针对钢铁行业高炉煤气系统的控制和优化问题，提出了一种基于模糊规则提取与神经网络集成预测的基于知识的最优控制算法。 一方面，设计了一种模糊模型，从社区检测后的工业过程历史数据中提取专家控制知识，然后利用大量的调度知识来构成模糊规则库，可用于新输入的控制方案的模糊推理。 另一方面，建立了数据驱动的NN集合以对BFG系统进行建模以进行预测。 同时，当使用模糊规则库进行控制和优化时，预测结果可以提供输入。 最后，以某钢铁企业的高炉煤气为研究对象，进行了实验研究，验证了该方法的有效性和实用性。

针对钢铁行业高炉煤气系统的控制和优化问题，提出了一种基于模糊规则提取与神经网络集成预测的基于知识的最优控制算法。 一方面，设计了一个模糊模型，从社区检测后的工业过程历史数据中提取专家控制知识，然后利用大量的调度知识来构成模糊规则库，从而可以用于带有新输入的控制方案的模糊推理。 另一方面，建立了数据驱动的NN集合以对BFG系统进行建模以进行预测。 同时，使用模糊规则库进行控制和优化时，预测结果可以提供输入。 最后，对某钢铁企业的高炉煤气系统进行了研究。通过实验，验证了该方法的有效性和实用性。