环形加热炉的主要任务是为轧制工序提供加热质量满足轧制工艺要求的合格钢坯，作为无缝钢管热轧生产线上的关键环节和高耗能设备，其控制水平直接影响到整个系统的钢管质量、产量和成本。环形加热炉是一个典型的复杂工业过程被控对象，外界扰动因素多，不能直接、准确地实时测量加热过程中钢坯的温度分布。传统的控制策略很难适应复杂多变的加热炉内的热工状况，只能依靠操作人员凭借经验设定各个炉段的炉温，以达到控制加热炉内钢坯温度的目的，控制精度低，能耗大。为提高加热炉的控制水平，各种优化控制方法相继出现，但所建立的模型需要做许多近似和假设，模型精度低，控制性能难以提高。为了克服存在的问题，本文提出了基于改进粒子群优化算法的环形加热炉优化控制方法，建立钢坯出炉温度模型，搜索炉温优化设定值，减小钢坯出炉温度偏差和断面温差，降低能耗。本文介绍了环形加热炉的构造、工艺流程特点和控制要求，归纳总结了加热炉的控制现状，分析了环形加热炉的过程控制系统，并针对存在的问题进行了以下几个方面的研究：第一，针对钢坯温度未知的问题，建立了基于RBF神经网络的钢坯出炉表面温度预测模型。仿真结果表明，模型误差小于20℃，满足工艺要求。第二，本文以钢坯出炉温度偏差和加热炉能耗最小构成优化目标函数，采用一种改进的粒子群优化算法搜索最佳稳态炉温设定值，解决炉温设定中的盲目性和随机性问题。该算法采用变异策略以改善由于种群退化导致的早熟收敛问题，提高搜索精度。第三，本文利用ANSYS有限元分析软件对钢坯温度场进行模拟计算，分析结果表明，运用改进粒子群优化算法，优化后能耗下降，断面温差减小，验证了优化的有效性。