摘要:铁前二氧化碳排放量占钢铁工业总排放的70%以上,铁前工序减碳是实现钢铁行业“碳达峰”“碳中和”的关键。概述了现有氢冶金技术的发展现状,描述了中国钢研科技集团有限公司提出的纯氢竖炉还原工艺路线。中国钢研通过对纯氢竖炉还原工艺技术和装备进行开发,建成全球首条纯氢竖炉还原示范线;通过优化各种工艺参数,实现连续通氢运行,取得金属化率97.0%~99.4%的优良效果。开展井室炉、电弧炉和真空感应炉熔分纯氢竖炉无碳海绵铁试验,结果表明,电弧炉熔分冷压球和冷压块熔分周期较短,真空感应炉熔分气体含量明显下降,真空感应炉熔分得到的高纯铁纯度(质量分数)达到99.9%。中国钢研纯氢冶金技术为将来中国实现绿氢冶金二氧化碳低排放或零排放提供了解决方案,可预期未来氢冶金会比碳冶金更具有竞争力。

摘要:取向硅钢是高效能变压器的关键软磁材料,然而其板坯在高温再加热过程中面临严重的氧化烧损与脱碳问题,严重影响成品质量与生产效率。针对此现象,高温抗氧化防护涂层技术已成为保障取向硅钢生产与性能的核心手段之一。聚焦于防护涂层技术,系统评述了高温加热取向硅钢板坯抗氧化涂层的最新研究进展,首先阐述了取向硅钢独特的高温氧化行为及其对防护涂层的特殊要求(如高温稳定性、抗熔渣侵蚀性及优良剥离性),进而深入剖析了各类防护涂层的核心组分(高熔点陶瓷、低熔点玻璃相、功能添加剂)及其防护机制,重点探讨了涂层在高温下的多层结构演变与物理化学协同防护作用。最后,展望了未来高性能、环境友好、智能化取向硅钢防护涂层的发展方向,包括新材料体系探索、绿色制备工艺及多功能集成,旨在为提升取向硅钢产业的可持续发展水平提供理论参考与技术支撑。

摘要: 钢铁行业作为国民经济的重要支柱，面临高成本、低效率、工艺复杂等挑战，亟需通过智能化转型突破发展瓶颈。大模型技术凭借其跨模态理解、多场景泛化能力，为钢铁行业提供了数据价值深度挖掘与生产流程优化的新路径。提出了“五位一体”的钢铁行业大模型平台总体建设框架，并详细阐述了构建适应行业需求的大模型平台所需的十项关键技术。通过平台、算力、数据、模型、场景的深度协同，融合通用模型与钢铁行业知识，形成一体化、集成化的人工智能+ 钢铁解决方案，大幅降低钢铁行业模型研发门槛与成本，让人工智能技术更好融入行业。最后，结合钢铁行业的业务特点与实际探索经验，对应用场景进行了展望。

摘要: 随着材料科学研究进入第四范式，人工智能技术正重塑该领域的研究。当前，大语言模型( large languagemodels，LLMs) 凭借其海量数据训练基础和超大规模参数优势，通过多任务集成、智能生成与决策等能力，突破了传统机器学习在文本处理和人机交互方面的技术瓶颈，为钢铁工业的智能化转型提供了新的突破路径。本篇综述系统梳理了大语言模型的技术特点、研究方向及应用领域，结合钢铁行业的数据特性，详细阐述了面向钢铁行业的大语言模型框架，并提出了钢铁行业大语言模型的评估标准。针对钢铁领域的特定需求，深入探讨了其在数据提取与保护、性能建模与预测、材料逆向设计及钢铁智能冶炼等方面的应用潜力。最后，对钢铁行业大语言模型的发展现状进行全面分析，明确指出其可能面临的挑战，并提出相应的应对策略。

