焦炉冷鼓系统在炼焦的生产过程中起到了至关重要的作用,其主要是用来调节初冷器前吸力以及实现荒煤气在不同工况下的稳定传输。一旦初冷器前吸力发生变化,集气管压力也会变得不稳定。由于冷鼓系统具有多变量、非线性、强干扰以及强耦合等特性,这使得通过常规的建模方式无法获得准确的数学模型。因此,寻找合适建模方法来获得精度较高的模型并采用先进的控制技术对焦炉冷鼓进行长期稳定的控制具有十分重要的理论和现实意义。本文以某焦化厂项目的改造为背景,根据煤气生成量的不同将其分为检修保温、正常生产和推焦加煤三种工况。本文通过采用神经网络RBF对焦炉冷鼓系统进行模型辨识,将辨识出的模型结合模型预测控制形成了基于RBF神经网络的预测控制,并将其应用到冷鼓系统控制方案中。完成改造后的焦炉冷鼓系统通过采集现场数据,并利用MATLAB软件进行相关仿真实验,其实验结果表明改造后的冷鼓系统能很好的将初冷器前吸力稳定在一定范围内,完全符合炼焦工艺的要求。初冷器前吸力在刚开始受到干扰时虽会出现波动,但是持续一小段时后便能快速稳定下来,并恢复到工艺要求的范围内。经过该控制方案改造后的焦炉冷鼓系统具有快速性和抗干扰性。