高端板带材是汽车、电力、家电、包装、精密电子和高端装备制造等领域的重要基础材料，其尺寸精度、板形质量、组织性能和批量稳定性直接关系下游产品质量和产业链安全。面向“十五五”时期钢铁工业高端化、智能化、绿色化发展需求，以及“人工智能+制造”推动行业大模型和智能体应用的政策导向，热轧-冷轧全流程质量控制已成为钢铁智能制造升级的重要场景。特别是在高强钢、极薄带等高端产品需求持续增长的背景下，轧制过程对质量精准预测、异常快速诊断和工艺参数自适应优化提出了更高要求。

目前，国内钢铁企业在自动化控制、工业互联网平台建设和智能建模方面已取得较好进展，但热轧-冷轧生产过程仍面临多项共性问题。一方面，热轧、冷轧、连退及后处理工序之间质量传递链路长，温度、厚度、板形、断面、轧制力、张力和弯辊力等变量强耦合，传统单工序模型难以准确表征跨工序质量演化规律，导致变规格、新钢种、极薄规格等复杂工况下质量状态预测精度不足。另一方面，生产过程数据、质量检测数据、检化验数据、工艺规则和历史案例分散在不同系统中，存在数据缺失、时空错配、知识表达不统一等问题，数据价值和工艺知识尚未充分转化为在线预测、诊断和控制能力。

同时，轧制质量异常往往受原料状态、工艺制度、设备状态和过程扰动共同影响，异常成因具有多源耦合和链式传递特征，传统经验诊断难以快速识别根因。对于换辊、变规格、来料波动和高强极薄产品生产等复杂场景，传统控制策略在参数协同调节和动态预控方面仍存在不足，容易造成质量波动、人工干预增加和生产效率下降。部分核心控制模型和工业软件仍存在外方黑箱依赖，也制约了复杂工况下模型迭代、参数优化和自主升级。

因此，本项目依托北科大自研的iBKLinker冶金工业互联网平台，创新构建预测大模型与诊断大模型驱动的热轧-冷轧生产质量控制技术。贯通热轧、冷轧、连退及后处理工序，融合生产数据、轧制机理、历史案例和质量知识，利用预测大模型实现工艺参数、质量状态的在线预测，利用诊断大模型实现异常成因识别、偏差归因和工艺参数窗口推荐，并进一步将预测结果和诊断结论转化为热轧温度控制、冷轧动态变规格控制和质量风险预控策略，形成自主可控的大模型驱动热轧-冷轧跨工序协同控制工业软件。

项目围绕质量状态预测不准、异常成因识别不清和工艺动态调控不精三类共性难题，创新研发了面向轧制多工序一体化的预测大模型、面向质量异常成因追溯的诊断大模型，以及大模型协同驱动的轧制动态优化控制三类关键技术。通过贯通热轧、冷轧、连退及后处理工序，实现了预测大模型与诊断大模型驱动的热轧-冷轧生产质量控制技术系统集成，如图1所示。主要创新性成果如下：

（1）开发了面向轧制多工序一体化的预测大模型。融合集成学习与深度时序网络，解决了复杂生产条件下品规快速切换设定值易失配、预测稳定性不足的问题，实现轧制力、温度及厚度等关键工艺参数的快速精准设定，工艺参数设定命中率平均提升4.3%，质量预测偏差窗口在±5%内的命中率达95%。

（2）开发了面向质量异常追溯与优化的诊断大模型。通过研发多模态知识萃取、基于质量因子模型的优秀样本库等关键技术，解决了质量知识分散、异常量化评估与成因追溯等难题，实现生产质量在线精准诊断和工艺参数最优区间智能推荐，质量异常诊断准确率达95.8%，工艺参数区间推优准确率达97%。

（3）创建了预测大模型与诊断大模型协同的轧制质量门控机制。通过预测建模与诊断推理的集成融合，解决了复杂工艺约束条件下的动态协同优化与控制难题，实现热轧温度多模式优化、冷轧板形高效控制与跨工序质量风险识别及动态预控等系列关键技术，手动干预减少97%，板形质量异议下降20%。

项目成果已在首钢迁钢、宝武梅钢等企业实现应用，并在国内外多条精密轧制产线推广。在首钢迁钢应用中，项目研发了大模型驱动的热轧精准控制模型，对国外引进核心模型进行替换和升级，形成精轧轧制力、宽度、终轧温度、卷取温度和板形等关键控制模型，厚度超差和板形质量异议下降20%，全钢种厚度封锁率由1.10%降至0.40%。在宝武梅钢应用中，项目实现大模型驱动的多工序协同质量动态预控，形成焊缝断带带钢头尾优化剪切控制、圆盘剪堵边风险识别及减速预控、连退抛尾量自适应计算等关键应用，支撑超薄规格带钢高速稳定轧制。项目核心技术由北科大设计院公司推动产业化，相关技术在国内外10余条精密轧制产线整体或分段应用，覆盖高强汽车板、极薄带和优质镀层板等高端板带材，并向“一带一路”沿线国家开展技术推广。

项目授权发明专利29件，登记软件著作权30项，主持及参与制定行业标准2项，发表科技论文84篇，出版专著3部。成果在首钢迁钢、宝武梅钢等企业实现应用，并推广至印尼青山等国内外10余家企业，推动轧制自动化系统国产化能力进一步升级，经济效益与社会效益显著，应用前景广阔。项目成果经中国钢铁工业协会组织的科技成果评价认为该项目整体技术达到国际领先水平。