加热炉是钢铁冶金企业重要的辅助设备之一，它广泛应用于轧制钢坯的加热和热处理钢材的加热。目前，尽管在钢板轧制加热和热处理加热工艺方面探索和总结出许多成功有效的方法和经验，但在实际生产中，仍然存在一些问题。如：燃气与空气的配气量比例，一般通过人工调节，未实现按加热条件自动动态调节；无法在炉膛内检测被加热钢材的温度，只能通过检测炉壁或炉膛温度，再凭经验估计钢材温度，结果是钢板温度误差大，影响后续加工质量；钢材加热存在表面过烧现象，有时表面烧损、氧化严重，影响产品质量；尽管钢材出炉时，可用红外线测温仪来进行钢材表面温度检测，但因钢材表面存在氧化层，也影响钢材温度检测精度。本文结合辊底式加热炉加热钢板的工艺特点和要求，提出了应用神经网络信息集成与融合技术来解决辊底式加热炉钢板温度监测系统输入信息与输出信息之间的非线形映射关系，并进一步探讨和研究了神经网络信息集成与融合技术的基本原理和方法、各种神经网络信息集成与融合技术的特点和应用范围，对典型信息集成与融合技术和神经网络信息集成与融合技术在技术特点、应用方法和范围等方面做了较为详细的对比，由此提出应用神经网络信息集成与融合技术来解决在辊底式加热炉钢板温度监测系统研究中出现的若干技术问题。在辊底式加热炉钢板温度监测系统可行性方案论证和制定过程中，探讨和研究了BP神经网络信息集成与融合技术在构建系统数学模型过程中的基本原理、步骤和规则，比较了单一BP神经网络信息集成与融合技术与多层次BP神经网络信息集成与融合技术（网络的串联、并联、串并联结构）各自具有的特点，最终确定采用串联BP神经网络信息集成与融合技术来完成辊底式加热炉钢板温度监测系统的研究。 在系统方案确定后，充分利用MATLAB数学工程软件强大的数学运算和数据管理、神经网络工具箱、自动控制工具箱、GUI和GUIDE界面编程等功能，编写出相应的应用程序，并结合原始数据信息采集系统构成了完整的辊底式加热炉钢板温度监测系统，达到了项目研究的目的，相信通过对硬件系统和软件数据库的进一步完善和增强，本研究成果将会得到进一步的推广应用。