冷轧带钢作为高端钢材的典型代表之一,近年来需求逐步增加。退火炉加热过程作为冷轧带钢生产的一个关键工序,具有多参数、多干扰、非线性、滞后性与大惯性等特点,难以建立其模型,传统控制方法很难实现退火炉加热过程板温稳定准确控制。同时,钢种类型、带钢规格、带钢传输速度等状态参数频繁变化,导致该过程工况复杂,单一模态下控制器难以保证带钢质量的长期稳定,而现有的分工况环境下的智能控制器往往根据工况判定模块进行切换控制,切换扰动大,且缺乏特定工况小范围波动时智能控制器参数调整机制和策略,自适应性不足。因此,本文面向退火炉加热过程板温高精度控制需求,研究其工况分类模型与多模态模糊自适应控制方法,以期能够为复杂工况环境下的退火炉加热过程提供一种数据驱动的智能控制新方法。本文主要研究成果及创新点如下:（1）基于模糊子集的退火炉加热过程工况分类模型针对退火炉加热过程工况描述不直观、分类方法效率低、分类模型复杂、可解释性差的问题,本文建立了一种基于模糊子集的退火炉加热过程工况分类模型。为了直观的描述退火炉加热过程工况,展现各工况间的区别和联系,本文以模糊子集的形式描述工况;为了高效地挖掘出工况模糊子集,在特征参数选择的基础上进行特征参数降维,并引入无需重复学习的基于密度峰值的快速聚类算法获取聚类中心,以此建立高斯型工况模糊子集。为了简化工况分类模型并提升其可解释性,提出模糊子集相似度和覆盖率检测方法,检测冗余的工况模糊子集,通过子集合并有效简化工况分类模型并提升其可解释性。本文提出的工况分类方法对工况的描述直观、数据分类效率高,且工况分类模型的简化提升了其可解释性。（2）数据驱动型模糊规则快速挖掘方法针对退火炉加热过程模糊控制器设计过程中模糊规则挖掘困难、效率低的问题,本文提出一种基于冲突规则的改进性Wang-Mendel（WM）方法和一种基于扰动数据检测的模糊规则挖掘方法。考虑到退火炉加热过程数据分布复杂特性引起的冲突规则对模糊输出精度的影响,提出了一种基于冲突规则的改进性WM方法;在模糊划分的基础上计算规则支持度,选取支持度大的冲突规则来构建输出模糊子集,提高了模糊规则的准确性。为了抑制退火炉加热过程扰动数据的影响,提出一种基于扰动数据检测的模糊规则挖掘方法;利用模糊划分对数据分组,并构建输出数据高斯分布函数,获取数据权重,将多维输入输出空间内扰动数据检测问题转换为一维输出空间中扰动数据检测问题,在简化扰动数据检测问题的同时提高了模糊规则的鲁棒性。（3）退火炉加热过程变论域参数自整定模糊控制方法针对单一工况下参数小范围波动时控制器自适应性不足、参数整定困难的问题,提出一种变论域参数自整定模糊控制方法。为了满足退火炉加热过程目标板温变化需求,定义了一种面向未知论域的伸缩因子,并设计了一种具有符号因子的比例型伸缩因子和一种分段函数型伸缩因子;为了确定伸缩因子参数,在模糊规则挖掘的基础上利用退火炉加热过程生产数据建立了伸缩因子参数优化问题,并采用混沌粒子群优化算法进行参数的优化,实现伸缩因子参数的自整定。该方法提升了变论域自适应模糊控制器的灵活性与实用性,且参数整定策略有效,控制器自适应性强,调整时间短、超调量小、稳定误差小、鲁棒性强。（4）具有扰动补偿的非参数模型自适应板温控制方法针对退火炉加热过程工况过渡过程系统变化大、控制器自适应性不足、控制器切换扰动大、板温快速调节困难的问题,提出一种具有扰动补偿的非参数模型自适应板温控制方法。为实时跟踪系统变化,引入无模型自适应控制方法中的泛模型（非参数模型）对板温进行实时估计,设计非参数模型自适应控制器调节煤气流量,进行板温的快速调节;为抑制带钢种类或带钢截面积变化引起的扰动,建立基于热效的退火炉加热过程板温简化模型,结合泛模型进行扰动的估计,并对扰动进行补偿。该方法实现了板温的快速调节,加快工况过渡过程,扰动的补偿有效减小了板温控制误差,提升了带钢达标率。本文通过研究退火炉加热过程工况分类方法、单一工况下模糊规则挖掘方法和变论域模糊自适应控制方法以及工况过渡过程非参数模型自适应控制方法,设计了一套完整的基于数据的多模态模糊自适应控制方案,为解决复杂工况环境下的退火炉加热过程控制问题提供了一种数据驱动的智能控制新方法。