转炉炼钢生产过程中的钢水质量极大地影响着钢铁产品的性能,维持转炉生产过程稳定、准确预测生产过程变化对提高钢水质量至关重要。随着传感器网络、云平台、5G通信等技术的进步,海量的生产数据能够被获取,为转炉生产过程的实时动态控制提供了充足的信息。然而,由于转炉炼钢生产过程的反应机理复杂、工艺参数控制较大地依赖于人工经验、不同炉次的生产数据存在差异性,现有的转炉控制模型在异常工况监控、吹炼终点时间预测、吹炼全程钢水质量的动态预测等几个方面的监控或预测精度还需要进一步提高。因此,本论文基于函数型数据分析理论,对转炉炼钢生产过程监控和质量预测进行了研究,主要研究内容如下:（1）针对生产数据的炉次间差异性大、异常工况的数据特征被掩盖,导致生产过程监控精度低的问题,提出了基于马氏距离的函数型导数支持向量数据描述（MD-FDSVDD）方法,用于转炉生产过程的实时监控首先通过函数型数据分析平滑生产数据的离散采样序列并提取一阶导数,去除炉次间差异性,突出异常工况相关的数据特征;然后引入马氏距离修正导数函数的强线性相关性;最后利用修正后的导数函数在核空间中估计出监控的控制限。通过转炉生产数据集验证,提出的MD-FDSVDD方法在实时监控中对喷溅和返干异常工况的检出率分别为80.75%和82.14%,报警提前量分别为30.5s和25.1s,异常工况检出率和报警提前量均优于传统方法,能够更准确地监控转炉生产过程。（2）针对吹炼终点时间预测的提前时间裕量小、异常工况下的预测精度低的问题,提出了函数型相平面（FDA-PP）的方法,用于转炉吹炼终点时间预报首先基于函数型数据分析提取烟气CO+CO2总含量的拟合函数及其一阶导数构建函数型相平面,通过相轨迹表征转炉熔池反应的速度和加速度变化,从冶金动力学的角度描述转炉生产状态;然后通过提取相轨迹的稳定状态边界来识别吹炼后期,为预测提供起点信息;随后通过预测吹炼后期的相轨迹演化趋势对吹炼终点时间进行预测。通过转炉生产数据集验证,提出的FDA-PP方法对喷溅炉次和返干炉次的平均相对预测误差分别为19.31%和17.01%,预测误差低于经典相空间方法、SVM方法和BP方法,能够更准确地预测吹炼终点时刻。（3）针对生产周期较长、生产数据特征复杂,导致吹炼全程的钢水碳温动态预测难度大的问题,提出了函数型核偏最小二乘（FKPLS）方法,用于转炉吹炼全程的钢水碳含量和温度的动态预测首先通过函数型数据分析将标量与时间序列的混合函数型数据平滑为连续函数,将样本×变量×时间的三向数据矩阵转化为样本×变量函数的两向矩阵;然后引入核函数将自变量函数映射到高维特征空间,并以自变量核主成分与因变量核主成分的协方差最大化为约束,提取核主成分,建立回归预测模型;最后通过基函数展开求解预测方程的回归系数函数。通过转炉生产数据集验证,对于中磷钢种,在目标碳含量0.04%的低拉碳工艺下,提出的FKPLS方法在吹炼全程对钢水碳含量和温度的平均相对预测误差小于15.31%和0.66%,预测精度优于FPLS、GPFR、TPLS、MKPLS以及MPLS方法,能够为后续工艺参数优化提供更准确的数据支持。（4）针对生产工艺波动大、脱磷回磷现象复杂,导致钢水磷含量预测的不确定度大的问题,提出了函数型相关向量机（FRVM）方法,用于转炉吹炼全程的钢水磷含量及其概率置信区间的预测首先基于函数型数据分析将生产数据的离散采样序列平滑为连续函数;然后通过基函数展开将自变量函数与因变量函数之间的回归问题转化为基函数系数之间的回归问题,并基于贝叶斯学习估计基函数系数的回归权重的概率分布;通过预测因变量的基函数系数的概率分布,进而预测因变量的函数曲线及其置信区间。通过转炉生产数据集验证,对于中磷钢种,提出的FRVM方法对吹炼全程钢水磷含量的平均相对预测误差小于18.09%,并且在置信度γ=0.1的条件下,置信区间对钢水磷含量参考值的覆盖率为89.34%,相比于GPFR方法、FPCA-RVM方法和MRVM方法,预测误差更低,对钢水磷含量参考值的覆盖率更高,预测结果的不确定度更小,能够为工艺控制和生产决策提供更可靠的参考和指导。