钢包炉(LF)精炼法作为主要的炉外精炼手段,在炼钢流程中发挥着缓冲器的作用,其主要任务包括对钢水温度和成分进行精确调整、去除钢液中的夹杂物和协调炼钢-连铸流程的生产节奏。由于LF炉具有精炼效果好和运行可靠性高等优点,因此在我国钢铁企业中得到了较为广泛的应用。目前我国LF精炼过程的控制普遍还停留在离线分析、经验调整、手动控制的水平,导致精炼过程的温度和成分终点控制精度低、物耗能耗大和钢材产品质量不稳定,这些问题已经成为制约我国炼钢技术发展的瓶颈。钢水温度和硫含量是LF精炼过程终点控制任务的重点和难点,为了提高其终点控制精度、降低精炼过程的处理成本,本文首先对LF钢水温度和硫含量的在线预报问题进行了研究,随后,以钢水温度和硫含量预报模型为基础,本文对钢水温度和硫含量终点控制过程的优化设计问题进行了研究。本文的主要研究工作归纳如下：1.对LF钢水温度预报模型的建模方法进行了研究。本文从LF精炼过程的基本原理出发,分析了过程中影响钢水温度的主要因素,结合现场的工艺条件和实际情况,提出了机理和数据建模方法相结合的LF钢水温度混合预报模型,该模型采用机理方法对LF温度行为的可描述部分进行建模,采用数据建模方法对机理行为未知部分的未知函数和机理行为已知部分的未知参数进行逼近和估计,因此能够充分利用机理方法和数据建模方法各自的优势,既解决了机理模型结构复杂、建模困难和参数难确定等问题,又能够克服单纯数据模型对数据的过度依赖和泛化性能差等问题。此外,为了保证对混合模型中未知函数和未知参数的逼近精度和估计精度,本文对LF钢水温度混合预报模型的实现算法进行了研究,分别提出了基于部分线性神经网络的混合模型实现算法和基于部分线性正则化网络的混合模型实现算法。随后,针对建模数据中存在噪声和离群点时带来的不稳定问题和大数据建模时的难建模问题,本文分别对这两种混合模型实现算法进行了必要的改进。最后,通过仿真实验,验证了上述混合建模方法的有效性。2.对LF钢水硫含量预报模型的建模方法进行了研究。本文从LF精炼过程脱硫反应的热力学和动力学原理出发,以现有的基于经验脱硫速率方程的硫含量机理预报模型为基础,采用数据建模方法对机理模型中未知参数进行估计,形成了串联结构的硫含量混合预报模型。此外,本文还将待估计参数的先验知识引入了进来,以线性约束的形式结合到混合模型中,从而有效地克服了数据建模方法的过拟合问题、保证了待估计参数的工艺合理性、改善了混合模型的预测性能。随后,针对实际LF精炼过程脱硫行为在前期造渣阶段和中后期脱硫阶段表现出的不同的、分阶段的动态特性,本文设计了分阶段的硫含量预报方法,分阶段预报模型能够很好地捕捉不同阶段脱硫动态特性的差异,从而进一步提高了硫含量的预报精度。3.以国内某钢厂100tLF炉为研究对象,以LF钢水温度和硫含量预报模型为基础,对钢水温度和硫含量终点控制过程的优化设计问题进行了研究。供电、吹氩和造渣是进行LF钢水温度和硫含量终点控制的三个精炼手段,所以本文优化设计问题的研究内容为供电曲线、吹氩曲线和造渣量的优化设计三部分。前人在研究供电曲线、吹氩曲线和造渣量的优化设计问题时,采用独立的单体优化方式,这种方式难以考虑脱硫过程和升温过程的耦合关系,因此可能得不到经济、合理的优化方案。针对该问题,本文在设计优化方案时,充分考虑了二者之间的内在关联,引入了对钢水温度和硫含量进行同步控制的思想。此外,针对LF精炼过程的升温压力、脱硫压力和精炼周期等因素在炉次之间存在着较大差异的问题,本文的优化方案引入了动态优化设计思想,使其能够根据具体炉次情况对过程控制变量进行优化设计。通过仿真结果可以发现,本文的优化方案体现了较好的合理性和灵活性,实现了节能降耗、降低生产成本的设计目标。