钢铁工业是国家的支柱产业,是国民经济发展的命脉。钢铁生产为社会创造了巨大的财富,但与此同时钢铁生产过程产生大量废气。钢铁冶炼产生的烟气主要来自于烧结生产过程,目前大部分烧结过程都包含烟气脱硫系统,但由于强非线性、大时滞和诸多不确定扰动因素的存在,脱硫过程无法达到满意的控制效果,导致二氧化硫排放对空气构成严重污染,威胁人类生存环境。因此,对烧结烟气脱硫稳定控制的研究具有重大意义。本文针对烧结烟气脱硫过程存在的非线性、大时滞和扰动问题,研究烧结烟气脱硫智能控制策略,建立脱硫过程二氧化硫浓度预测模型,设计二氧化硫浓度的优化控制策略。同时基于循环流化床塔内颗粒浓度的软测量方法,研究颗粒浓度智能控制方法,提高二氧化硫脱除率,控制二氧化硫排放量。论文的研究工作主要表现在以下几个方面。首先,根据烧结烟气脱硫工艺特点,在对脱硫过程机理分析的基础上,结合离散系统的数学建模方法和相关的模型辨识方法,建立二氧化硫浓度预测模型。其次,通过模型对二氧化硫浓度值进行预测,建立烟气脱硫过程优化目标,采取基于最小二乘的优化算法对控制量优化值进行求解,从而提出二氧化硫浓度的优化控制策略。最后,考虑脱硫塔内物质颗粒浓度对脱硫过程的重要影响,研究颗粒浓度的智能控制方法,结合流体动力学理论的方法建立颗粒浓度的软测量模型,设计模糊自适应控制方法对颗粒浓度进行控制,从而保证了脱除二氧化硫的反应条件。实验仿真验证了本文所提建模方法与控制方法的有效性。同时为了验证其实际应用效果,针对国内某大型钢铁企业烧结厂,开发烧结烟气脱硫优化控制系统。实际应用结果表明,该系统实现了对二氧化硫浓度的控制,提高了烧结烟气脱硫系统自动化程度,稳定了脱硫系统的出口二氧化硫浓度,有效地促进了脱硫塔内脱硫反应的进行,最终实现降低二氧化硫排放的目的。