摘要: 随着计算机技术的蓬勃发展，AI 及大模型在钢铁工业的应用成为推动产业智能化转型的关键力量。主要针对大模型在钢铁工业的应用展开，首先，总结工业大模型的构建方式及典型应用领域; 其次，阐述钢铁工业的特点，总结钢铁工业大模型的相关技术; 最后，对于大模型的应用场景展开讨论，突出大模型在钢铁生产流程上的典型应用场景，如感知类任务及认知类任务突破。未来钢铁工业有望将大模型深度应用于新产品、新体系开发，以及提供综合决策支持，实现对钢铁企业的能源、原料调度及钢铁全流程监测等应用，推动钢铁工业实现高端化、智能化、绿色化发展，提供数字化发展的新思路。

摘要：超低碳钢显微组织为铁素体，在制样过程中极易出现划痕和晶界腐蚀不清晰的现象，严重影响金相组织分析。同时，显微组织特征的分析结果严重依赖于专家经验，受主观因素影响较大且效率低。为了高效获得超低碳钢显微组织特征信息，基于超低碳钢金相图像数据集，采用归一化、自适应阈值法处理图像，增强图像对比度；融合自注意力机制（Self-Attention，SA）和循环回归生成对抗神经网络（CycleGan），开发基于CycleGan+SA 的晶界增强算法；建立超低碳钢显微组织特征强化模型，实现了显微组织图像的自动处理与晶界信息的特征强化。在此基础上，采用分水岭分割算法对晶界强化后的显微组织图像进行精细化分析。结果表明，CycleGan+SA 算法可以有效去除原始金相图像中的划痕并补全晶界模糊区域，实现超低碳钢晶界特征强化。相比原始的CycleGan 算法，引入注意力机制后，CycleGan+SA 算法可以实现更清晰的晶粒分割，图像识别精确度P 值由97.43% 提升至98.75%，综合评价指标F 值由97.49% 提升至98.73%。在显微组织精细化分析方面，通过与常用分析软件对比，超低碳钢显微组织特征强化模型与Image J 软件测定的晶粒尺寸平均误差为1. 2 个晶粒，与Image Pro Plus 软件测定的晶界比例误差为0.008 个百分点，模型与软件统计结果吻合较好，具备一定的应用前景。

摘要：在凝固过程中，晶粒竞争生长是1 个普遍存在的现象，而不同取向晶粒间的竞争行为最终会关系到产品的服役性能。在定向凝固单晶涡轮叶片制备的过程中，无论采用选晶法还是籽晶法控制晶体取向均会涉及晶粒竞争现象，这对于能否顺利制备完整的单晶结构起到决定性作用。从定向凝固晶粒竞争生长模型作为切入点，详细地梳理了晶粒竞争生长机理的研究进展。综述了晶粒竞争生长的影响因素，并总结其调控机制。首先介绍了温度梯度的改变导致晶粒竞争结果的差异；其次，在溶质浓度方面，介绍晶粒的淘汰行为与溶质相互作用的关系；而后针对晶体取向的影响，为更好地获得晶粒竞争结果，分别从晶粒的枝晶主轴偏离温度梯度方向的竞争关系与侧枝偏离晶界一定角度的竞争关系这两方面探讨，并将晶粒的竞争淘汰机理从最初的二维扩充到三维取向进行解释；此外，得出抽拉速率作为定向凝固唯一且能够大范围调控的参数，会影响晶粒淘汰结果的一致性，同时还特别说明了工业生产钢铁材料中冷却速率对晶粒竞争生长的影响。最后进一步对定向凝固晶粒竞争生长研究进行了总结与展望，并指出未来研究亟待解决的问题，强调了实际工业生产中，晶粒竞争生长对合金材料的重要性及应用意义，可为制造领域提供指导。

