氧气转炉炼钢法从1952年出现以来，得到了迅速的发展，目前已成为世界上最主要的炼钢方法之一，其生产过程是一个周期性的升温降碳过程，包含非常复杂的多元多相高温反应，其主要目的是在吹炼终点尽可能达到目标钢水所要求的温度和成分含量。影响终点钢水成分和温度的因素很多，人工控制很难一次达到终点目标值。在实际生产过程中，经常出现由于难以准确控制熔池碳温而引起“返工”的现象，因而提高转炉炼钢终点控制命中率具有重要意义。本文以江苏淮钢“十五”技改转炉自动化项目为背景，对转炉炼钢过程的控制方法展开了研究。 本文采用静态控制和结合以副枪检测信息为基础的动态控制，对转炉冶炼过程进行控制。将T-S模糊神经网络、BP神经网络、RBF神经网络等神经网络方法应用到转炉炼钢过程的建模和控制中，提出了基于神经网络的转炉炼钢过程控制的新方法。具体工作内容如下： 1．转炉静态控制方法研究。针对转炉传统静态控制的控制效果差、精度不高、难以达到期望结果等问题，结合模糊神经网络的特点，提出了基于减法聚类T-S模糊神经网络的转炉炼钢静态控制新方法。仿真结果表明，该方法比传统方法具有更好的计算精度和适应能力，为提高转炉炼钢静态冶炼过程的命中精度给出了一个有效的方法。 2．转炉动态控制方法研究。针对转炉这一被控对象的非线性和不确定特性，本文在对转炉动态模型进行深入研究的基础上，将RBF神经网络和BP神经网络应用到转炉炼钢动态过程的建模控制中，提出了基于神经网络的转炉炼钢动态控制的新方法。先用RBF神经网络建立预报钢水终点温度和碳含量的预报模型，即对象的正模型；再用正模型—逆系统方法建立转炉炼钢动态阶段的神经网络逆系统模型，即控制模型，它是利用逆神经网络的期望输入与受控系统正模型输出之差最小来调整逆神经网络的权值，从而提高了转炉冶炼熔池碳温的命中率。仿真结果表明了该方法的有效性，该方法也为在实际应用中提高转炉熔池命中率提供了一条新的途径。