采用转炉的方式是现在主流的炼钢手段，在转炉炼钢过程中，化渣是其中的一个关键过程。自动炼钢要求利用计算机技术对化渣状态准确、及时判定，作为控制系统实时调控的依据，使得炼钢过程平稳进行，避免出现喷溅和返干等问题，从而提高炼钢效率、质量，避免铁水损失，同时可以进一步实现降罩除尘和炉气回收工作，具有非常大的必要性。 现在除超大型转炉外，普遍采用由熟练工人根据经验来判断化渣进程和状态的方式，这成为转炉炼钢自动化的关键障碍之一。为了克服这个问题，已经有人采用了多种手段进行检测，其中基于分析化渣噪声的方式相对较好，但是存在不准确、不稳定和滞后等问题，致使不能真正实用。因此找到一种能够准确反映化渣状态的方法具有重要意义，将会取得良好的经济效益和社会效益。 本文分析了原有音平控渣技术的原理与工作情况，并指出了其合理性及存在问题，着重分析了其问题产生的原因，进行了新的噪声采集系统设计，确定了新的化渣噪声信号处理方法。 本课题的理论分析提出转炉化渣噪声是由随机冲击、滤波、谐振和激励产生的，其产生机理归纳为多个随机过程的综合叠加。进而基于MATLAB，采用信号处理方法，对噪声功率谱进行分析，对不同的随机过程进行解耦合，把不同的过程与化渣过程进行比对，确定了化渣噪声的多个特征频带及其特征曲线，生成了反映化渣过程的组合特征函数。为了消除随机过程导致的不稳定性，进一步设计了滤波器。同时，还做了保证算法实时性的一些设计，使特征曲线能更准确、更及时地反映出化渣状态。 在化渣噪声特征曲线生成的同时，为了自动识别化渣状态，初步进行了基于人工神经网络的自动识别机制的研究，提出了采用掩码技术以及滑动窗口技术提取化渣噪声信号特征，并用BP神经网络对噪声信号特征进行识别的方法，进行了样本训练与测试实验，效果良好。 根据噪声特征曲线和化渣状态识别，指导化渣过程，实现了平稳炼钢，基本避免了喷溅和返干的发生。 在此基础上，计划继续进行提高化渣状态识别率的研究，以及监视系统和控制系统联动的研究，为最终实现自动化炼钢做进一步的关键理论和技术的准备。