在炼焦生产过程中，集气管压力稳定与否，影响到焦炭质量、设备寿命以及生态环境，而对其控制的好坏直接影响到整个焦炉系统的运行情况。然而，集气管压力控制系统是一个多变量、非线性、时变性、大滞后的复杂控制对象，扰动因素较多，耦合现象严重，通过数学建模和常规自动控制方法难以取得理想的控制效果。为了解决上述问题，本课题分析了集气管压力控制的相关因素及其耦合关系，采用机理建模的方法，建立了焦炉集气管的动态机理模型，并对影响集气管压力的蝶阀开度、煤气产生量等重要参数做了仿真分析，为控制策略的研究奠定了基础。针对压力的耦合问题，本课题结合强化学习理论和鲁棒稳定理论，得出了鲁棒强化学习算法，因为Agent通过强化学习获得优化控制策略，在其搜索好的策略的学习过程中，可能会尝试许多性能较差的策略，而这些策略可能产生不稳定，避免这些策略或行动正是研究的关键所在，主要目标是产生稳定的行动，在此基础上强化学习产生优化控制行为。鲁棒强化学习算法将强化学习结构中的神经网络的非线性和时变等方面用鲁棒控制理论不确定替代，利用Lyapunov稳定定理,构造合适的Lyapunov-Krasovskii泛函，得到其鲁棒约束条件，然后在满足鲁棒约束条件的范围内进行学习，确保所设计的系统是稳定的，即所设计的控制的系统在学习的过程中也能保持稳定。将所设计的智能控制算法应用到焦炉集气管压力系统中，为这类强耦合、非线性、强扰动、不确定分布式解耦控制提供系统的解决方法。经过MATLAB的仿真结果显示，控制策略是有效的。