在钢铁行业中,高炉渣作为高炉炼铁的主要副产物,出炉温度在1500℃左右。工业中常用的水淬法无法实现其高温显热的回收利用,水淬法还会造成环境污染与资源浪费。为解决上述问题,高炉渣机械离心粒化及热回收工艺成为当前研究的热点。为实现高炉渣的资源化回收利用,该工艺要求粒化渣粒的平均粒径小于2mm并实现对离心粒化过程的自适应控制。为满足工艺要求,研究提出了基于神经网络PID的高炉渣离心粒化控制方法,在分析离心成粒机理的基础上确定了控制参数,并对控制方法进行了仿真分析,基于该方法研制了离心粒化自动控制系统,将控制系统分别应用于冷态、热态实验中,实现了对高炉渣离心粒化过程的自适应控制。本文受国家重点研发计划课题（2017YFB0603602-03）的资助,研究要点如下:（1）通过研究高炉渣粒化的离心成粒机理,明确出渣粒直径的控制参数为熔渣流量与粒化转速。针对离心粒化控制模型无法建立、现有的渣粒经验公式带有局限性等问题,结合控制参数提出神经网络PID的控制方法,给出对应的控制策略。为实现对熔渣流量的稳定控制,研制了塞棒控制装置并对熔渣流量进行了实测标定。（2）为验证控制方法的有效性,在不同工况下,将其应用于四组典型的渣粒直径经验公式中进行仿真分析。仿真结果表明,神经网络PID控制方法能实现粒化转速的调整,对不同粒化工况均具有适用性。（3）通过分析高炉渣离心粒化的控制要求,结合神经网络PID控制策略,研制了高炉渣离心粒化控制系统,以三菱PLC为硬件平台,组态软件与MATLAB为软件平台,对控制系统进行硬件选型及软件开发。通过研究OPC技术,实现了PLC与MATLAB的数据传输。（4）为验证控制系统的适用性,将系统应用于冷态、热态离心粒化实验中,在不同工况下对控制系统进行检验,并从渣粒平均直径、粒径合格率、渣棉质量分数三个方面对比自适应控制与手动控制的粒化效果。热态实验结果表明,自动控制下的粒径合格率平均提升7.2%,渣棉含量平均降低6.7%。综上所述,所研究的基于神经网络PID的高炉渣离心粒化控制方法,能够满足高炉渣离心粒化的控制需求。