近年来,人工神经网络技术发展迅猛,得到了日益广泛的研究和应用,在钢铁工业中则主要应用于生产操作和过程控制。本文简单介绍了人工神经网络技术,并采用目前流行的BP神经网络,针对邢台钢铁公司30吨转炉冶炼终点碳、温度命中率较低的问题,总结了29个对终点温度和终点碳含量有影响的参数,利用Visual Basic 6.0编程语言开发了一套基于人工神经网络技术的转炉静态控制模型。本文以取自邢钢转炉车间现场的连续300炉实际数据为样本,经筛选、归一化处理后建立样本库。针对终点温度和终点碳含量,对常用的BP算法进行改良,建立了两个三层BP预测神经网络,分别对邢钢转炉终点温度和终点碳含量进行预报。并在邢钢转炉车间现场进行效果试用,效果良好。本文认为,到目前为止,在我国尤其是河北省的钢铁企业所使用的转炉多为中小型转炉,无法在炉口插入副枪,因而也就无法采用动态控制技术。而普通的静态模型计算精度差,目标命中率低,实际生产中的应用效果不好。静态神经网络技术恰好填补了这个空白,无需对现有设备作太大的改动就可以实现计算机开环控制。这对降低炼钢成本,规范操作,稳定产品质量将起到巨大作用。