加热炉作为钢铁冶金行业的重要设备之一,同时也是钢铁生产过程中主要的耗能设备,提高加热炉的效率,降低能源消耗,对整个钢铁行业具有重要意义。加热炉作为一个具有多变量、时变、非线性、强耦合、大惯性和纯滞后等特点的复杂被控对象,其中包含及热力学、化学和物理的各种过程,而且加热过程受多种因素制约,很难实现加热炉生产过程的精准控制,因此加热炉的建模研究对钢铁冶金行业具有重要意义。本文以唐钢1700生产线1号加热炉为实际背景,利用实际数据,建立钢坯出炉温度预测模型,并在此基础上,利用优化算法建立炉温优化设定模型,达到实际生产中节约能源,提高产品合格率的目的。通过MATLAB仿真模拟与实际数据进行比较,得出更适合的加热炉钢坯出炉温度预测模型和炉温优化设定模型。钢坯出炉温度预测模型主要利用BP神经网络和支持向量机来建立,利用MATLAB软件进行仿真。通过两种模型的预测值与实际值的比较,可以得出,在实际数据相对充足的条件下,BP神经网络的预测效果优于支持向量机,因此本文选择BP神经网络所搭建的模型作为钢坯出炉温度预测模型。本文建立的炉温优化设定模型,主要对比了遗传算法和烟花算法的优化效果。经过比较,遗传算法优化的炉温在能够满足加热需求的条件下,低于实际炉温和烟花算法的优化值,因此,为了达到节约能源这一目的,本文通过遗传算法来建立炉温优化设定模型。在两个模型确定后,利用MATLAB建立人机交互界面,方便人工进行操作。目前,钢坯出炉温度预测模型和炉温优化设定模型在唐钢均已得到应用。