钢铁是国民经济的基础原材料,加热炉的工作过程是钢铁生产中的核心部分。它的生产过程是一个具有大惯性、纯滞后、非线性和强耦合的复杂热工反应过程。建立精确的复杂模型非常困难,采用传统的控制方法很难达到精确的效果,本文对钢铁加热炉进行了基于神经网络的融合控制的深入研究。在加热炉工艺流程及加热炉控制系统要求基础上,对加热炉的炉温控制、流量控制、炉压控制等进行了实际应用设计。以神经网络知识为基础,运用神经网络的学习记忆能力及自组织和自适应能力,通过综合判断、全局分析,形成一种新型的控制策略,针对加热炉工作过程中起关键作用的炉膛温度、炉膛压力、燃气流量进行融合,以解决单一传感器不能全面反映工况信息从而不能准确选择控制方案的问题。采用ART-2和BP两种神经网络对采集到的传感器信息进行分类,得到能较准确反映现场的工况信息,并对两种神经网络进行了训练,形成较好的控制策略。采集来的数据经过输入信息空间、聚类融合空间和类别空间,然后通过全局知识库和综合知识库的信息处理,形成控制策略空间,构成了完整的控制体系。使用硬件平台UP-Net ARM2410-S作为目标机,用安装有REDHAT 9的PC作为宿主机,并在宿主机上安装交叉编译工具,构建交叉编译环境。以Qt为开发工具,进行了人机界面的开发,完成了加热炉融合控制器的设计。