章新宇, 潘从元, 袁溢, 申远, 谢蒙, 余正伟, 龙红明, 唐银华, 陈良军
烧结优化配矿作为钢铁冶金生产的关键环节,旨在通过多矿种协同配比实现资源高效利用、成本控制与冶炼性能优化,对提高资源利用率、改善烧结矿质量、降低生产成本与能耗有重要意义。然而,随着优质铁矿资源日益紧缺和原料结构复杂化,传统配矿方法因依赖静态线性模型与经验决策,难以应对矿石成分波动、多目标优化、多工序动态耦合及非线性指标约束等挑战,尤其在处理化学成分、成本、冶金性能的协同优化时存在显著局限。以遗传算法、粒子群优化为代表的智能算法通过融合数据驱动与机理模型,可显著提升多目标优化能力,为突破多目标动态优化瓶颈提供了新路径。系统梳理了烧结优化配矿的研究进展,对比传统方法与智能算法的适用边界,并针对动态响应、跨工序协同及数据-机理融合等核心问题,提出构建智能低碳配矿体系的技术方向,为钢铁行业实现资源集约化利用与智能化转型提供理论支撑与实践参考。