配煤炼焦是一个复杂的工业生产过程,其中火道温度的控制是保证焦炭生产的一个重要环节。火道温度过高,会增加单位产品的能耗,而且容易出现“扒焦”现象,费时费力；火道温度过低,在规定的结焦时间内焦炭不易成熟,影响焦炭的质量。如何设定一个合理的火道目标温度,并且保证火道温度稳定在设定值上,是实现炼焦生产过程的优化控制中一个急需解决的问题。目前,目标火道温度主要依靠人工经验给定,缺乏理论指导并且难以根据实际工况变化进行实时调整。为此,建立了目标火道温度优化模型,即建立焦炭质量、产量,焦炉能耗与火道温度的关联模型,通过优化模型计算出目标火道温度。首先,采用灰色关联分析方法从理论上定量分析质量、产量和能耗与其影响因素之间的关联程度,从而确定多目标优化模型的输入。其次,采用RBF神经网络建立焦炭质量,产量和炼焦能耗预测模型。最后,在配煤参数,结焦时间等工况确定的条件下,以火道温度为决策变量,运用遗传算法求解出在以焦炭质量为约束,满足焦炭产量最大,炼焦能耗最小时的目标火道温度值。得到目标火道温度后,为了使火道温度稳定在设定值上,需要设计一个有效的控制器。焦炉火道温度控制系统是一个具有强非线性,大滞后,强干扰,时变的系统,一般的PID控制难以达到满意的控制要求,于是根据被控对象的特征采用改进的隐式广义预测控制,即引入约束输入矩阵并且对控制量进行补偿。这种方法避免矩阵求逆运算,减少了计算量,同时对系统输出产生的超调也起到了抑制作用。最后,以火道温度为被控对象,采用PID控制和改进后的隐式广义预测控制进行仿真对比,结果表明,改进后的隐式广义预测控制效果优于PID控制。