炼铁：从矿石到铁水

炼铁要解决的问题只有一句话：把铁从氧化物里抢出来。

自然界的铁基本都以氧化物形式存在（Fe₂O₃、Fe₃O₄）。要得到金属铁，就得找一个比铁更"想要氧"的东西把氧夺走。这个角色由碳担任：

Fe₂O₃ + 3CO → 2Fe + 3CO₂

请注意右边——二氧化碳是化学方程式的必然产物，不是副作用。这一条决定了长流程钢厂碳排放的下限，也决定了为什么"换绿电"解决不了炼铁的碳排放问题。它不是能源问题，是化学计量问题。

高炉吃不了粉：三个原料工序

在讲高炉之前，得先说清楚为什么有三个前置工序。

高炉的工作原理是逆流：固体炉料从顶部装入缓慢下降，热风从下部鼓入、煤气自下而上穿过料层。这要求料柱必须透气——如果直接倒粉矿进去，风路会被彻底堵死。

于是有了三条准备线：

• 烧结——粉矿加熔剂和焦粉混匀，铺在移动台车上点火抽风，让燃烧带自上而下推进，把矿粉部分熔化黏结成透气块状
• 球团——粉矿滚成小球再焙烧固结，另一种造块方式
• 焦化——炼焦煤在隔绝空气下加热到一千度左右干馏，挥发分被赶出（成为焦炉煤气和化工产品），剩下多孔碳质骨架就是焦炭

高炉：一个不能重启的长驻进程

对做 AI 的人来说，高炉有两个性质比任何工艺细节都重要。

第一，内部不可直接观测。 你不可能在 1500 °C 的炉腹里放传感器。所有对炉况的判断都来自间接信号：炉顶煤气成分、各层温度、料尺下降速度、风口理论燃烧温度、冷却壁热流。

第二，不可重启。 高炉一旦点火就要连续跑十几年（一个"炉役"），停炉重启代价极高。这意味着你永远无法通过做实验获得反事实数据——不能"试试把风温调低看看会怎样"。

这两条加起来，就是钢铁行业对软测量如此依赖的根本原因。

软测量：这个行业最普遍的建模任务

软测量的定义很简单：用能测的量，推断测不到的量。

它在钢铁行业遍地都是：

三条技术路线，工业界的主流选择是第三条：

1. 机理模型——用物理化学方程算。可解释、外推可靠，但精度受简化假设限制
2. 数据驱动——回归或神经网络。工况内精度高，外推不可信
3. 混合建模——机理给主干、数据补残差

铁水：交给炼钢的半成品

高炉出来的是约 1500 °C 的液态生铁，含碳约 4%，还有硅、锰、磷、硫。太脆了不能直接用，必须送到炼钢厂脱碳。

几个指标决定后续炼钢的难易：

• 温度——太低影响转炉热平衡
• 含硅量——硅在转炉里氧化放热，是重要热源，但太高会增加渣量
• 硫、磷——有害元素。硫通常在铁水预处理阶段先单独脱掉，因为在转炉里脱硫效率不高还拖长节奏

铁水预处理是典型的"预处理"思路：把一个耗时的清洗步骤从主流程里拆出来单独优化，让主流程（转炉）专注于脱碳升温。

顺带说说渣

很多人以为渣是废料。恰恰相反——渣是冶金工作者主动设计和调控的反应介质。

它的作用是吸收杂质（硫、磷从金属转移到渣里）、隔绝空气防止二次氧化、保温。加多少石灰、什么时候加，决定了渣的碱度和流动性，进而决定脱硫脱磷效果。

行业里有句老话：炼钢就是炼渣。

用你熟悉的说法：渣是一个主动设计的"中间层"，不是副产物，而是承担杂质转移职责的功能组件——它的配置决定主流程的净化效果。