作为冶金、机械、化工等行业的主要原料和燃料,焦炭已广泛应用于高炉炼铁、电石、气化、铸造和有色金属冶炼等方面。炼焦生产各个局部过程的稳顺运行和协调优化直接影响焦炭质量、产量和焦炉能耗等炼焦生产指标。针对炼焦生产过程的非线性、不确定性特点,本文以高产优质低耗为优化目标,围绕炼焦过程综合生产目标的智能预测与协调优化开展研究,取得的研究成果主要包括下述三个方面：(1)生产指标与过程参数的关联性分析与协调优化结构炼焦生产工况直接影响焦炭的质量、产量以及焦炉能耗,反映炼焦生产工况的过程参数较多,对炼焦生产指标的影响程度也不相同。本文在剖析炼焦生产工艺机理的基础上,根据炼焦企业的生产需要和炼焦生产各个局部过程的控制要求,确定了炼焦过程的质量、产量、能耗等生产指标与过程状态参数,对生产指标、过程状态参数和过程操作参数之间的关系进行深入的定性分析和基于灰色关联分析的定量分析。基于分层优化、分而治之的思想,提出一种基于分层递阶结构的炼焦过程综合生产目标智能建模与协调优化策略,建立包括协调优化级、优化控制级和基础自动化控制级的三层系统结构,对各层次间的关系及其具备的功能进行了分析和设计,为炼焦生产过程的智能建模与协调优化提供了一种新思路。(2)炼焦生产指标的智能混合预测模型为实现炼焦生产过程的协调优化,需要对焦炭质量、产量和焦炉能耗等生产指标进行在线准确预测。针对炼焦生产过程的非线性、不确定性特点,基于生产指标与过程参数的关联性分析,建立焦炭质量、产量和焦炉能耗的BP神经网络预测模型。针对传统BP神经网络训练算法学习效率低、收敛速度慢,易于陷入局部极小的缺点,提出一种基于密度聚类的小生境差分进化算法进行BP神经网络的训练。考虑到炼焦生产工况的波动,以及生产过程的时变和模型不完整性等因素,从提高模型预测性能和自适应能力的角度出发,提出一种基于滑动时间窗口的BP模型预测性能评估策略,以及有效融合生产指标偏差校正、基于即时学习技术的短时补偿校正和BP神经网络模型参数校正等三种校正策略的分段校正方法,并深入研究基于即时学习策略的改进加权LSSVM局部建模方法以及动态加权混合预测方法。通过对BP模型预测性能的有效评估以及基于性能评估的分段校正,使混合预测模型能在生产工况波动时获得更好的预测性能,实现对炼焦生产指标实时有效的预测。(3)面向综合生产目标的协调优化策略为达到高产、优质、低耗的协调优化目标,建立以焦炭产量最大、焦炉能耗最小为优化目标,焦炭质量为约束条件,各个局部过程的状态参数为决策变量的多目标优化模型。在乘子罚函数法的基础上,对原目标函数和乘子罚函数进行归一化和论域扩展,并引入扩展的可行域以充分利用好的不可行解信息,提出融合核模糊C均值聚类和多种群差分进化算法的协调优化策略,获得各个局部过程状态参数的优化设定值,将协调优化控制问题转化为各个过程的局部优化控制问题。由于焦炭质量数据的非正态特性,采用非正态数据下的多元过程能力分析方法,获得焦炭质量多元过程能力指数,并将该指数与综合生产指标的经济性指标和生产率指标作为评价因子,采用可变权重的模糊综合评价方法对炼焦生产工况进行综合评价,当评估结果不满足给定的等级要求时,采用协调优化算法在线调整过程状态参数设定值,从而实现炼焦生产过程运行性能的实时优化。阐述了协调优化策略的实施步骤,并对加热燃烧过程火道温度时滞补偿模型和烟道吸力优化设定模型进行了设计。利用炼焦生产过程实际数据,对协调优化策略进行仿真研究。仿真结果表明,该协调优化策略能在保证炼焦生产过程稳顺运行的前提下,实现炼焦生产过程的优化运行,达到高产优质低耗的企业生产目标。