钢铁行业是我国的支柱产业，而转炉炼钢在钢铁行业中又占有极其重要的地位。转炉炼钢的主要任务就是控制吹炼终点的碳含量和出钢温度，使其能够达到出钢标准。然而转炉炼钢是一个繁杂的工业进程，进程中包含着非常复杂的多元多相高温反应，是一个周期性的升温和降碳的过程。另外，因为冶炼进程的温度极高，情况也非常恶劣，吹炼的时候难以持续的进行钢水成份和温度的检测，于是很难应用普通过程控制的方式对其进行准确的控制。目前，我国绝大多数中小型转炉的终点控制都是凭工人的经验来进行控制的，具有很大的主观性，为此经常需要进行返工，从而造成了巨大的能源损耗。于是，准确地控制转炉炼钢终点意义重大。智能控制的兴起给转炉炼钢终点控制带来新的研究方向，而神经网络技术作为解决非线性系统智能控制的一个重要分支，由于其具有强大的非线性系统求解能力而在转炉炼钢终点控制中得到了广泛的运用，并取得了满意的结果。此外，理论模型是转炉炼钢终点控制的基础，其精度直接地影响着神经网络对终点的预测结果。因此，结合理论模型与神经网络模型是一个有价值的研究方向。本文首先对转炉炼钢静态控制模型中的理论模型进行了系统的论述，经过详细分析转炉炼钢过程当中热平衡和物料平衡之间的联系而最后通过该模型给出转炉炼钢的各项初始参数。在获得各项参数的基础上运用多神经网络和基于案例推理的专家系统来进行终点的碳含量和出钢温度预测，其中多神经网络模型运用了聚类思想将用于训练的样本数据根据其相似性进行了划分，从而可以使神经网络能够更加准确的学习它们之间的内在规律。通过实验仿真验证该方法获得了比普通单神经网络更高的预测精度。基于案例推理的专家规则是专门用来异常样本情况下的预测，它的建立使得预测模型更加全面和准确。本文后半部分主要介绍了转炉炼钢的终点控制模型和软件的实现，在控制模型中重要应用了蚁群算法来进行了转炉炼钢终点控制的多目标寻优。软件部分主要通过Visual Studio2005进行开发，后台则使用了SQL Server数据库，其主要功能就是对转炉炼钢的终点进行预测和控制。本文在最后对全文所做的一切工作进行了总结和概括，并在此基础上对下一个阶段所需要完成的工作进行了展望。