钢铁的冶炼覆盖炼铁和炼钢两个生产过程,前者是将铁由矿石中提炼出来,后者是调节钢铁产品内在质量的生产过程。在这两个生产过程中存在大量的能量消耗,有着大量的化学反应,生产环境恶劣并且伴随着高温高热,生产过程中工艺与控制都十分复杂,这样使得获取炉内的冶炼状态变得十分困难。在实际生产中,为了精确控制和优化高炉和转炉的生产过程,提高产品的品质,就必须要准确地得到炉内冶炼状态的信息。因此本文以钢铁冶炼过程中具有代表意义的高炉布料和转炉炼钢生产过程为研究对象,在深入分析该生产过程运行原理的基础上,从中提炼出了一类新的操作解析与操作优化问题,并提出了具有一定实际应用价值的操作解析与优化方法。本文主要研究内容如下：(1)针对高炉布料过程中手工方法无法稳定地得到满意的径向矿焦比值的料层的难题,在高炉布料生产过程中提炼出了一类操作优化问题。由操作解析方法得到当前能够保证炉况顺行的径向矿焦比满意值。以布料料面对应的径向矿焦比值与满意值的偏差最小为目标函数,操作变量是炉料批重、料流阀开度、溜槽旋转速度和倾角,同时考虑了料层厚度径向跳跃、间歇操作时间等约束,建立高炉布料生产过程操作优化模型。为了满足工业现场的实时性要求,构造了分散搜索和差分进化的混合算法进行高效求解。计算结果表明,计算得到的料面对应的控制指标值与最优值的最大偏差不超过3%,证明了模型和算法的有效性。基于所提出的高炉布料操作模型和优化算法,设计开发了应用在实际生产中的高炉布料系统,该系统运行后提高了炉况的稳定性,满足了工业现场科学稳定地控制径向矿焦比等技术指标的要求,同时系统提供了在炉况变化时可以及时准确给出布料调整方案的功能。通过工业实际运行验证了系统的有效性。(2)依据控制方式的不同,转炉炼钢生产过程的操作优化问题可分为两类,即稳态操作优化和动态操作优化。在稳态操作优化问题中,如何科学合理地确定转炉冶炼过程中铁水、白云石等原料的添加量等难题,选择各种原料的添加量为操作变量,以满足生产成本和终点命中偏差最小为目标函数,考虑了能量平衡、质量平衡以及炉内各元素在钢液与钢渣中的动态平衡机理等约束,建立转炉炼钢生产过程的稳态操作优化模型,设计了差分进化和量子粒子群的混合算法进行高效求解。利用实际生产数据并与现场经验模型比较验证了模型和算法能够为转炉实际生产准确性地提供所需原料的预计算量。该模型终点命中精度达到87.4%,计算原料加入量与实际生产中原料加入量的偏差小于4.5%,平均偏差小于3.1%。(3)转炉炼钢生产过程的动态操作优化问题是依据检测到的动态信息对吹炼操作参数进行动态修正,以达到预定的吹炼目标。然而,转炉炼钢生产过程钢水质量信息难以检测以及测量信息有限导致过程质量测量信息不完备,针对该问题,提出了基于最小二乘支持向量机(Least Squares Support Vetor Machine,LS-SVM)的动态数据解析方法,建立转炉炼钢生产过程钢水质量动态预报模型。构造改进粒子群方法对LS-SVM参数进行优化。使用实际生产数据验证了所建模型的预报效果和有效性能,可以连续准确地预报转炉炼钢过程中钢水质量信息,碳含量预报的最大误差不超过0.237%,温度预报的最大相对误差不超过3.5%。(4)在转炉炼钢生产过程钢水质量动态预报的基础上,提出一类新的动态操作优化问题解决转炉炼钢过程动态控制。针对转炉炼钢生产过程复杂无法在线控制的难题,以影响炉况安全的温升和脱碳速度为控制指标,由操作解析方法得到理想经验值,以实时指标值与理想经验值的偏差最小为目标,考虑烟气偏差校正约束,建立转炉炼钢生产过程动态操作优化模型。操作变量包括从当前时刻到下一时刻的时间范围内加入的氧气总量、顶吹氧气供气模式、底吹气体总量和各副原料加入的重量。构造了改进的变异差分进化算法对模型高效求解,得到当前各冶炼操作变量的设定值,并通过控制器实现对转炉生产过程的动态控制。通过收集到的实际生产数据,验证了所提模型和算法的有效性。钢水碳元素含量的命中精度最小为0.9527%,平均命中精度为0.97%,温度最大偏差为7.52℃,平均偏差为3.082℃。最后,在总结全文的基础上,本文还对钢铁冶炼过程的未来操作优化领域的热点问题进行了展望。