机器学习在炼钢工业的深度应用：机遇与挑战

宗男夫1，韩永德2， 杨军1，王子铮3，荆涛4，Jean-Christophe GEBELIN5 (1.本钢集团有限公司技术中心数智化研究所；2.本钢集团有限公司；3.本钢集团有限公司板材炼钢厂；4.清华大学材料学院先进成形制造教育部重点实验室；5.英国莱斯特大学，数字化研发中心)

摘要：随着人工智能的快速发展，机器学习算法在炼钢工业中的应用成为研究热点。本文系统探讨智能模型在短流程炼钢过程复杂工业场景的深度应用挑战与机遇，重点分析其在电炉、精炼和连铸等核心环节的应用现状。结合钢铁流程的典型场景，阐述机器学习在工艺优化、异常诊断与自主决策等方面的思考。针对炼钢环境下的实时性、可靠性需求，提出机器学习在智能制造体系中的研究方向，包括多模态感知、因果推理与数字孪生等前沿技术。最后，探讨机器学习在短流程炼钢工业深度应用面临的挑战、潜在的解决方案和未来应用展望。

关键词：机器学习；短流程炼钢；质量预测；自主决策；基础模型