连续退火炉作为轧钢企业连续退火生产线上的主要设备之一，直接影响冷轧带钢的质量、产量和成本。研究连续退火炉温度控制系统在提高生产率、改善产品质量和节约能源方面有着举足轻重的意义。鉴于连续退火炉温度控制是一个复杂而且难以控制的工业过程，采用常规的PID控制策略已经很难取得很好的控制效果，研究一种性能良好的控制策略无疑有着实际的意义。 本文从实际出发，以本钢连续退火生产线的退火炉为研究背景，重点消化研究了现场连续退火炉温度控制系统，对系统中包含的炉温控制回路、煤气流量控制回路和空气流量控制回路的设计进行了详细分析，并对系统中采用的双交叉限幅控制策略进行了深入的研究。最后通过现场炉温系统的运行效果进行分析评价，基于PID控制的炉温系统在稳定生产过程中运行效果良好，但是在升温过程中，系统滞后性严重，炉温波动较大。 鉴于退火炉内工况复杂，难以用精确的数学模型来描述它，论文基于BP神经网络辨识退火炉炉温系统的动态模型。通过分析影响退火炉炉温的各种参量，得到系统的主要输入参量为煤气流量和空气流量；然后在大量现场数据的基础上，基于BP神经网络进行炉温模型的辨识，并进行了仿真研究，结果表明基于BP神经网络的退火炉炉温模型辨识效果良好。 以基于神经网络辨识的退火炉炉温模型为被控对象，论文设计基于模糊神经网络的连续退火炉温度控制系统。针对炉温对象的特性，系统设计一种新型的模糊神经网络控制器，它具有清晰的网络结构，并能完成在线学习修正网络的权值。通过现场采集的样本数据对模糊神经网络控制系统进行离线训练，使控制器具有良好的初始参数，得到一个基本反映系统要求的网络，为在线应用打下基础。最后，在MATLAB环境下进行了仿真研究，结果表明：基于模糊神经网络的炉温控制系统与基于PID的炉温控制系统相比，对炉温变化的跟踪性能较好，超调量小，调节时间较短，而且鲁棒性较强。