连铸是钢铁生产的关键环节,二冷区是连铸生产过程中的关键环节,二冷区水量的大小影响着铸坯是否均匀冷却,关系着铸坯质量的好坏。在实际连铸坯生产工况中,工业界常用参数配水法进行二冷水量设定控制,如果有非稳态工况发生,比如拉速发生变化,此时参数配水法控制作用下的铸坯表面温度波动较大,会造成铸坯发生裂纹等质量缺陷。针对该问题本文采用模型预测控制（Model Predictive Control,MPC）方法决策二冷水量设定值以保证铸坯温度波动在合理范围内。根据铸坯尺寸差异,铸坯凝固过程可以抽象为二维和三维瞬态传热方程,两者最大区别就是后者考虑铸坯宽度方向传热和拉坯方向扩散项传热。本文分别针对二维动态温度场和三维动态温度场进行MPC动态优化控制,优化过程中有两个问题需要解决。1)边界条件中换热系数精确度影响铸坯计算温度准确性,常用的经验公式不够精确,本文通过反问题辨识综合换热系数。2)传热方程本质是二阶偏微分非线性方程,差分化后求解计算量大,而滚动优化是一个在线求解的实时过程,实时性要求比较高,如何处理两者之间的矛盾是本文考虑的重点。为此,本文开展的工作如下:（1）基于二维稳态传热方程建立反问题优化模型辨识综合换热系数,并采用进化算法求解优化模型。首先建立二维稳态传热方程及边界条件,以铸坯测量温度值和表面温度计算值偏差的平方最小为目标函数建立反问题优化模型。由于经典粒子群算法（Particle Swarm Optimization,PSO）有易陷入局优的缺陷,所以在PSO基础上提出社会学习粒子群算法（Social Learning Particle Swarm Optimization,SL-PSO）,并证明SL-PSO算法收敛性。通过实验比较PSO和SL-PSO求解反问题的效果,结果表明SL-PSO算法比PSO算法求解的铸坯表面计算温度与测量温度的差值降低,粒子学习曲线表明SL-PSO算法在进化初期搜索范围大,进化后期收敛速度快,符合SL-PSO算法的特性。（2）基于二维瞬态热传导方程和三维瞬态热传导方程建立MPC优化模型,并基于数值优化方法求解。首先根据假设条件不同,分别分析二维瞬态热传导方程边界条件及MPC优化模型和三维瞬态热传导方程边界条件及MPC优化模型。然后采用增广拉格朗日乘子法松弛约束条件,基于精确线性搜索步长的梯度下降法求解MPC优化模型。最后在拉速干扰下进行MPC方法和参数配水法在二维瞬态热传导方程和三维瞬态热传导方程下的对比实验。实验表明在二维动态温度场的控制方面,表面平均温度波动、二冷水量波动、表面温度与参考温度最大偏差以及稳定时间等实验下MPC方法都优于参数配水法的控制效果。在三维动态温度场的控制方面,表面平均温度、中心温度、稳定时间、表面温度与参考温度最大偏差以及二冷水量波动等对比实验均表明MPC控制效果优于参数配水法。（3）基于GPU设计了连铸二冷水量的二维动态MPC优化和三维动态MPC并行优化算法软件包。瞬态热传导方程求解计算量大耗时长和MPC在线滚动优化实时性要求高相互矛盾,而GPU具有在短时间内处理大规模计算的优点,所以本文基于GPU并行MPC优化模型。首先分析CUDA架构下的并行方法和优化思路,其次讨论block、thread大小以及shared memory对性能的影响,最后对比实验验证MPC方法基于CPU和GPU实现的效率。实验表明在二维动态温度场的MPC优化控制时间提升16倍左右,在三维动态温度场的MPC优化控制时间提升10倍以上,降低MPC优化控制的相对时间（程序运行时间与实际生产时间之比）。