)習(xí)模型建模效果的關(guān)鍵。

03 發(fā)展趨勢(shì)展望

為滿足鐵水預(yù)處理精確控制的需求，該流程的模型應(yīng)用圍繞鐵水預(yù)處理終點(diǎn)硫含量與脫硫率預(yù)測(cè)、鐵水預(yù)處理工藝參數(shù)預(yù)測(cè)及優(yōu)化模型、鐵水預(yù)處理脫硫劑耗量與利用率預(yù)測(cè)不斷深入研究，取得了一定成效。隨著建模技術(shù)的發(fā)展，研究人員有望解決更多復(fù)雜情況下的建模問(wèn)題，預(yù)計(jì)今后一段時(shí)間內(nèi)的研究方向可能如下。

1）工業(yè)數(shù)據(jù)治理。工業(yè)生產(chǎn)數(shù)據(jù)包含了各個(gè)反應(yīng)參量間的相關(guān)性規(guī)律和實(shí)際生產(chǎn)的規(guī)律，是模型的研究基礎(chǔ)，獲得能夠真實(shí)反映鐵水預(yù)處理過(guò)程生產(chǎn)規(guī)律的真實(shí)和全面的數(shù)據(jù)至關(guān)重要。在采集離線數(shù)據(jù)的過(guò)程中會(huì)由于各種問(wèn)題導(dǎo)致實(shí)際生產(chǎn)數(shù)據(jù)出現(xiàn)缺失值、異常值、數(shù)據(jù)分布不均衡等問(wèn)題，導(dǎo)致模型的準(zhǔn)確性和魯棒性較差。為了避免數(shù)據(jù)分析工作功虧一簣，應(yīng)在建模前對(duì)數(shù)據(jù)進(jìn)行適當(dāng)?shù)念A(yù)處理。

2）機(jī)器學(xué)習(xí)模型中機(jī)器學(xué)習(xí)算法選擇。目前國(guó)內(nèi)外研究者將各類繁多的機(jī)器學(xué)習(xí)算法應(yīng)用于鐵水預(yù)脫硫過(guò)程，如何在眾多算法中選擇調(diào)用最適合于鐵水預(yù)處理過(guò)程的機(jī)器學(xué)習(xí)模型成為值得研究的問(wèn)題。此外，針對(duì)鐵水預(yù)處理脫硫模型進(jìn)行超參數(shù)優(yōu)化的研究還較少，通常是憑借經(jīng)驗(yàn)調(diào)整參數(shù)以使模型的“泛化誤差+偏差”達(dá)到最小來(lái)保證模型的最佳預(yù)測(cè)性能。當(dāng)多個(gè)超參數(shù)同時(shí)變化時(shí)，只能通過(guò)不斷枚舉或有限的超參數(shù)尋優(yōu)方法來(lái)確定模型的最優(yōu)超參數(shù)組合。由此可見(jiàn)，機(jī)器學(xué)習(xí)的算法選擇和模型超參數(shù)的確定仍需耗費(fèi)大量的時(shí)間，迫切需要一套科學(xué)有效的方法來(lái)快速尋找最優(yōu)機(jī)器學(xué)習(xí)模型及其超參數(shù)。

3）數(shù)據(jù)加密問(wèn)題。企業(yè)的生產(chǎn)數(shù)據(jù)反映了企業(yè)的核心技術(shù)，關(guān)系著企業(yè)產(chǎn)品的質(zhì)量和科技競(jìng)爭(zhēng)力?；诠I(yè)數(shù)據(jù)的機(jī)器學(xué)習(xí)模型需要采集大量的生產(chǎn)過(guò)程數(shù)據(jù)，企業(yè)對(duì)數(shù)據(jù)開(kāi)放后的安全性存有疑慮。因此數(shù)據(jù)的加密處理是一個(gè)亟需優(yōu)化的問(wèn)題，開(kāi)發(fā)可實(shí)現(xiàn)加密數(shù)據(jù)的建模方法，包括采用聯(lián)邦學(xué)習(xí)系統(tǒng)等方式處理數(shù)據(jù)涉密問(wèn)題，實(shí)現(xiàn)數(shù)據(jù)的“可算不可見(jiàn)”，也將是一個(gè)重要的發(fā)展方向。

4）機(jī)理模型的深度細(xì)化。針對(duì)鐵水預(yù)處理過(guò)程深入理解脫硫反應(yīng)機(jī)理，研討脫硫熱力學(xué)、動(dòng)力學(xué)反應(yīng)過(guò)程，建立數(shù)學(xué)量化模型。通過(guò)采用數(shù)學(xué)量化模型解釋反應(yīng)機(jī)理、細(xì)化反應(yīng)流程，有助于更全面地理解鐵水預(yù)脫硫過(guò)程部分參量間的相關(guān)性。因此，對(duì)反應(yīng)機(jī)理的探究并將其量化是科研工作者一直追求的目標(biāo)。

5）多種模型融合。無(wú)論是機(jī)理模型、統(tǒng)計(jì)回歸模型、專家系統(tǒng)還是機(jī)器學(xué)習(xí)模型，各種模型均具有一定的局限性。實(shí)踐表明在機(jī)理模型基礎(chǔ)上，融合各個(gè)模型優(yōu)勢(shì)，引入數(shù)據(jù)驅(qū)動(dòng)的方法加以補(bǔ)充，可以有效提高模型的預(yù)測(cè)精度。首先，機(jī)器學(xué)習(xí)模型可以考慮更多機(jī)理模型無(wú)法考慮的因素（如生產(chǎn)環(huán)境的變化、設(shè)備的使用狀態(tài)等），提高模型在真實(shí)生產(chǎn)環(huán)境中的適應(yīng)性。其次，機(jī)理模型中存在一些需要依靠實(shí)驗(yàn)和經(jīng)驗(yàn)確定的參數(shù)，這些參數(shù)的確定需要輔助大量實(shí)驗(yàn)，耗費(fèi)大量時(shí)間，模型應(yīng)用至現(xiàn)場(chǎng)時(shí)還需根據(jù)現(xiàn)場(chǎng)環(huán)境進(jìn)行人工調(diào)試?？梢曰趯?shí)際生產(chǎn)數(shù)據(jù)，結(jié)合智能優(yōu)化方法快速自動(dòng)獲取最優(yōu)參考值，節(jié)省時(shí)間的同時(shí)提高了模型在工業(yè)場(chǎng)景的適用性；此外，采用數(shù)據(jù)驅(qū)動(dòng)方法建立機(jī)理模型的誤差修正模型也是在工業(yè)數(shù)據(jù)建模中始終受關(guān)注的一個(gè)問(wèn)題。綜上所述，融合不同建模方法的優(yōu)勢(shì)進(jìn)一步開(kāi)發(fā)新的模型以提升模型的實(shí)用性、適用性與泛化能力是一個(gè)值得探索的研究方向。