管式加热炉是典型的复杂工业被控对象,具有非线性、多变量、大惯性等特性。随着工艺要求提高、能源问题日益严峻,管式加热炉传统控制方法亟待改造。因此,本文的主要工作如下:1.综述了管式加热炉控制的研究现状,包括管式加热炉系统的一般结构、主要技术指标、工艺流程、传热方式、主要控制参数等方面。基于管式加热炉传统出口温度控制方法,进行了管式加热炉双环PID控制的分析和仿真,结果表明双环PID控制满足管式加热炉出口温度的控制要求,但由于收敛时间较长,使得出口温度控制滞后,无法满足精度要求。2.基于管式加热炉双环PID控制的实际生产数据,针对管式加热炉分别进行了BP神经网络、GRU神经网络、RBF神经网络、LSTM神经网络的预测建模。通过比较发现,BP神经网络模型在标准条件和最优化条件的预测训练迭代次数在250时效果最好;GRU神经网络模型具有快速收敛性,迭代次数越多,损失率越低;RBF神经网络训练的结果不收敛;而LSTM网络训练的结果则收敛良好,为后续管式加热炉的智能控制做铺垫。3.基于不同的神经网络预测模型,进一步根据专家系统理论,选择确定不同条件下管式加热炉的炉温智能控制方法,具体如下:（1）当煤气流量、空气流量和出口温度数值对每一采样时刻连续,数据样本量较小且此时计算机运算能力强时,选用LSTM神经网络预测模型;（2）当煤气流量、空气流量和出口温度数据采样出现时间序列上的不连续,且此时计算机运算能力相对不足时,可选用BP神经网络预测模型;（3）当数据量少,要求迭代次数多,收敛速度快,计算运算能力充足,对训练时间不敏感并且有基于时间序列的连续数据时,可选用GRU神经网络预测模型。仿真实验结果表明,本文提出的上述基于专家系统的管式加热炉智能控制方法与传统的双环PID控制方法比较,在不同的条件下,具有更快的响应速度和更高的响应精度。因此,可作为管式加热炉智能控制方案的选择之一,以满足企业节能减排的要求。