球团矿作为钢铁冶炼的重要原材料,其在链篦机中的干燥预热效果对后续工序影响很大。链篦机内温度场的稳定控制,可以为球团矿的干燥提供重要环境。本文以链篦机的抽风干燥段作为研究对象,基于系统辨识方法,建立了链篦机抽风干燥段温度场的时空耦合数学模型,采用输出降维解耦和前馈补偿解耦方法,研究实现了时空耦合数学模型解耦,基于该解耦模型选择确定其模糊神经网络-PID控制方法,设计了其模糊神经网络-PID控制器,研究建立温度场时空耦合控制模型,通过模拟,仿真分析解耦及控制效果;最后设计搭建控制系统软硬件,通过试验研究,提高抽风干燥段温度场的控制精度。本文主要的研究内容和结论包括:（1）使用系统辨识法,根据数据驱动的思想,基于试验系统输入输出数据,推导并建立抽风干燥段温度场时空耦合模型。首先抽风干燥段试验系统由12个温度传感器组成阵列来监测温度场,并通过控制系统输入热风机输入气流的温度、热风机的风速和抽风机的风速,分别采用状态空间模型、传递函数模型和过程模型进行系统辨识,其中状态空间模型辨识效果最好,在所有温度传感器处,状态空间模型的辨识精度均最高,据此,建立了反映各温度传感器处温度在三个输入量作用下随时间变化的基于状态空间时间维度模型。其次,基于RBF神经网络,选择各传感器处的温度为网络输入,温度场任位置处的温度为网络输出,通过FLUENT软件对球团温度场仿真分析找到满足球团生产最佳工况的温度场。据此进行RBF神经网络的参数辨识训练,结果表明,所建立的基于RBF神经网络的空间维度模型,与双调和样条插值方法建立的模型相比,在稳态温度场辨识的情况下辨识误差较小。最后将时间维度模型代入到空间维度模型中,即可得出链篦机抽风干燥段温度场时空耦合数学模型。（2）抽风干燥段温度场时空耦合模型的输入输出的解耦。基于前馈补偿解耦只适用于输入个数等于输出个数的情况,本文提出了一种基于主成分分析法（PCA）的输出降维解耦方法,首先对输出进行降维,降维后系统输入个数等于输出个数,然后再使用前馈补偿解耦法进行系统输入和输出间的解耦。通过对抽风干燥段温度场时空耦合模型的输入输出的解耦仿真分析,结果表明,该方法能够有效地实现链篦机抽风干燥段温度场的输入输出间的解耦,解耦后的系统转换为三个单输入单输出系统,便于后续对抽风干燥段温度场控制。（3）提出了一种解耦后抽风干燥段温度场模糊神经网络-PID控制策略。针对解耦后抽风干燥段温度场三个互不影响的温度控制通道,每一通道均设计了温度的模糊神经网络-PID控制器及其控制方法,基于模糊自学习思想,设计模糊神经网络的内部控制拓扑结构,通过网络的输出实现对PID控制参数的调节,实现三个控制通道的PID参数的自整定。通过仿真分析,结果表明,与模糊PID控制策略相比,所建立的抽风干燥段温度场模糊神经网络-PID控制策略具有更高的控制精度,更好的控制鲁棒性和更强的抗干扰能力。建立温度场的模糊神经网络-PID控制模型,对抽风干燥段温度场控制仿真分析,得到温度场最大控制误差为2.3℃,满足控制要求。（4）设计并搭建了温度场时空耦合控制试验平台,并编写了相应的人机交互软件和控制程序,进行了链篦机抽风干燥段温度场时空耦合模型的验证实验和温度场控制试验。实验结果分析表明,建立的抽风干燥段温度场时空耦合模型最大误差为5.8℃,温度场控制最大误差为8.1℃。实验与仿真结果有很好的一致性,证明了本文提出的链篦机抽风干燥段温度场时空耦合模型和模糊神经网络-PID控制策略的可行性。与实际链篦机运行中抽风干燥段温度控制误差20℃相比,抽风干燥段温度场控制准确性得到一定提高。本文研究为链篦机温度场的均衡稳定控制提供了理论依据,对提升球团矿干燥效果具有参考价值。