焦炉是冶金工业中重要的热工设备,它提供的焦炭是冶金和化工等行业的重要原料。焦炉立火道温度是指全炉各燃烧室测温立火道温度的平均值,它能够反映焦炉整体的温度水平,是非常重要的工艺参数。但是在焦炉加热过程中,由于工艺和成本的原因,实时在线获得立火道温度比较困难。本文通过建立基于案例推理和RBF神经网络的焦炉立火道温度智能控制模型,实现立火道温度的实时有效稳定的预报,有助于实现焦炉生产过程的智能优化控制。本文以焦炉立火道温度的实时预报为主题,主要进行以下三个方面的研究:(1)对焦炉整体加热过程中的输入输出的相关过程变量进行分析,建立焦炉加热过程中的主元分析单元,确定主元分析的算法步骤,以获得研究对象的相关变量的简化量。(2)建立加热过程中的工况识别判断单元,该单元所采用的是神经网络的类别划分模式,基于之前所收集的大量特征样本数据量,经过一定程度的网络训练,获得比较稳定可靠的识别单元。(3)建立火道温度的可选择性智能预报模型的整体系统,整体系统单元主要由数据预处理单元、主元分析单元、工况识别单元、选择预报单元等单元组成,实现不同工况条件下的实时智能预报。通过确切的数据样本分析和验证整体智能预报系统的性能,验证结果表明系统预报是有效可靠的,快速性和可靠性比传统的人工预报要高。此相关课题的研究的方法和成果中,将案例推理预报和RBF神经网络预报结合在一起,为突破操作技能的研究提供了基础的研究方法,为复杂工业生产控制过程中的软测量模型提出了相关的处理方法,对智能优化控制有一定的指导意义。