钢中存在的大多数夹杂物,尤其是脱氧生成的氧化物夹杂的性质直接影响到钢的性能。在现有技术条件下完全去除钢中的夹杂物是不可能的,只要钢中有氧的存在,就不可能避免生成新的夹杂物。因此,通过物理化学的方法控制夹杂物的成分从而达到减小夹杂物对钢性能的有害性变得尤为重要。本论文在考察了大量国内外文献的基础上,主要围绕中夹杂物成分控制的热力学和动力学开展研究。本论文首先对前人建立的活度机理模型进行了考察,发现这些模型都是建立在很多假设的基础上,对活度组元体系进行了简化,因此应用领域往往受到限制。同时,机理模型在计算方法上,通常采用线性拟合、最小二乘法等传统数学方法进行回归,但是这些方法进行的参数估计不是无偏估计量,拟合精度往往不高。因此,本论文采用了对国际上比较权威的活度实验数据进行离散化的方式,用遗传算法改进BP神经网络的权值和阈值,基于实验数据建立了一种通用的实际溶液组元活度模型。通过将遗传神经网络模型引入夹杂物体系,本论文对MnO-SiO₂、CaO-SiO₂-Al₂O₃和MnO-SiO₂-Al₂O₃系夹杂物进行了研究,提出了将其控制在低熔点区域的方法,并对CaO-Al₂O₃-SiO₂顶渣覆盖下的不同脱氧方式进行分析。结合实际生产,本论文对合金化、精炼及钙处理过程中的夹杂物成分控制进行了研究,分析了不同情况下夹杂物的产生及成分变化机理,提出解决措施。针对前人对非平衡态下的夹杂物成分变化动力学研究较少及遗传神经网络模型只能研究平衡态夹杂物成分及形态的情况,本论文将不可逆热力学引入夹杂物动力学计算,从化学反应和扩散两个方面对夹杂物从生成初始及冶炼过程中不同时期的夹杂物状态进行分析,从机理上阐述夹杂物生成过程,并建模推导出夹杂物成分变化的通用动力学方程式。通过在实验室条件下模拟LF过程,得出动力学方程的唯象系数,并验证了不可逆热力学在夹杂物组元计算的可行性。