烧结是钢铁生产的预处理环节,其生产过程包含了大量的物理化学反应,这使得烧结过程滞后性强,各变量之间存在强耦合关系。烧结终点是指烧结料烧透时所对应的风箱位置,烧结终点的位置对于烧结矿的产量质量都有很大的影响。但由于现场环境恶劣及检测手段的局限性,目前国内外没有直接检测烧结终点的仪器,因此研究烧结终点的检测方法、预测模型和控制算法对于提高烧结矿的产量质量具有重要的理论意义和应用价值。本文针对烧结终点难以检测与控制这一难点,提出了烧结终点的间接检测方法,建立了烧结终点的预测模型,提前5分钟对烧结终点进行预报,并针对烧结过程的特性设计了变论域的模糊控制器。具体做了如下研究内容:(1)研究了采用废气温度判断烧结终点位置的原理,分析了废气温度上升点的实际物理意义以及计算方法。(2)分析了烧结现场废气温度和烟道含氧量的检测方法。从理论上研究了台车速度、混合料含水量、点火温度、20号风箱温度等各变量对于烧结终点的影响作用。(3)设计了基于减法聚类和粒子群算法优化的RBF神经网络训练算法,通过对一个非线性模型的辨识,研究了网络的泛化能力,并利用此神经网络建立了烧结终点预测模型。(4)采用最小二乘法辨识了烧结机速度与终点之间的模型,并以此模型作为被控对象设计了变论域模糊控制器,通过仿真验证了控制器的可行性。本文通过仿真实验表明烧结终点预测模型的最大误差为0.19个风箱,预测误差在士0.1个风箱范围的准确率达到82%;变论域模糊控制器可以很好的跟踪给定值的变化,当系统中出现土 0.3m/min的扰动时,输出波动在±0.3个风箱范围内。