随着我国加入WTO，国内市场与国际市场的逐渐接轨，我国的钢铁企业正面临更加激烈的挑战和竞争，而如何有效地使用自动化技术以实现生产的高效化和资源利用的合理化已经成为钢铁企业保持竞争力和发展壮大的关键。由于钢铁工业生产的高温、高压、复杂、多变等特性，传统的控制方法和技术无法更好地胜任。计算机的广泛应用和人工智能技术的发展为钢铁工业生产过程自动化带来了先进的科学技术手段。智能控制是人工智能、控制论、运筹学和信息论等多学科交叉的新兴学科，它善于解决那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数字过程，这对钢铁工业生产的过程控制是非常适合的。 不锈钢冶炼是钢铁工业中的重要组成部分。在各种不锈钢炉外精炼的方法中，由于K-OBM-S转炉具有热效率高，炉衬寿命长，原料适应性强等诸多优点，所以其正逐渐受到钢铁企业的青睐。太原钢铁集团公司第二炼钢厂于2002年12月通过技术改造首先在我国开始使用K-OBM-S转炉进行不锈钢的冶炼。本文是在太钢第二炼钢厂K-OBM-S转炉三步法冶炼不锈钢生产原料、设备和工艺的现状的基础上，建立了对K-OBM-S转炉冶炼终点时钢水的碳含量和温度进行智能预测的模型。 本文介绍了K-OBM-S转炉三步法冶炼不锈钢的原理、特点和工艺，然后在论述模糊系统和神经网络理论的基础之上，对它们的特点进行了分析和比较。之后详细地阐明了结合了模糊系统和神经网络特点的新型推理系统——自适应神经模糊推理系统(ANFIS)的理论基础，包括ANFIS的结构和混合学习算法。在对影响K-OBM-S转炉终点碳温的各种因素进行分析后，选取铁水碳含量、铁水温度、铁水重量、合金加入量和氧气吹入量作为模型的5个输入变量。然后结合ANFIS的特点，设计模型的结构，建立基于ANFIS的K-OBM-S转炉终点碳含量及温度预测模型，再使用实际K-OBM-S转炉冶炼过程的生产数据和分析数据对模型的参数进行训练，最后进行仿真。从仿真结果来看，此预测模型实现了较好的预测精度：在预测误差±0.02％内的终点碳含量的命中率为88.24％，在预测误差±10℃内的终点温度的命中率为88.24％，终点碳含量和终点温度双命中率为80.39％。