LF炉已成为二次精炼过程中的关键设备之一，对调整钢液成分，特别是对合金成分的控制起重要作用。因此，LF炉的合金成分控制现已成为LF炉的主要研究对象之一。然而长久以来，已有的控制模型实际效果并不理想，人们一般基于经验操作来控制合金成分。这样不仅影响控制精度，而且不能合理地优化合金加料方案。为此，本文对LF中合金成分控制模型进行了深入研究。　　 对加料进行优化，通常情况下建立以合金成本最低为目标的线性规划模型并对其求解。合金元素收得率对模型的精度影响较大，但是合金元素的收得率很难准确获得。本文通过对影响合金元素收得率的因素分析，建立了基于遗传算法与支持向量机的合金元素收得率预测模型。由于新样本不断增加，元素收得率预测模型的训练集也在不断增大。为缩短预测时间并提高预测精度，本文提出HS-SVR增量学习算法，该增量学习算法用于缩减元素收得率模型的训练集样本数。使用元素收得率模型与HS-SVR增量算法可以计算出合金元素收得率的预测值，利用该预测值并通过最优配料模型得到最优合金加料方案。元素收得率模型、增量学习模型与最优配料模型三部分共同构成LF炉合金成分控制模型。　　 经某厂LF炉数据仿真实验表明，该合金成分控制模型可以保证按照钢种成分要求实现准确、经济、快速地合金化操作，使钢水成分达到要求范围，有利于实现LF炉钢水的窄成分控制。