钢水温度是炼钢过程的重要控制指标,由于钢水温度过高和钢液、钢渣对测温枪的腐蚀,钢水温度的测量只能用热电偶进行消耗式点测,而无法得到钢水温度的连续变化的信息。如何建立合理的温度制度、精确控制钢液温度,是一个迫切需要解决的课题。而对LF炉钢水温度的准确预测,是合理组织生产、提高钢水质量、降低炼钢成本、实现钢水温度控制的重要前提。本文研究将BP神经网络与专家系统相结合,根据生产工艺,建立精炼炉温度预估模型。深入考察了影响LF钢水温度的因素。从能量平衡的角度出发,将整个钢包体系作为一个系统,确定加热功率、钢水重量,钢包温度、包龄、渣厚、氩气吹入量、阶段7个主要因素作为网络的输入量。应用BP神经元网络进行初步预报,再根据专家工艺知识对一些特殊情况进行补正。与机理法和统计法相比,钢水温度预报的适应性和准确性都得到了改善。期望预报误差在±5℃之内的炉次占总炉次的85%。钢水的合金化是一个比较复杂的过程,它不仅关系到钢的质量、合金的消耗量,而且关系到钢水的加热制度。在考虑元素收得率的基础上,根据合金添加公式准确地计算出追加合金的重量,从而改善钢水的质量。以C#语言编写程序,开发了功能完备、具有友好人机交互界面的软件,软件具有数据输入,温度预报等功能。