近日，安徽工业大学冶金工程学院教授龙红明团队开发的第三代“智能配矿模型”分别在宝武马钢和江苏永钢集团上线运行。

据悉，目前市场上主要有澳大利亚、巴西、印度和国产铁矿粉100多种，其性能和市场价格差异巨大，如何将不同种类铁矿粉合理搭配进行绿色与低碳冶炼，是钢铁行业迫切需要解决的关键共性难题，也是钢铁企业实现经济效益的首要问题。

经过长期深入研究，龙红明团队自主开发并设计了铁矿粉高温性能检测新方法和装备。根据铁矿粉高温同化反应发生前后电学性能突变的特性，将传统需要依靠实验者时刻观察并主观判断的铁矿粉高温同化性能检测过程，升级成依靠电学信号传输判断的自动测量过程，显著提高了铁矿粉高温性能表征的准确性和app性。

同时，该团队基于铁矿粉高温特性检测新方法，提出了混合矿的同化特征指数，建立了原燃料特性与冶炼过程主要污染物排放浓度的关联机制，综合考虑物料平衡和热平衡，形成了绿色低碳冶炼的优化配矿新技术。

该团队还采用卷积神经网络、蚁群算法和规划求解等智能算法，针对不同市场行情开发了面向铁水成本最低和效益最高两种选择模式的低碳配矿智能模型，在满足生产要求的成分和配比等限制同时，准确计算出“严格、宽松、推荐”三种智能模式条件下污染物的排放浓度、铁水成分、燃料比、有害元素负荷、铁水总成本、经济效益等关键参数。

据悉，“智能配矿模型”在企业上线应用以来，吨钢碳排放减少10-20千克，吨铁成本降低3-6元，为钢铁行业绿色低碳冶炼和经济效益增加提供了重要支撑和贡献。

该技术已授权国家发明专利18项，实用新型专利6项，软件著作权4项，发表论文16篇，并在广西柳钢、宁波钢铁、宝武梅钢、六安钢铁等钢铁公司推广应用，为企业创造经济效益数十亿元。