焦煤是冶金行业中主要的燃料和重要的原料，极大的影响着钢铁的质量和产量。但用于炼焦的煤炭资源是一种不可再生的资源。随着经济的发展，焦炭的需求日益增大，但其开采量却是日益减少，导致焦炭价格日益增高。国家的发展战略规划中明确指出必须建设资源节约型社会。高能耗的炼焦行业也在努力发展各种节能降排的方案。焦炭生产行业是其他冶金工业的基础，若它能提高产品的质量和产量，则对于冶金行业来说能可观的减少它的生产成本。　　炼焦过程属于复杂生产过程，在焦炉的加热过程中既有连续状态又有离散状态，属于典型的混杂系统。首先，生产现场只考虑了其连续特性，而忽略了其离散因素；其次，焦炉加热过程具有非线性、大滞后特性；再次，由于现场环境所限各个参数的采样数据也就存在着采样周期不一样、采样信息不完整、采得的数据不精确等问题。而且现场的焦炉控制系统也不是很完善，有些地方甚至还没有实现完全自动化控制，数据采集有些还是人工进行，控制系统的设定值还是由经验给出，这些影响了焦炭的产量和质量，增加了能源消耗、提高了生产成本，降低了企业的市场竞争力。　　因此针对焦炉加热过程进行控制研究，提高控制效果，尤为必要。本文基于焦炭生产过程中的海量数据，建立焦炉火道温度预测模型来提前预报焦炉状态，对焦炉生产过程提供操作指导。通过焦炉加热过程的原理分析可知，在焦炉加热过程中其离散状态的因素对其火道温度的控制影响很大，只是由于焦炭焦化过程中所能容忍的温差比较大因此在常规的控制中把焦炉加热的整个过程近似为一个连续系统来控制。但这样会使能耗增加、产量下降。因此本文充分考虑焦炉加热过程中的离散特性，对焦炉加热过程的离散状态进行划分，在每个离散状态下采用不同的控制规则，实现模糊PID控制。　　主要的研究工作如下：　　1：了解工艺分析系统混杂性。在充分了解炼焦工艺的基础上，对焦炉炼焦过程进行分析，明确系统的混杂特性，确定系统的离散过程和连续过程。　　2：数据采集与处理。到现场采集生产数据，并对缺失数据应用连续平均值法进行补全、用拉伊达准则对异常数据进行剔除得到了200组可用数据。并用数据建立了焦炉火道温度的预测模型。由于最基本的BP神经网络有着收敛速率慢、很容易陷入局部极值的缺点而提出了小波神经网络的预测模型。　　3：学习混杂系统控制原理，应用“聚合”法的建模方法，建立焦炉加热过程的混杂系统切换自动机模型，不同离散状态之间的切换采用了并行投影结构的硬切换方式，并对该模型进行了仿真验证。　　4：系统仿真对象模型的建立。采用所得到的数据应用批处理最小二乘来建立系统的ARX模型做为仿真对象模型。　　5：对各个离散状态下的焦炉加热过程均采用模糊PID控制策略，制定了具体控制规则，并进行了仿真研究。　　6：离散部分采用混杂系统切换自动机模型，连续部分采用模糊PID控制策略，根据离散状态进行控制器的自动选择，搭建了焦炉加热过程的混杂控制结构，并进行了仿真研究，结果表明焦炉火道温度的混杂控制降低了系统的超调，提高了控制效果。