近年来,国内大中型钢铁企业自动化水平逐步提高,烧结生产过程自动控制与参数检测能力也不断上升,但是由于原料特性的波动使烧结工况和烧结矿品质面临着巨大的威胁,也间接影响了高炉的平稳性和铁水质量,因此针对复杂原料来源的炼铁过程,研究烧结过程智能优化控制有着非常重要的意义。本课题是国家863重点项目“面向平稳运行和节能降耗的高炉炼铁过程集成控制系统”在杭州钢铁集团公司合作实施示范工程的重要组成部分,研究将烧结过程划分为配料、混料、烧结热状态三个工段,主要工作如下:1.提出了实验系统的总体网络架构设计方案,使协调优化系统运行于基础自动化系统之上,通过中心服务器实现控制系统信息的实时采集及运算结果上传,实现了炼铁全过程的信息集成,同时降低了系统间影响的风险;系统使用C#与Matlab混合编程方法设计建模、控制与优化算法的程序模块,使系统的软件设计得以在3个月内完成。2.采用RBF(Radial Basis Function)神经网络作为过程建模工具,并提出了峰值密度函数法和中心聚类算法,设计水分软测量模型和烧结热状态过程模型的网络结构;由于烧结矿品质的机理关系复杂,采用主元分析法选择预测模型的输入变量;为避免模型因时变而失配,采用带遗忘因子的递推最小二乘法设计了模型参数在线更新方法。3.基于烧结矿品质预测模型,提出利用在线更新的原料参数表与下料量调整规则库设计配比与配量的计算方法;由于热状态和烧结矿品质对水分要求较高,采用梯度法设计混料过程水分多路自适应控制器,实现了混合料水分的闭环控制;对烧结热状态的RBF网络辨识模型,提出将微分算子与控制量加权系数中引入预测控制方法,并设计烧结热状态广义预测控制器,增加了GPC在多变量、时滞、非线性系统中的适用性。基于上述算法和思想,进行烧结过程智能优化控制系统的软件设计,并在杭钢炼铁厂1#烧结机上得到了成功的验证,达到了预想的设计技术指标。最后分析了烧结机尾横向断面影响因素,提出将烧结台车横向分为多通道的设想,并采用改进微粒子群优化算法进行多通道协调优化的仿真研究,取得了很好的研究成果。