高炉炼铁工艺作为钢铁生产的核心环节，其出铁过程的安全性与稳定性对提升生产效率和产品质量至关重要。在炼铁过程中，烧结矿和焦炭等原料从高炉顶部加入，在高炉内部高温气体的作用下，会发生剧烈的氧化-还原反应，最终形成铁水和炉渣并滴入炉床。这些物质会通过出铁口定期、有序地排出，从而形成连续稳定的出铁过程（Kuang等人，2018；Torrkulla和Saxen，2000）。图1展示了高炉出铁过程的模拟示意图。作为排出炉内产物的关键通道，出铁口的运行状态直接影响铁水的生产效率、质量以及操作安全（Nelson和Hundermark，2016）。由于铁水液位波动和炉床压力变化等因素（Nishoka等人，2005），高炉出铁过程中经常会出现“飞溅”和“堵塞”等异常铁水流动状态。不同的铁水流动状态反映了出铁过程中的实时运行状况，为炉温控制及出铁口操作提供了重要参考。因此，精准监测出铁口的铁水流动状态对于确保高炉正常运行和优化生产流程具有重要意义。
目前用于监测出铁过程状态的方法主要可分为三类：基于模型的分析方法、基于传感器的监测方法以及基于视觉的监测方法。传统的基于模型的分析方法主要依靠对铁水流动的流体动力学行为进行模拟和建模。Shao和Saxén（2011）建立了出铁口的二相流模型，研究铁水与炉渣之间的流动特性及分布对出铁过程的影响。Roche等人（2020）通过建立多出铁口炉底出铁模型，预测了液位变化和出铁速率，从而在一定程度上再现了实际出铁过程中的典型特征。Zhao等人（2013）基于热传导分析开发了一种定量预警机制，用于监测炉床的侵蚀情况，以此保障高炉炉床的安全。这类方法通过建立描述铁水流动等现象的物理方程来对出铁过程进行建模，虽然具有一定可解释性，但由于往往依赖于理想化的假设（如稳态流动、对称结构），难以完全捕捉实际生产中的复杂非稳态行为，因此其适用性和准确性都存在局限。
基于传感器的方法在高炉异常监测中得到广泛应用，这类方法主要依靠内部压力、温度和流量等运行状态数据参数来进行状态监测。Nishoka等人（2005）研究了炉内条件对出铁过程的影响。Roche等人（2019）采用主成分分析方法，利用部分过程数据解读出铁过程模式，为运行状态识别提供了新的思路。Kim等人（2019）基于对高炉运行数据的驱动分析，构建了一个用于预测高炉出铁口关闭剩余时间的精确模型；Zhou等人（2020）提出了一种综合方法，通过融合高炉高温炼铁过程中的不同类型数据，结合主成分分析和独立成分分析，实现了对高炉异常状态的有效监测与诊断。尽管这类方法在在线监测和过程评估方面具有优势，但它们严重依赖预先定义的特征提取方式、参数阈值以及数据的质量和完整性。此外，这类方法难以捕捉铁水流动的瞬态特性，从而导致监测延迟和精度不足。
近年来，基于视觉的监测方法逐渐成为主流。Liu等人（2021）利用图像分析算法提取铁水相关信息，用于评估高炉炉床的运行状态。Duan等人（2025）提出利用高炉风口图像，通过对图像特征进行编码来实现高精度的异常监测；Jiang等人（2024）提出了一种将视觉感知与射流动力学相结合的方法，能够基于单帧图像定量计算铁水流动速度。Pan等人（2020）基于红外视觉图像研究了出铁过程中铁水流动的温度场检测方法，并对动态粉尘干扰进行了温度补偿建模。Jiang等人（2023）研究了一种基于图像与运行状态数据精确监测高炉铁水堵塞的方法，从而能够准确判断铁水堵塞发生的时间。尽管现有的基于视觉的铁水流动监测方法在温度测量、流速估算和喷嘴堵塞检测方面取得了显著进展，但大多数研究仍集中在物理量估算或间接特征描述上，缺乏对铁水流动状态进行实时监测的能力。
目前，监测高炉出铁口异常铁水流动状态面临着三大挑战：（1）高炉运行状态数据包含大量信息，但各工艺变量之间的耦合关系容易被忽视，导致深层特征的挖掘不够充分。（2）单张出铁口图像或高炉运行状态数据容易受到现场环境的干扰，从而导致信息利用率低，分类精度不足。（3）异常铁水流动状态的出现概率远低于正常状态，存在类别不平衡的问题。鉴于高炉出铁口图像和运行状态数据蕴含着大量关于出铁过程的信息，它们是评估出铁口处铁水流动状态的重要依据。因此，本文提出了一种将铁水流动图像与运行状态数据融合的高炉出铁口铁水流动状态监测方法，其主要贡献如下：
(1) 提出了一种基于变相关性分析的局部-全局建模Transformer-编码器特征提取网络，能够有效捕捉高炉运行状态数据之间的复杂非线性耦合特征，解决了工艺变量耦合关系被忽视以及深层特征挖掘不足的问题。
(2) 基于对称交叉注意力机制设计了深度渐进式融合模块，该模块通过双向查询机制实现铁水流动图像与运行状态数据之间的跨模态互补，以逐步的方式整合多模态特征，从而解决了单一模态易受环境干扰以及信息利用不足的问题。
(3) 提出了结合知识蒸馏与双分类分支机制的两阶段训练策略，有效解决了异常流动状态样本稀缺的问题，同时解决了高炉出铁口异常铁水流动状态分类中的类别不平衡问题，提升了异常样本的识别能力。
(4) 本文提出了一种基于局部-全局建模Transformer-编码器与深度渐进式融合模块的高炉出铁口异常铁水流动状态监测方法，并通过高炉出铁口的真实铁水流动数据验证了该方法的有效性。