摘要： 在当前“双碳”背景下，冶金流程典型大宗固废及其他大宗工业固废的高值化利用已成为行业亟待解决的问题。冶金流程大宗固废中的高炉渣、除尘灰与其他大宗工业固废中的粉煤灰与煤矸石中均含有较丰富的硅、铝等有效资源，通过相应调质、配比处理，可以将上述固废制成具有良好隔热耐火性能的无机纤维材料，进而实现冶金流程大宗固废及其他大宗工业固废的高值化利用。总结了以调质高炉渣作为原料制备矿棉纤维、以除尘灰协同粉煤灰或煤矸石作为原料制备硅-铝系陶瓷纤维材料的研究进展；从基本原理、试验研究及生产实践3个方面分析了喷吹法与离心法制备无机纤维的研究进展。分别开展了以调质高炉渣为原料通过喷吹法与离心法制备矿棉纤维的中试试验研究，结果表明，喷吹压力对纤维渣球含量的影响较显著，对纤维平均直径的影响较小，当喷吹压力从0.20 MPa 升高至0.38 MPa 时纤维渣球质量分数从25% 下降至16%，纤维直径基本无变化；辊轮转速对纤维渣球含量基本无影响，对纤维直径的影响较为显著，随着辊轮转速升高，纤维平均直径从3.17μm 下降至2.73μm；对比了2种方法制得矿棉纤维在纤维直径、纤维渣球含量及纤维抗压强度3个方面的差异。另外，概括了以冶金流程大宗固废协同其他大宗工业固废为原料制备的硅-铝系无机纤维材料在建筑、工业、气凝胶及光催化材料方面的应用前景；在现有的研究基础上提出了冶金流程大宗固废制备无机纤维材料的研究方向，以进一步推动行业实现变废为宝，节能降碳。

摘要： 钢铁行业作为国民经济的支柱产业，在碳中和背景下，降低其能耗和碳排放迫在眉睫。废钢是具有低碳属性的铁素资源，其产量逐年增加，使用废钢是快速实现降碳的有效途径。然而，废钢中的残余元素问题显著制约了废钢的高质化利用。系统分析了钢中残余元素及其对组织性能的影响，结合残余元素的化学冶金特征，将残余元素分为3 大类，分别为含量较高的Cu、Cr、Ni、Mo，易偏析偏聚的As、Sn、Sb、Bi 和杂质元素N、S。在此基础上分析了不同国家、企业和种类废钢中的残余元素含量特征，调研了2000—2024 年国内外废钢中残余元素的最大含量，结合国内电炉流程钢铁企业的实测数据，明确了废钢中主要残余元素的最大含量范围，并介绍了主要残余元素的作用机制，为废钢高质化利用提供依据。

摘要： 热轧生产过程中道次间的应变诱导析出硬化行为与静态再结晶软化行为的耦合作用对钢材显微组织变化具有决定性影响。此外，对于Nb-Ti 复合微合金钢，其析出行为中组织演变过程异常复杂，会导致以假设和试验数据建立的传统物理冶金模型的计算精度偏低。随着机器学习在钢铁生产过程中的广泛应用，其逐渐被引入到Nb-Ti 微合金钢热变形过程中物理冶金行为的建模上。首先，在收集文献数据的基础上，通过相关性分析筛选出对再结晶和应变诱导析出行为影响权重大的成分和工艺参数作为模型输入变量；在此基础上，引入随机森林（RF）、极限梯度提升（XGBoost）及人工神经网络（ANN）3 种机器学习算法，分别建立了再结晶模型中静态再结晶分数为0.5 时对应的时间（t0.5）、材料参数（n）以及析出模型中析出开始时间（tps）和结束时间（tpf）的计算模型，其中，RF 模型计算的t0.5、n、tps 和tpf 的均方根误差（RMSE）分别为2.25、0.08、49.50、1252.8，优于其他机器学习算法。以700XL 为目标钢种进行双道次压缩试验，发现当变形温度为1 000 ℃时，软化率曲线变化呈现典型的再结晶软化过程；当变形温度为950 和925 ℃ 时，将同时发生微合金元素的应变诱导析出和静态再结晶，二者的耦合作用会导致软化率曲线出现“平台”。试验数据验证表明所建立的机器学习模型在析出的起止时间计算精度上优于传统物理冶金模型，同时计算得出的软化率曲线很好地呈现了再结晶与析出的交互作用规律。