焦炭质量对高炉炼铁生产的技术经济指标和企业效益具有重要影响，而炼焦行业作为高耗能行业，要想在激烈的市场竞争中生存与发展，在焦炭质量得到保证的前提下，必须最大程度的降低成本，最大限度的提高产能。但目前大部分的炼焦生产仅实现了基础自动化，且在炼焦过程中产生的大量数据未被合理利用，其生产过程中的各项指标还存在很大可优化空间。　　本文以包钢6＃焦炉为背景，根据焦炉炼焦工艺流程与操作要求，结合了炼焦生产过程中海量的历史数据，利用数据驱动的方法，从优化控制及节约能源角度，对焦炉火道温度的优化控制进行如下探索与研究：　　（1）根据焦炉炼焦历史数据，采用线性统计的方法，绘制了机侧火道温度与焦侧火道温度曲线图，分析了焦炉加热的现状；通过对焦炉煤气耗用量的分析，看出了该炼焦厂炼焦过程能源消耗的不稳定性，并分析了原因。由此得出结论：焦炉火道温度及其能耗都有极大可优化空间。　　（2）对炼焦过程中的海量数据进行了数据预处理，其中包括数据采集、异常值剔除、缺失值补足及相关性分析，得出与下一时刻机侧火道温度相关性高度显著的六个变量，为火道温度的预测打下了基础；分别用BP神经网络，回声状态网络(ESN)以及Elman网络对火道温度预测进行建模，并在MATLAB环境下进行了仿真，对三个网络的仿真预测结果，误差百分比及网络性能进行了对比，结果表明，Elman网络比其他两个网络预测精度高,误差小，可以更好地为生产实践提供指导，为焦炉的优化控制提供良好的基础。　　（3）分别设计了基于火道温度控制的启发式动态规划(HDP)及双启发式动态规划(DHP)控制模型。针对两种控制模型的特点分别搭建了模型网络、评价网络及执行网络，并在MATLAB环境下进行了仿真，结果表明，HDP控制方法及DHP都能够提高焦炉火道温度的稳定性，并且将各个量控制在一个合理的范围，验证了两种控制方法对于焦炉火道温度控制的有效性。将DHP控制结果与HDP控制方法进行比较，结果表明，DHP控制方法在火道温度控制中优于HDP控制方法，达到理论上对该过程进行优化控制的目的，为进一步的实时控制打下了基础。