连铸坯感应加热是近年来钢铁行业连铸直轧技术发展的新动向，铸坯经结晶器成型切割之后，在其温度尚未大幅度下降之前，采用电磁感应加热方式加热铸坯，使其整体温度均匀。当铸坯温度达到轧制温度之后，进行轧制。电磁感应加热技术能够有效节能降耗，减少污染，随时启动，在线加热，在重视节能减排的今天正受到钢铁生产企业的青睐。本文将根据感应加热原理，在考虑钢坯运动的情况下，对钢坯进行受热分析，并根据现场采集的大量实际数据，训练建立钢坯温度预测的神经网络模型。在该模型基础上，采用随机搜索的方法调整电压控制曲线，使钢坯加热后的温度达到目标值，实现热连轧生产线感应加热过程的温度优化控制。论文主要研究内容概括如下：(1)连铸电磁感应加热机理的简化分析从实际建模需要出发，对感应加热问题进行了合理的简化，以麦克斯韦方程组为理论基础，在忽略位移电流及坯料运动对电磁场影响的情况下，分析钢坯升温的电磁加热机理，为建模提供理论根据。同时，推导铁芯线圈阻抗的简易测算法，并引入电功率密度概念。(2)建立BP神经网络温度预测模型感应加热过程是电磁——热耦合的过程，在加热过程中，钢坯的磁导率、电阻率以及涡流的分布情况都随着温度发生变化，所以感应加热是一个时变、滞后、非线性的复杂过程，需要适当简化处理其过程。从实际采集数据出发，分析并抽取有效数据，建立基于BP神经网络的温度预测模型，包括两种建模思路，分别是电参数温度预测模型和电功率温度预测模型，对比这两种模型的预测效果，电功率模型训练及预测更为精准，有助于钢坯温度的优化控制。(3)优化电压控制曲线两个感应器以并联的方式工作，中频电源输出电压同时作用在两个感应器上，调整某一时刻的电压控制曲线，会同时影响两个感应器的功率，这样在两个感应器里的两段钢坯的温度都会受到影响，耦合作用明显。基于电功率温度预测模型良好的预测效果，采取随机搜索的方法，分段优化电压控制曲线，有效控制钢坯加热后的温度。实际应用时，针对每个温度范围的样本建立电压控制曲线数据库，实现钢坯温度快速优化控制。