钢坯加热是轧钢线上的重要环节,担负着为轧制工序提供加热质量合格的钢坯的任务。轧钢加热炉的主要任务就是在尽可能低的燃烧消耗和环境污染的情况下把钢坯加热到所要求的温度。钢坯出炉温度是轧钢加热炉运行中钢坯加热的主要质量变量,随着轧钢水平的提高,对钢坯出炉温度的控制精度的要求越来越高。本文是在考察、分析重钢型钢厂中型加热炉现有控制系统的基础上进行的,主要研究内容是建立直接以钢坯出炉表面温度为控制对象的闭环控制系统,以提高钢坯出炉温度的控制精度。针对机理建模的复杂性,本文提出使用ANFIS模糊神经网络建立钢坯出炉表面温度的预报模型。首先介绍了加热炉的工艺,分析了重钢型钢厂现有的加热炉控制系统,并在此基础上选择建立模型所需的辅助变量。本文采用模糊c-均值聚类算法对辨识所用的数据进行聚类,并利用聚类质量的综合评价方法选择合理的分类数。在辨识网络初始化完成后,利用离线学习的混合学习规则对网络进行训练。学习规则中步长的取值对训练过程影响很大,本文采用了一种新的步长调整规则,给出了不同条件下仿真结果的对比图,仿真结果表明了步长调整规则的有效性。本文中钢坯出炉温度回路的闭环控制使用ANFIS模糊神经网络控制器。分析了基本模糊控制器的设计,选择了温度控制器的自适应参数。温度控制器的学习算法采用自适应网络在线学习的基本学习规则,在建立控制系统整体模型的基础上,对控制过程进行仿真。在仿真过程中步长值固定,分析了步长值大小对仿真结果的影响。本文提供的仿真结果可以为重钢型钢厂中型加热炉控制系统的后续改造提供一定的依据,对系统的后续改造具有一定的指导意义。