热风炉是高炉生产中的重要设备之一，热风炉将鼓风机送来的冷风加热成高炉所需的热风，热风为整个铁矿石还原过程提供热量，风温的高低与稳定直接影响高炉生产的效率。随着高炉生产设备的大型化与快速发展，对热风炉所提供热风的要求也随之提高了。因此在热风炉生产中除了要求热风炉提供稳定的、持续的高温度热风之外，还要求热风炉燃烧过程中充分利用高炉煤气，节约燃料。但大部分热风炉生产中仅仅实现了基础自动化，并没有在节约能源的角度进行优化。本文以某钢厂6#高炉热风炉为背景，根据高炉热风炉工艺流程与操作要求，结合了热风炉生产过程中海量的历史数据，从热风炉燃烧节约能源角度，对空燃比设定值优化方面进行如下探索与研究：（1）针对热风炉历史数据，采用统计的方法，分析了高炉热风炉的燃烧现状和热风炉煤气消耗情况；采用插值拟合的方法，分析了高炉煤气热值的变化趋势并从理论上分析了空燃比与燃烧效率之间的关系。经过分析得出空燃比寻优的主要依据，即在适宜的空燃比比例带上拱顶温度更高且拱顶温度上升速率大。（2）提出了一种基于神经网络遗传算法的空燃比离线寻优方式。该方法先通过神经网络建立包括空燃比等变量与拱顶温度的模型，再通过遗传算法对拱顶温度进行极值寻优，并进行仿真研究。仿真结果表明，神经网络可以准确地建立空燃比等变量与拱顶温度的模型，并且通过遗传算法优化计算出的空燃比能达到更高拱顶温度；该方法适用于煤气热值波动较为稳定情况下，热风炉对空燃比的设定。（3）针对某钢厂6#高炉热风炉燃料为高炉产出煤气直接供应，热值有一定波动且热风炉实时炉况不断发生改变的现状，基于现场海量历史数据，依据非线性时间序列分析理论，设计了一种空燃比设定值动态优化模型。文中采用观测时间序列噪声处理技术进行现场采集数据的预处理，通过相空间重构确定变量的滞后时间及嵌入维数，采用聚类算法进行优良数据筛选并采用粒子群优化算法对欠佳数据进行优化，最终建立了基于RBF神经网络的空燃比非线性时间序列模型，为实现高炉热风炉空燃比的实时优化设定提供了可能，对高炉热风炉操作将提供有益指导。