连续退火炉作为轧钢企业冷轧连续退火生产线上的主体设备,对带钢的质量、产量及成本等方面影响很大。对连续退火炉进行有效的温度控制可以明显提高生产率,有效改善产品质量,并可以达到节约成本及节能环保目标。由于连续退火炉是具有非线性、大时滞、参数时变的复杂且难以控制的工业过程,传统的PID控制策略很难满足控制要求,故研究一种性能良好的控制策略具有实际意义。本文从实际出发,以本钢连续退火生产线为研究背景,对现场连续退火炉温度控制系统进行重点消化研究,详细分析系统中包括的炉温控制回路、煤气流量控制回路及空气流量控制回路,并且对系统所采用的双交叉限幅控制进行研究。由于连续退火炉温度控制系统是具有大惯性、纯滞后、强耦合、参数时变等特点的非线性系统,通过机理建模很难获得准确的数学模型。论文基于正交最小二乘法(OLS)优化的RBF神经网络辨识退火炉的动态模型,通过对退火炉炉温参量的分析,得到系统的主要输入为煤气流量及空气流量。通过现场采集的大量数据对OLS-RBF神经网络进行炉温模型辨识,并通过仿真研究结果表明基于OLS-RBF神经网络退火炉炉温模型具有良好的辨识效果。在建好炉温数学模型的基础上,将炉温模型作为主要研究对象。论文设计一种基于自适应遗传算法(AGA)的模糊PID控制器对炉温进行控制,在传统的遗传算法基础上加入了自适应遗传算子。自适应的交叉概率Pc和变异概率Pm为遗传算法中的种群提供解的最佳值,使得遗传算法在不仅保证了种群多样性,还可以保持遗传算法的收敛性。并且将模糊策略与PID控制相结合起来,利用自适应遗传算法优化模糊规则的调整参数αij,模糊PID控制器的偏差E的量化因子KE和偏差的变化率EC的量化因子KEC。对仿真的分析研究表明,AGA-Fuzzy PID在炉温控制过程中控制效果要优于AGA-PID及Fuzzy PID,对系统的稳定性、动态性能及稳态性能都有较大的提高。AGA-Fuzzy PID控制策略可以快速的跟踪炉温的变化,具有响应速度迅速、调节时间短、稳态误差小等特点,系统的跟踪性能极大地得到了改善。