目前，我国加热炉自动化控制水平低，不能满足生产的要求。因此，一种有效的控制方法对提高生产的自动化水平尤为重要。专家控制是近几年发展很快的技术之一，它的特点是使计算机拥有领域专家的思维方式，这样计算机就可以对复杂的问题自动给出专家水平的决策。可以说，专家控制的出现极大丰富了智能控制的内容，为解决复杂系统的控制问题提供了一条有效的途径。 研究工作以加热炉为被控对象，主要内容由两部分组成。首先，燃烧过程专家知识自动生成。先运用聚类分析的方法对由实际的运行数据构成的因素空间进行划分，以此来生成炉子的多个运行模式，当运行模式确定后，根据控制规则自动生成算法，在线自动学习每一组实时参数所对应的运行模式下操作工人所采取的控制策略。其次，基于神经网络的残氧量预测补偿。实际生产中采用的氧化锆测量含氧量进行控制的方法反应速度慢，为解决这一问题本课题采用了增加承接层自反馈的改进Elman型神经网络来建立预测模型，对燃料流量和烟气含氧量之间的映射关系进行非线性辨识，并且使用多层前馈神经网络构建非线性优化控制器，对炉膛内的氧气含量进行预测补偿。 为了验证课题研究方法的可行性，在最后结合某轧钢厂加热炉的实际运行参数对课题中提出的控制算法进行了仿真实验，并和常规PID控制的控制效果进行比较，证明了本课题所提出的基于加热炉运行模式的专家控制方法和使用神经网络对烟气含氧量进行预测补偿的方法比传统的控制方式具有优越性。