摘 要：烧结终点（BTP）温度是烧结核心控制指标，直接影响烧结矿产质量、能耗和设备运行状态。国内多数钢铁企业烧结终点依靠人工经验调整台车速度、料层厚度，温度波动大，控制精度差。行业现有烧结终点温度预测专家系统大多只输出预测结果和操作建议，无法完成实时闭环控制。针对上述问题，本文提出一套边云协同的烧结终点温度AI智能控制技术，集成多源数据预处理、前馈反馈预测控制、大纯滞后补偿、异常工况约束等算法，把料层透气性软测量、主抽风机频率协同调节纳入控制逻辑，实现台车速度、料层、风箱负压、风机转速多变量协同优化。工业现场应用证明，该系统能够把终点温度波动控制在±25℃以内，实现增产、降低返矿率与工序能耗。