精炼炉(LF)精炼过程是炼钢过程中重要的工艺过程,在我国冶钢企业中已经得到广泛的应用,LF精炼工艺中最重要的环节是温度控制,如何精确控制钢液温度是历来研究的重点。LF精炼过程钢液温度的精确控制,有助于提升成钢质量、降低炼钢成本、选择最佳控制策略、降低人员操作风险等。在实现LF精炼过程的钢液温度自动化控制中,LF钢液温度预估模型的精确预估起着至关重要的作用。首先,本文对LF精炼工艺过程及影响钢液温度因素进行研究分析,针对专家系统预估模型在钢厂实际应用中的不足,并结合机器学习算法的强大学习能力,设计了一种基于极限梯度算法(XGBoost)的混合预估模型,实现智能预估模型和专家系统预估模型并行预估,这种混合预估模型不但提高了智能模型精度,而且将智能模型和专家系统预估模型两者的优势进行了互补。用实际生产的数据对模型进行训练和测试,结果表明该模型具有较好的适用性。其次,鉴于XGBoost算法的结构复杂性,在学习过程中涉及多个参数优化问题,不同的参数组合可能造成模型的精度相差较大。在参数优化方面,传统的随机搜索和网格搜索法效率非常低,使得算法具有一定不确定性和随机性,因此本文采用贝叶斯优化算法(BOA)对智能模型中的参数进行优化,构建了BOA-XGBoost算法与专家系统预估模型混合预估的模型,然后对模型进行训练测试实验,实验结果表明使用BOA参数优化效果要优于传统参数优化方法,并将优化后和比优化前的混合模型进行对比分析,优化后的混合模型的精度有了明显的提升,模型更符合企业生产需求。最后,将优化后混合预估模型应用到LF精炼系统中,设计了一个温度预估功能模块,并利用实际生产数据对其功能进行了测试。测试结果表明,该温度预估功能模块具有较高的精度和稳定性,适用于LF精炼过程中对钢液温度进行预估,为LF精炼过程钢液温度精确控制提供了参考依据。