蓄热式加热炉是上世纪90年代逐步出现的钢材热轧生产线主要热工设备，其对钢材加热质量的好坏直接影响钢产品质量。特别是在能源日益紧张的今天，如何进一步提高产品质量，同时降低能耗具有更加重要的意义。 本文以蓄热式步进梁加热炉为研究背景，简单介绍了蓄热式加热炉工艺情况和智能遗传算法。采用机理建模的方法建立了加热炉钢坯温度数学模型，根据现场采集数据，使用遗传算法寻优计算模型的重要参数。在这一数学模型的基础上，根据遗传算法寻优提出了一种炉温优化设定策略。还给出了一个炉温控制系统的具体实现和运行结果分析，并应用建立的数学模型与炉温优化设定提出了一种钢温闭环控制系统。 钢坯在炉内的温度分布尤其是在出炉口处钢坯表面温度和断面温差对于实现加热炉的闭环最优控制和预测钢坯的轧制效果具有重要的意义，因此，加热炉只有合理控制钢坯出炉温度及其分布才能保证轧制质量、降低加热炉燃料的消耗。生产实践中，一般基础自动化控制认为合理的炉内温度制度就能加热出合适的钢坯，人们还无法直接测量移动钢坯在炉内的温度分布，钢坯只有出炉后才能知道出钢温度是否合格。这样就不能对钢温进行跟踪而且一旦出现出钢温度不合格就已经无法挽回了。一般方法是建立加热炉的钢温数学模型推算出炉内钢坯温度进而通过数学模型建立最佳的炉温制度，用于改善钢坯加热质量。 本文机理建模采用总括热吸收率法建立模型，它是加热炉建模中比较实用的方法，但一直以来总括吸收率参数的确定问题既是整个建模的核心内容也是最大的难点。在取得大量易获得的过程数据的基础上，利用遗传算法解决最优化问题的突出特点，确定遗传算法方案，获得全局最优的总括吸收率，并建立了自校正机制，在线更新总括吸收率。进一步利用遗传算法对炉温设定进行优化。稳定生产时，仿真结果表明了建立的钢坯温度模型能比较准确地计算出钢坯温度，炉温优化设定后钢坯加热质量有了明显提高。这一结果也为今后钢温数学模型的研究提供了一种有益的尝试。