本文是2年硕士学习期间，在导师指导下从事钢铁冶炼生产工艺优化控制数学建模研究的学术总结。既包括高炉炼铁工艺的炉温[Si]预测多尺度数学建模研究，也包括炼钢工艺后续的LF精炼炉脱硫模型等数学建模的研究。数学建模研究已经成为现代化大型钢铁企业提高生产工艺自动化、智能化控制水平的重要途径，也是降低工艺能耗、提高产品质量、提高企业效益的重要途径。　　 钢铁工业是国民经济的重要支柱产业。钢铁生产工艺从原燃料到钢材产品，是多个不同的生产工艺过程有机地衔接在一起才能够完成的。高炉炼铁工艺是钢铁厂的上游工序，其能耗占吨钢能耗的2/3，因此，其炉温的预测控制模型研究对炼铁节能和生产平稳进行具有重要价值。而高炉铁水完成炼钢工艺后，其后续工序是LF炉精炼工艺，这是保证优质钢材化学成分符合质量要求的关键环节。因此这两个工艺过程都是钢铁生产的重要环节，是保证生产顺利进行、降低成本、减少能耗、提高产品质量的基础。　　 炉况顺行和高炉稳定性控制是高炉冶炼的重要课题。高炉铁水硅质量分数([Si])是衡量高炉炉况与铁水质量的重要指标，因此可以通过对[Si]序列进行辨识分析得到高炉内部的性质特征。高炉炼铁具有强噪声、大时滞、分布参数等特性，这给[Si]序列性质的细致分析增加了难度。多尺度趋势分析是近几年来被广泛应用的理论，已经成功应用于生物医学、地质勘测等多个领域，并取得了较好的成果。该理论对时间序列的局部趋势进行辨识分析，通过时间序列的上升下降趋势，利用时间序列的自仿射特性，对其分形特性进行分析。这为细致分析[Si]序列性质提供了很好的参考。　　 调整钢水成分与降低硫含量等钢水杂质是LF精炼炉的主要作用。为了达到精炼过程的智能化控制，需要将数学模型与专家知识结合起来对LF炉进行优化调控。本文将统计分析基本原理、现代控制理论和专家经验相结合建立LF炉精炼过程数学模型，从而使模型能够对精炼过程进行有效的指导。　　 本文的数学建模研究完全密切联系钢铁企业的生产实践。在炼铁工艺数学建模研究中，以包钢6＃高炉(2500m3)、宝钢4#高炉(4747m3)、莱钢1#高炉(750m3)在线采集的生产数据为对象，对3座高炉[Si]序列的分形特性和自相关关系进行辨识对比分析。从中可以得到数学模型的共性结论和不同高炉的差异性结论。在LF精炼炉工艺的数学建模研究中，以济钢1#LF精炼炉在线采集的生产数据为研究对象，重点分析了精炼过程的数学模型，并对脱硫模型进行了详细的介绍。