中文摘要：

竖炉焙烧过程是冶金行业对原料矿石进行加工的一道重要工序，过程具有多变量、强非线性、强耦合性、工况变化频繁等特点，多回路设定值是否合理决定了众多生产指标能否优化实现，设定方法是对该过程实现优化控制的关键。课题从信息科学的角度出发，借助系统工程中的层次分析法原理、计算机科学中的数据驱动原理和认知科学中的"行动-评价-改进"的原理，以竖炉焙烧过程为具体的研究背景，拟采用改进的案例推理等方法，围绕"设定-评价-修正"的总体框架对竖炉焙烧过程的多回路被控变量的优化设定方法展开研究。课题主攻的关键问题是如何提高案例推理的效率，如何获取设定值的修正规则，如何建立设定模型的性能评价函数。课题的研究目标是使设定模型在不同的工况下有良好的自适应能力，并能保证设定值的合理性。最后，将获得的多变量智能优化设定模型通过竖炉焙烧过程控制的实验进行性能测试并作改进，争取在实际中推广应用。

结论摘要：

竖炉焙烧过程是冶金行业对矿石进行加工的一道重要工序，过程具有多变量、强非线性、强耦合性、工况变化频繁等特点，多回路设定值是否合理决定了众多生产指标能否优化实现，设定方法是对该过程实现优化控制的关键。课题从信息科学的角度出发，借助系统工程中的层次分析法原理、计算机科学中的数据驱动原理和认知科学中的"行动-评价-改进"的原理，以竖炉焙烧过程为具体的研究背景，采用了改进的案例推理等方法，围绕设定-评价-修正"的总体框架对竖炉焙烧过程的多回路被控变量的优化设定方法展开了研究。课题取得如下成果 1、构建了基于多目标评价的设定模型的总体结构。 2、结合遗传算法和群决策思想，获得了一种确定案例推理各输入变量加权系数的方法。 3、改进了案例检索的策略，提高了检索效率。 4、提出了设定模型的评价方法，并建立了相应的估价函数。 5、获得了生产指标的预报方法。 6、得到了设定过程中的修正方法。 7、建立了仿真实验平台，编制了设定算法软件。