高炉是钢铁生产流程中的重大设备。由于高炉炉缸内衬长期接触高温铁水,因此,高炉内衬不可避免地会受到侵蚀,并且随着高炉服役时间的增加而越加严重。由于高炉工作环境的限制,现场只能测量到高炉内衬中预埋的热电偶的温度值,以及大修时所得到的炉缸侵蚀的具体情况,而在服役过程中内衬侵蚀状态不能观测,因此,利用温度测量数据预测服役中炉缸内衬的侵蚀情况,对保证炉缸安全、延长高炉寿命具有重要意义。用已有的温度值来预测高炉内衬侵蚀形貌,属于热传导反问题,理论上可以通过建立内衬侵蚀边界曲线与所测温度值对应的函数关系式来进行高炉炉缸内衬侵蚀状态的预测,但是实际上很难写出两者之间具体的函数表达式,因此用这种方法难以达到要求。神经网络是在对复杂的生物神经网络研究和理解的基础上发展起来的人工智能系统。由于神经网络具有智能的非线性逼近功能,正好能够解决难以写出具体表达式的数据拟合问题,因此本文采用神经网络中比较成熟的BP神经网络法预测高炉内衬的侵蚀状态。对高炉的结构和传热情况做适当的简化和假设,利用传热学的基本原理分别建立高炉炉缸横截面和轴截面的传热模型；然后利用ANSYS分别对两个传热模型进行有限元计算,得出温度场数据；将温度场数据用MATLAB进行适当处理,建立“温度-侵蚀曲线位置”数据库,为神经网络提供训练数据。根据训练数据的类型,建立两种结构的神经网络,通过对训练结果的对比,选择一种合适的网络结构。在建立好神经网络的基础上,利用MATLAB图形用户界面(GUI)将网络进行封装,同时利用MATLAB的M文件调用ANSYS建立数据库,在GUI中实现网络的训练,并利用神经网络的非线性逼近功能实现高炉炉缸内衬侵蚀状态的预测。最后利用GUI中图形对象的句柄实现对预测过程的可视化显示以及软件交互界面的设计。