转炉炼钢是钢铁工业的重要生产方法之一,也是我国最主要的炼钢生产方法。研究转炉炼钢的生产过程建模和控制问题,对提高生产效率,节约能源有着十分重要的意义。但是由于炼钢过程复杂,很多反应机理尚不明确或者难以精确描述,现有的方法很难满足精度要求。随着自动化技术和计算机技术的不断发展,转炉炼钢生产的自动化水平得到了不断提高。其中案例推理方法是控制转炉炼钢自动化生产的重要技术之一,但在实际的转炉炼钢问题中,存在着数据量大、不确定性等一些问题。因此,需要研究更适合于转炉炼钢生产过程建模的案例推理方法,以满足转炉炼钢生产对模型的实际需求。软计算是一类能够有效处理不确定或不精确问题的计算方法,有助于解决转炉炼钢的实际问题。本文将软计算技术结合到案例推理的案例描述、案例检索、案例调整和案例重用等过程中,以提高模型的精度和性能,并用于解决转炉炼钢生产中吹氧量计算,终点碳含量和温度预报等问题。本文主要包括以下内容：(1)在案例描述方面,提出基于互信息、粗糙集的属性约简方法和模糊的属性描述方法。首先,使用互信息和条件互信息对案例的条件属性进行选择,在选择相对重要的属性同时,尽量减少条件属性中的冗余信息；之后,对确定的条件属性进行模糊化表达；进一步,针对模糊化后引起的维数增长问题,引入粗糙集约简技术,提取规则并生成案例,实现对案例结构和数量的简约。对于所提案例描述过程,使用公用UCI数据验证所提方法的有效性,并进一步用于对转炉炼钢两阶段吹氧量的计算,以提高吹氧量模型的计算精度。(2)在案例检索方面,提出基于模糊C均值和储备池神经网络的案例检索方法。针对案例库规模较大时,造成的案例检索效率和精度降低问题,首先采用模糊C均值技术对案例库进行聚类,将案例库划分为若干个子空间,使得案例库中每个案例被分配某个类别标签；然后使用储备池神经网络建立各子空间的分类模型,并在此基础上产生不固定类。在案例检索时,使用储备池模型为新案例选择检索子空间,为了提高检索精度,采用基于梯度下降技术的神经网络方法确定各个属性的权值。使用公用UCI数据验证所提方法的有效性,并进一步用于对转炉炼钢终点温度的预报,以提高预报模型的精度。(3)在案例调整和重用方面,提出基于支持向量机的案例调整策略和基于混合专家系统的案例重用过程。在案例调整时,着重考虑案例条件属性差异与解属性差异之间的关系,利用支持向量机的非线性学习能力,建立偏差估计模型,并利用该模型,根据当前案例与最相似案例间的偏差,求解新案例的解。此外,为了深度挖掘相似案例中的有用知识,使用混合专家系统建立相似案例条件属性与解属性间的直接关系,基于该重用模型,直接计算当前问题的解。将所提方法用于转炉炼钢生产过程中的炉次吹氧量计算和终点碳含量预报,用以提升模型效果,以及验证方法的有效性。