随着社会的发展，人们对工业产品的要求越来越高。这就提高了对现场控制指标的要求，使得常规的控制方法和控制技术难以达到满意的控制效果。 在冶金行业，转炉．连铸流程中LF精炼工艺可提高钢的质量、扩大品种及调节转炉与连铸的生产步骤从而实现多炉连浇。其中LF炉精炼温度的精确控制对于钢的质量和连铸操作的顺序十分重要。但是LF炉操作过程影响温度的因素比较复杂，许多影响因素无法准确测量，很难用准确的数学方程进行描述，这对钢水温度精确控制造成一定影响。 神经网络是一种应用广泛的人工智能技术，它利用数学算法模拟人脑的记忆、分析、推理等能力，从而达到以任意精度逼近任意非线性函数的目的。而内模控制技术由于其简单易用，且有良好的鲁棒性等优点，使得其在工业应用中越来越受到重视。 在研究LF炉的系统工艺流程及影响钢液温度因素的基础上，本文提出基于神经网络自校正内模控制系统作为控制钢液温度的方案。首先，为了实现神经网络对对象的逼近，选择BP网络并将时间因子引入网络，从而构成动态BP网络，并针对BP网络收敛速度慢的问题提出了一些改进方法；其次，在动态神经网络的基础上，采用了对象-正模型．逆系统的方案训练了逆模型；最后，为了克服对象与内部模型匹配之间存在的误差，提出了在反馈回路中加入滤波器，并提出了滤波器的设计方案。 论文最后以MATLAB为工具对LF炉加热系统进行仿真研究。仿真结果表明：基于神经网络的内模控制结构对LF炉加热系统这一非线性、大惯性、纯滞后的系统具有良好的控制性能。