介绍钢铁行业与数字经济、数字技术相融合，通过发挥钢铁行业应用场景和数据资源的优势，以工业互联网为载体、以底层生产线的数据感知和精准执行为基础、以边缘过程设定模型的数字孪生化和信息物理系统化为核心、以数字驱动的云平台为支撑，建设钢铁企业数字化创新基础设施，实现钢铁行业的数字化转型和高质量发展的关键技术。 可供钢铁行业工程技术人员、管理人员阅读，也可为钢铁行业上下游企业相关人员参考。钢铁行业必须与数字经济、数字技术相融合，发挥钢铁行业应用场景和数据资源的优势，以工业互联网为载体、以底层生产线的数据感知和精准执行为基础、以边缘过程设定模型的数字孪生化和信息物理系统（CPS）化为核心、以数字驱动的云平台为支撑，建设钢铁企业数字化创新基础设施，加速建设数字钢铁，实现钢铁行业的数字化转型和高质量发展。

轧制技术及连轧自动化国家重点实验室(东北大学)在开发研究轧制过程的新理论、新工艺、新技术及相应的控制手段和自动化系统方面不断探索，取得了一系列科研成果，并迅速转化为生产力。前进发展中的实验室将会取得更加辉煌的成绩。

目录 1数字经济时代来临数字经济方兴未艾1.1数字经济时代来临数据成为重要生产要素1.2数字经济、数字技术与数字产业化1.3大数据生态体系形成1.4数据科学成为重要的认识世界的分析方法1.5数字技术、数据经济在各领域中应用的关键发展态势 2数据时代钢铁行业面临的机遇与挑战2.1钢铁行业是距“数字化”最近的行业2.2钢铁行业是对数字技术需求最迫切的行业2.2.1钢铁生产过程的严重不确定性2.2.2系统复杂相关关系和流程方向的遗传效应2.2.3数据整合与利用不充分2.2.4解决问题的方案、方法陈旧2.3钢铁行业有丰富的数字资源和应用场景资源2.3.1钢铁行业丰富的数据资源2.3.2钢铁行业丰富的数字技术应用场景资源2.4钢铁行业具有直接反馈赋能物料的优势2.5钢铁行业数字技术应用的推进步骤 3信息物理系统3.1信息物理系统概述3.1.1信息物理系统的概念与发展3.1.2物理空间与信息空间3.1.3信息物理系统架构3.2数据自动流动的四个过程3.2.1状态感知3.2.2实时分析3.2.3科学决策3.2.4精准执行3.3信息物理系统的六个特征3.3.1数据驱动3.3.2软件定义3.3.3泛在连接3.3.4虚实映射3.3.5异构集成3.3.6系统自治3.4数据驱动的原位分析系统3.4.1原位分析系统概述3.4.2数据处理技术3.4.3可视化处理3.4.4机器学习3.4.5钢铁材料创新基础设施及高性能计算3.4.6工艺过程的信息物理系统化 4钢铁材料创新基础设施4.1传统工业互联网平台架构4.1.1平台总体架构4.1.2平台服务功能架构4.2钢铁材料创新基础设施的体系架构4.3钢铁材料创新基础设施的主要组成部分4.3.1物理实体底层：数据采集与执行机构4.3.2边缘云平台：边缘数字化核心平台4.3.3云平台：资源配置与管理云平台4.4网络与安全4.5钢铁材料创新基础设施的特点4.5.1信息感知和精准执行的物理实体底层4.5.2数据驱动的钢铁材料创新基础设施4.5.3数据驱动的大数据/机器学习数据分析系统4.5.4主流程过程控制模型数字孪生化与CPS化4.5.5软件定义，低成本、高效率改造4.6钢铁材料创新基础设施建设 5数据治理5.1数据抽取5.1.1数据源处理方法5.1.2数据抽取方式5.2数据清洗与转换5.2.1数据清洗5.2.2数据转换5.3数据加载 6机器学习6.1线性模型6.1.1概述6.1.2线性回归6.2局部加权回归6.2.1概述6.2.2距离度量与局部有效性6.3人工神经网络6.3.1概述6.3.2人工神经网络的结构6.3.3BP算法的基本思想6.4RBF神经网络6.4.1概述6.4.2RBF神经网络的特点6.4.3RBF神经网络的映射机理6.5支持向量机6.5.1概述6.5.2支持向量机推导6.6决策树和随机森林6.6.1决策树概述6.6.2随机森林6.7遗传算法6.7.1概述6.7.2基本思想及步骤6.7.3编码方式6.8主成分分析6.8.1概述6.8.2PCA原理6.9深度神经网络6.9.1概述6.9.2模型参数融合方法6.10卷积神经网络6.10.1概述6.10.2CNN模型的基本结构6.11循环神经网络和LSTM神经网络6.11.1循环神经网络概述6.11.2LSTM神经网络6.12图神经网络6.12.1概述6.12.2图神经网络的模型设计 7多目标智能优化决策算法7.1多目标优化问题7.1.1多目标优化问题的定义7.1.2多目标优化问题与决策的关系7.2多目标优化算法综述及典型算法7.2.1多目标优化算法综述7.2.2求解多目标优化问题的进化算法7.2.3多目标优化算法研究展望 8主流程边缘区域的数据分析和信息物理系统化8.1铁前与高炉炼铁8.1.1原料区8.1.2烧结区8.1.3球团区8.1.4炼焦区8.1.5高炉区8.2炼钢与精炼8.2.1铁水预处理8.2.2转炉8.2.3RH/LF精炼8.3连铸8.3.1基于大数据与人工智能的电磁冶金数字化系统8.3.2连铸坯质量缺陷在线预测8.3.3连铸坯表面质量在线检测8.3.4连铸坯低倍质量判定8.4板带材与长型材热轧8.4.1热连轧三维尺寸控制8.4.2中厚板轧制8.4.3热轧过程组织性能预测与工艺智能优化8.4.4复杂断面型材全流程数字孪生与智能控制8.4.5棒材热连轧过程智能化管控与数字化平台8.4.6线材热连轧一体化控制8.4.7热轧无缝钢管数字化制造8.5冷轧带材与热处理、涂镀8.5.1冷连轧数字化建模与优化8.5.2钢材冷轧-连退过程组织性能预测与工艺智能优化8.6短流程生产工艺8.6.1板坯直接轧制中厚板8.6.2薄带铸轧数字化8.7基于5G软件定义钢铁工业控制系统的设计与实现8.7.1软件定义PLC优点8.7.2钢铁工业控制需求8.7.3基于5G软件定义PLC系统架构8.7.4现场应用 9云端资源与配置管理区域的优化与管理9.1生产计划调度管理9.1.1炼钢生产计划9.1.2炼钢生产调度9.2装备运维管理9.2.1基于统计分析的故障诊断9.2.2工业大数据驱动的智能诊断与寿命预测9.2.3基于数字孪生技术的故障诊断与寿命预测9.2.4智能运维的决策方法与系统9.3物流管理9.3.1物流管理的云计算应用平台9.3.2钢铁生产过程的物流管理9.3.3钢铁生产过程的能源管理9.4环境管理9.4.1环境管理的云计算应用平台9.4.2钢铁生产过程的环境管理9.4.3钢铁生产过程的碳排放管理 参考文献 结语