高炉料面温度场是炉喉煤气流分布状况最直接的表现形式,然而,由于高炉内部复杂的物理、化学、动力学过程,很难直接建立准确的料面温度场模型。因此,如何建立高炉料面温度场模型,对于预测高炉煤气流发展状况、优化高炉生产操作、保证高炉稳顺运行、优化高炉生产过程具有很高的理论研究意义和应用前景。首先从工艺机理的角度分析了高炉红外图像、十字测温、探尺和上升管温度等多源信息与料面温度场之间的关系;研究了基于红外图像的料面温度场等温线、中心位置和径向温度分布等特征提取技术;然后针对利用单一检测信息难以建立准确的高炉料面温度场模型的问题,提出了基于信息融合的高炉料面温度场智能建模方法,该方法充分利用高炉炉喉检测信息,以基于两点法的温度动态定标方法作为基准定标方法,采用基于遗传算法的BP神经网络技术对温度动态定标进行非线性误差校正,不但定标精度提高,而且神经网络结构简单,计算量小,收敛速度快。仿真结果表明,采用基于信息融合的温度定标方法明显优于采用基于两点法的温度动态定标方法,具有较好的泛化能力和准确度,验证了该方法的可行性和优良性。利用提出的建模方法,建立了基于信息融合的高炉料面温度场监视系统,并成功运行于涟钢2200m~3高炉。系统采用可视化界面显示料面温度场模型,更直观地反映料面温度分布情况,为高炉操作人员提供了炉况的实时、可靠的参考信息。最后对论文进行了总结,并提出了一些有待进一步研究的问题。