转炉炼钢是钢铁生产过程中重要的环节，主要任务去除铁水中的杂质，获得成分和温度均合格的钢水。而吹炼终点控制是转炉炼钢的一项重要操作，其自动化技术水平直接影响转炉吹炼后期钢水的质量。本文针对联峰钢铁公司50吨转炉目前存在的自动化控制水平不高，配料、加料时间、枪位操作和供氧操作完全依靠人工经验问题，建立了转炉炼钢控制模型，解决了配料问题，同时设计了一种基于规则和权值的最近邻算法，来求解最优案例，根据最优解的吹炼操作信息指导新炉次。并建立了转炉炼钢RBF神经网络终点预测模型，检验控制模型的控制效果，以提高终点命中率。转炉炼钢静态配料模型是基于物料平衡和热平衡原理建立的，目前联峰钢铁公司转炉造渣方法采用的是单渣法，确定炉渣碱度的范围，然后结合新炉次铁水重量、铁水成分、铁水温度，计算下一炉需要加入的造渣剂重量，主要有生石灰加入量和白云石加入量，当造渣剂误差范围在600kg时，计算结果准确率在73.4%，可以很好的辅助配料，并且根据质量平衡定律，建立了终点钢水中锰、磷、硫的含量计算公式和吹炼吨钢耗氧量计算公式。转炉炼钢控制模型是基于案例推理的原理建立的，根据不同的钢种设计合理的案例库，保存不同钢种的一倒成功炉次的静态参数和动态参数，包括铁水重量、废钢量、供氧操作、枪位操作等参数，使用一种基于规则和权值的最近邻算法搜索数据库中与新炉次相似甚至一致的案例，如果匹配到案例，则新炉次根据规则参照案例吹炼，否则转为工人操作。转炉炼钢终点预测模型选用具有逼近速度快、收敛性强等特点的RBF神经网络建模，根据RBF神经网络建模原理，按照样本选择、网络结构设计、数据处理和学习算法选择4步建立转炉炼钢终点RBF神经网络预测模型，将样本数据分为训练样本和预测样本，使用MATLAB软件实现模型仿真，仿真结果显示，当终点温度偏差，碳含量偏差时，碳温命中率可达65%。