焦炭是钢铁等行业的主要生产原料，广泛的应用于炼铁、铸造和金属加工。焦炉加热燃烧过程是炼焦过程中重要的过程，火道温度直接影响到焦炭质量和能源消耗。针对具有强非线性、时变、大时滞等特点的焦炉加热燃烧过程，采用传统的控制理论或者单一的智能化技术很难达到理想的效果，本文提出一种智能集成优化控制策略，为有效解决焦炉加热燃烧过程的优化控制问题提供一种新的途径。论文的研究成果主要包括下述五个方面： (1)焦炉加热燃烧过程智能控制结构 基于焦炉加热燃烧过程特性和控制问题分析，在分析火道温度影响因素的基础上，从生产计划和温度控制两个角度分析了焦炉加热燃烧过程的复杂性，提出了一种分层递阶智能集成优化控制结构，它包括决策处理层、温度智能优化控制层和过程控制层。针对生产操作对焦炉耗热量的影响，在决策处理层将炼焦生产划分为不同的工况，通过生产现场的信息融合，确定当前的工况；智能优化控制级首先建立火道温度的软测量模型，再根据当前的工况选择合适的优化控制模型，通过优化控制模型的计算，得到煤气量和空气量；在过程控制层，通过阀门控制器调节煤气量和空气量稳定在设定值。这种控制结构为解决焦炉加热燃烧过程优化控制问题提出了一种解决方案。 (2)火道温度智能集成软测量模型 针对火道温度难以在线检测的问题，在分析焦炉火道温度特性的基础上，提出了一种基于线性回归(LR)和监督式分布神经网络(SDNN)的火道温度智能集成软测量方法。根据煤气换向规律和推焦串序，提出了典型蓄热室的选取原则，并验证了有效性。分别建立了一元、二元和六元LR模型，并对三个LR模型的输出进行智能集成，获得焦炉火道温度与蓄顶温度之间的集成LR模型。采用SDNN建模方法，将火道温度引入样本空间的聚类，将学习样本划分为不同的子类，然后分别用神经网络建模，通过子网隶属度最终获得火道温度软测量值。并运用专家规则，对集成LR模型和SDNN模型的输出进行协调，最终获得焦炉火道温度的软测量值。 (3)基于信息融合的焦炉加热燃烧过程工况判断 焦炉加热过程中，工况的复杂性增加了火道温度控制的难度。本文在分析焦炉生产工艺的基础上，根据生产操作对焦炉耗热量的影响，对焦炉加热燃烧过程的工况进行了划分。提出了基于多信息的二次融合方法，根据炭化室对应的上升管的荒煤气温度识别焦炉加热燃烧过程的实时工况。首先在采用趋势分析的方法判断每个上升的荒煤气温度数据的一致性和有效性，在进行单个炭化室的工况判断的基础上，采用模糊神经网络的方法对各个炭化室的判断结果进行信息融合，得出焦炉加热燃烧过程的实时工况。通过工况判断，使每种工况下的控制问题变得相对简单，并且为解决慢过程中的数据分析提供了新的方法。 (4)火道温度过程智能优化控制 通过建立切换控制策略，对于不同的工况选择相应的控制器，降低了焦炉加热燃烧过程优化控制的复杂性，并采用软切换策略实现不同工况下温度优化控制器的切换。对对每种工况下火道温度的优化控制问题，将控制系统分为内外环：外环为温度优化控制部分，通过分析焦炉的综合生产指标，建立基于模糊遗传协同进化优化控制模型，同时，根据焦炉内气流方向和工艺机理，建立了吸力的控制模型，通过调节煤气流量和烟道吸力保证火道温度稳定在目标值附近：内环为压力控制部分，采用智能控制方法，设计阀门控制器，保证现场的煤气流量与烟道吸力稳定且跟随设定值。 (5)智能优化控制系统 从控制实时性、数据的采集和获取、系统的可调试性和安全性考虑，设计了系统的整体框架，采用OPC通信技术实现应用软件和基础自动化系统的通信，进行了数据采集与预处理、过程状态可视化监控、火道温度检测与优化控制、系统安全与管理模块等功能模块的设计，并且实现了火道温度软测量模型、工况判断以及智能优化控制等智能集成优化控制策略。通过应用焦炉加热燃烧过程温度优化控制系统，有效抑制了火道温度的波动，提高了焦炭产量、节约了能源，并且降低了工人的劳动强度，取得了显著的经济效益和社会效益。同时也为复杂工业过程优化控制提供了一种实用的、值得借鉴的工业化实现方法。