转炉炼钢终点碳温控制是转炉炼钢后期的重要环节。由于冶炼过程温度极高,很难进行准确及时的测量,无法形成通常意义下的反馈控制。国内大多数中小型转炉因受其结构尺寸限制、设备投资及维护等原因,并未装备副枪及炉气分析等设备,仍然处于相关检测设备不够完善,自动化控制水平普遍较低的状况。中小型转炉依靠人工经验或传统静态模型的终点控制仍是普遍现象。从鞍钢的中型转炉炼钢实际来看,其终点控制目前仍大部分采用倒炉取样的方式,终点命中率较低,这对提高钢水质量存在很大制约。转炉炼钢是一个极其复杂的物理化学反应过程,如何更加精准、实时、有效、经济地实现转炉炼钢的终点碳温预测,是一项具有现实意义的课题。本文将终点碳含量和终点温度作为研究对象,完成以下主要研究工作:(1)根据热力学、动力学等相关知识,依据物料平衡和热平衡原理,在一定的假设条件下,详细分析转炉冶炼过程,建立转炉炼钢终点预测机理模型,从配料阶段来提高冶炼模型的精度。(2)将RBF神经网络引入该转炉炼钢终点控制预测过程中,采用最近邻聚类算法与具有遗忘因子的递归最小二乘法对RBF神经网络进行改进,提出基于滑动窗口矩阵的样本选取方法,研究建立在中型转炉上利用现有数据资源实现经济性要求条件下的转炉炼钢终点预测模型。(3)考虑到冶炼机理、现场实际情况及该模型对数据的要求,对冶炼数据进行了相关数据处理,主要是对离群值的处理与数据的标准化处理。(4)在MATLAB环境下对该预测模型进行仿真;搜集鞍钢某转炉炼钢的历史数据,对仿真系统进行训练学习,并应用该模型对转炉炼钢终点含碳量和终点温度进行预测。仿真研究表明,在精度为±0.019%时,C终点命中率达到92%;在精度为±15℃下,终点温度命中率达到79%。碳温双命中率为71%。通过与当前鞍钢采用的经验预测法比较来看,该模型碳温预测结果均有显著提高,该模型被证明是有效的,可为工况条件下的冶炼操作提供指导。