现代化的工业生产在提高生产效率、降低成本、节约能源和人力等方面有很大的优势，然而，设备故障所带来的损失也将是成比例增加的。尤其是象炼钢转炉这样的设备，一旦在生产过程中出现事故，不仅会带来巨大的经济损失，而且还会威胁到工作人员的人身安全。在炼钢过程中，转炉的炉衬直接与高温钢水、炉渣和炉气接触，不断受到物理的、机械的和化学的侵蚀作用，炉衬日益烧损。因此，在线检测炉衬的侵蚀状况并及时采取措施，对于炼钢炉的高产、长寿以及预防事故的发生都是十分重要的。 本文在研究多传感器数据融合理论和方法的基础上，以激光测厚作为主要检测方法，结合对炉内火焰图像的处理结果，提出了一种多传感器融合检测方案。鉴于炉衬的侵蚀状态和侵蚀过程难以用数学关系式来描述，本文采用BP网络作为融合算法，利用神经网络的自学习性和自组织性来实现多传感器数据融合。 另外，本文还完成了钢炉激光测厚系统的设计。在研究了不同测距方法的特点和测量范围的基础上，针对转炉炉衬厚度测量这一应用背景，设计出了一套基于相位法的激光测厚系统。设计过程中，对其中的关键技术(例如大小角检相问题)进行了深入的分析和讨论。 本文提出了一种全新的炉衬测厚方法，系统的实现将使钢炉在生产过程中的实时检测成为可能，而且检测率将也有较大提高。同时，该方法为工业中其它的高温检测提供了参考方案，因此系统具有一定的通用性。