电渣重熔技术是上世纪三十年代发展起来的一种新兴的冶炼技术。由于其在提纯钢的品质与改善合金内部结晶组织方面的巨大优势,在短短的几十年里得到了巨大的发展。由于社会与科学技术的迅猛发展,对于新型的、高品质的合金钢的需求日益增多,因此,研究有效的电渣炉控制系统对提高生产率、改善产品质量和节约能源方面有着举足轻重的意义。本文以国内某钢厂电渣炉的改造为背景,以基于数据驱动的方法建立电流预测模型,并且将预测模型引入到控制器中,提高了控制器的性能,主要研究内容如下：1)深入分析了该厂电渣炉的结构与工艺流程,结合当前国内外电渣炉智能控制系统现状的基础上,因地制宜的设计了一套实用的控制系统。2)工业炉建模是一个历久不衰的话题。本文以现场采集回来的数据为背景,利用RBF神经网络技术对系统建立预测模型。为了提高模型的精度,将次胜者受罚竞争学习算法与改进型粒子群算法引入到RBF神经网络权值的优化中,得到了一个精度较高的模型。3)针对传统PID控制适应性差、参数不易改变的特点,本文提出了基于和声搜索预测PID的控制方法,用和声搜索优化PID的三个控制参数,将RBF电流预测模型的输出作为反馈值,并对这种算法做出了仿真,通过比较得出和声搜索预测PID在理论上是一种优异的控制方法。