加热炉是钢铁企业中消耗煤气能源相对较多的重要的设备，在轧钢生产线上发挥着巨大的作用。提高加热炉的加热效率，降低能耗是当今国内外专家学者研究的重要问题之一。由于加热炉本身是一个复杂工业被控对象，难以对其进行精确控制，加热过程中包含了化学方面的氧化、物理过程中的受力和传送、热力学中的吸热放热。在实际工程中，受到工艺因素的限制，加热炉控制参数是在一定的范围内；炉内各部分的钢坯温度分布不能直接使用仪器全部测出来；生产过程中外界扰动会时常发生。从数学模型的角度来说它具有多变量、时变、非线性、强耦合、大惯性和纯滞后等特点，传统的控制很难建立精确的数学模型，不能满足高精度控制的要求。本文针对加热炉的炉温控制进行深入探究，将模糊神经网络方法应用到加热炉的炉温控制中，结合实际加热炉进行仿真，可提高系统的控制性能。　　论文对加热炉的炉温优化控制进行深入探究，主要工作如下：　　(1)查阅了大量国内外相关文献，分析了加热炉控制现状，总结了前人的研究成果及应用经验，确定了课题的研究方案。　　(2)分析了加热炉的炉温控制工作过程，确定了控制目标及控制参数，分析了轧钢加热炉炉温动态情况，明确了燃风流量、煤气流量、燃烧室温度的关系，建立了炉温控制的数学模型。　　(3)研究了模糊神经网络控制方法，提出了一种改进模糊神经网络控制算法，采用分段控制法对各段的炉内钢坯温升进行准确控制，预先拟定好三段式加热炉每一段的最符合要求的炉温，通过阀门开启煤气进入燃烧，令钢坯在炉内加热到一定的高温和获得较好的均热度，又能够节约燃料量。　　(4)利用Matlab仿真软件，建立Matlab仿真模型，对实际工况进行了仿真试验，分别对常规PID控制、模糊PID控制、神经网络PID控制、模糊神经网络PID控制进行对比。仿真实验结果表明：模糊神经网络PID的控制效果在三者中最优。