提出了炉口光谱数据结合自适应神经网络模糊推理系统用于转炉终点预测的新方法。构建了基于光纤光学光谱仪及虚拟仪器的光谱数据的在线实时采集、数据分析处理系统。对所设计的数据采集处理系统进行了调试并在转炉炼钢现场实验验证可以使用。通过对采集的炼钢光谱数据分析,得出吹炼过程中,光谱数据随着炉内成分及温度的变化存在明显的变化特征规律：特征波长589nm,765nm,769nm对应的光强值变化规律极为明显。鉴于上述规律,将特征光谱数据及依据炼钢工人经验而设定碳含量变化的进度值作为模型训练数据,利用MATLAB模糊逻辑工具箱分别建立基于网格划分的初始化FIS模型、基于减法聚类的初始化FIS模型以及基于模糊C均值聚类的初始化FIS模型,然后使用anfis函数分别生成基于网格划分的转炉终点预测模型、基于减法聚类的转炉终点预测模型和基于模糊C-均值聚类的转炉终点预测模型。最后用采集的21炉炼钢光谱数据对三个预测模型进行模拟运算。仿真实验结果表明,这三个终点预测模型的预测偏差均在6s以内,满足预期的精度要求。