在 “双碳” 目标驱动下，钢铁行业作为我国第二大碳排放源，正面临着紧迫的转型升级需求。传统实验法研发周期长、成本高，难以适配钢铁生产工艺的复杂性和多样性，而高精度、高效率的数值模拟技术，成为推动钢铁工艺智能化、绿色化的关键抓手。其中，基于 EMMS 范式开发的大规模高性能颗粒模拟软件DEMMS，凭借颗粒尺度的仿真能力、亿级计算单元的处理效率，在钢铁行业多个关键工艺中成功落地应用，成为解决工业实际难题、助力行业转型的硬核仿真工具。

钢铁生产涵盖炼铁、炼钢、连铸、轧钢等多个环节，铁矿石分选、烧结矿冷却、钢渣处理、高炉布料等核心工艺均涉及复杂的颗粒流体运动，颗粒偏析、设备换热低效、工艺处理量不足等问题，长期制约着钢铁生产的效率提升和节能减排。此前，计算流体动力学（CFD）、离散单元法（DEM）等传统模拟方法各有局限，早期 DEM 模拟的颗粒数甚至不足百万量级，难以直接应用于工业级设备的仿真研究。

大规模高性能颗粒模拟软件DEMMS，依托 Mole 系列超算系统的大规模众核异构并行算力，可模拟非规则、宽粒径分布、存在复杂作用和聚并破碎的颗粒体系，还能耦合有限体积法、格子玻尔兹曼方法等多种数值模拟方法，求解颗粒和流体的相互作用。更重要的是，DEMMS 能够准确高效处理亿级以上计算单元，实现了工业多相流设备的长时间、高精度仿真，为钢铁行业的工艺优化和设备改造提供了全新的技术路径。

在烧结工艺铁矿石分选优化中，铁矿石的粒级分选是高炉炼铁的前置关键环节，其核心原理是不同粒径颗粒的偏析，但传统工艺通过调整落料速度、滚筒转速、斜板倾角等方式，始终无法达到理想的分选效果。钢铁行业客户提出在斜板底部增加永磁铁强化偏析的方案，但永磁铁的尺寸、数目、排布方式等设计变量繁多，实验法难以高效优化。

基于DEMMS软件建立铁矿石分选的离散颗粒模型，将连续粒径分布简化为四种典型粒径，精准测量并设定颗粒磁化率参数，设计了 3 种永磁铁排布方式进行仿真模拟。

铁矿石磁力分选优化的离散模拟

模拟结果，3种永磁铁排布均能够增强铁矿石的偏析。磁场法向力和对颗粒的引力增强了颗粒间的摩擦作用，增加了料层的厚度。当磁场切向力方向沿着斜板向上时，铁矿石的偏析增强，Case1~3的磁场切向力范围和强度逐步增大，铁矿石的偏析逐步增加。当磁场分布形状一定时，磁场强度是影响偏析的另一个重要因素，可以通过直接改变永磁铁的磁性和永磁铁与斜板的距离实现。

烧结矿竖冷炉结构优化是烧结工艺节能减排的重要抓手，竖冷设备将传统环冷的气固错流接触改为对流接触，既能回收烧结矿冷却显热实现热电转换，又能消除粉尘污染，但竖冷设备在试运行时，因烧结矿严重偏析形成气体沟流，导致出口气温度远低于设计指标，换热效率大打折扣。由于竖冷设备尺寸大、内部环境复杂，其内部的气体流量分布、矿石粒径分布等关键参数无法通过测量获得，实验室小试也因粒径比失真难以复刻工业实际情况。

竖冷设备DEM模拟：(a)竖冷设备结构；(b)料层分布和烧结矿颗粒的偏析；(c)进料管结构优化；(d)装料系统优化

DEMMS 再次发挥颗粒仿真优势，突破了工业竖冷设备宽粒径分布、多颗粒数、长换热时间带来的巨大计算量难题，精准模拟出烧结矿进入竖冷设备的落点、运动轨迹和料堆结构，定位出设备主体 6 个单出口进料管是颗粒偏析的核心诱因。基于仿真结果提出优化方案，将单出口进料管改为两出口结构，通过仿真探索最优分支倾角，实现了矿石运动轨迹的精准调控；同时针对顶部缓冲仓因单侧倾料导致的偏析问题，仿真优化了上层料仓和底部栅栏的尺寸、倾角、排布等参数，通过减小颗粒速度差、阻拦大粒径颗粒聚集，有效降低了缓冲仓内的矿石偏析。DEMMS 提供的烧结矿运动数据和结构优化方案，为客户在短期内完成竖冷设备改造、实现稳定运行提供了核心技术支撑。

高炉炉顶布料优化是高炉炼铁节能减碳的关键手段，炉料的分布形状决定了炉喉径向铁焦比（O/C），直接影响煤气分布和冶炼效率，但不同组分、不同粒径的炉料运动规律复杂，连续介质模型无法精准描述，而工业高炉炉料颗粒数超亿级，对仿真的精度和计算量提出了极高要求。

结合小型实验数据，基于 DEMMS 建立高炉炉顶布料的颗粒粗粒化模型，借助 Mole-8.5E 超算系统的算力，实现高炉炉顶布料的全尺寸仿真。仿真以平面为初始料面，模拟 7~8 个批次布料获得稳态料层，再通过 3~5 个批次仿真获取分析数据，同时按工业实际速度设定料层下降速率，有效控制计算量的同时保证仿真真实性。

基于DEMMS的高炉炉顶布料全尺寸模拟

通过 DEMMS 仿真详细解析了不同布料矩阵对料层结构的影响，明确了溜槽倾角、旋转方向等参数对铁焦颗粒落点、粒径分布的作用规律。例如仿真发现，“碳碳矿” 布料矩阵的中心加焦操作，能形成更均匀的焦炭层分布，而溜槽倾角偏小会导致炉料向里侧偏移，难以形成边缘平台。这些仿真结果为高炉操作人员理解溜槽调控逻辑、优化布料矩阵提供了详细数据支撑，也为数字高炉的构建奠定了核心模型基础。