無縫鋼管被廣泛應用于汽車、航空、石油、化工、建筑、鍋爐和軍工等各個部門,在國民經濟中具有很重要的地位,故被人們稱為工業的血管。隨著經濟的快速發展,無縫鋼管的使用領域在不斷擴大,對產品質量的要求也越來越高。大多數鋼廠對產品質量的檢測僅停留在成品管上,但無縫鋼管的產品質量主要靠****檢查來保證是靠不住的,這不僅因為任何檢查技術和手段都有可能出錯,而且各生產工序都有可能出現缺陷或次品。如果前一工序出現的缺陷或次品不能及時被檢查和糾正,在后面工序繼續加工時,部分缺陷很有可能被一直保留到最終成品,從而嚴重影響最終的產品質量。因此,無縫鋼管產品質量的控制必須從原料開始,各工序環節都要加強產品質量的檢測和控制,以保證后一工序生產出質量合格的產品。本文以寶鋼鋼鐵公司鋼管分公司無縫鋼管連軋生產線為研究背景,對無縫鋼管生產的各個環節進行質量預報和控制,本文主要工作如下：針對管坯加熱存在大滯后,使得管坯加熱的質量難以預報和控制這一問題,提出了基于TLPCR(Time Lagged Principal Component Regression)軟測量方法,實現了管坯加熱質量的準確預報,并采用溫度補償控制使得管坯終點溫度保持在生產要求范圍內。對于無縫鋼管生產的第一道工序,該方法較好地解決了管坯加熱質量的控制問題,為后面的穿孔生產提供了可靠的原料保證。針對穿孔生產具有多時段間歇過程特性,并且生產數據具有非高斯分布的特殊性,提出適用于非高斯分布數據的步進子時段MICR(Multiway Independent Component Regression)方法,建立了精確的毛管質量預報模型。利用毛管質量預報模型的預報結果,應用迭代學習控制算法很好地實現了穿孔過程的橫縱向壁厚偏差控制,提高了毛管生產的質量。基于生產數據的仿真結果和在寶鋼鋼管分公司SWW斜軋穿孔機試驗效果表明了方法的有效性。針對連軋生產過程具有典型的多時段、動態多變量等間歇生產過程以及數據具有梯形分布等特性,提出步進均值子時段MPLS(Multiway Partial Least Square)方法,建立了精確的荒管質量預報模型。然后借助于荒管質量預報模型的預報結果,將迭代學習控制技術應用于連軋過程的壁厚偏差控制系統中,提高了荒管生產的質量。現場數據仿真和在寶鋼鋼管分公司連軋生產試驗效果表明了方法的有效性。荒管的減徑生產涉及產品規格較多,且同一規格產品由于機架的調整也會引起模型的微小變化,同時減徑生產具有典型的多時段、動態多變量等間歇生產過程特性。針對上述問題,本文提出能解決模型漸變的多模型均值子時段RMPLS(Recursive Multiway Partial Least Square)方法,建立了減徑管質量預報模型。利用減徑管質量預報模型的預報結果,將迭代學習控制技術應用于減徑生產過程的壁厚偏差控制系統中,提高了減徑管生產的質量。現場數據仿真和在寶鋼鋼管分公司減徑生產試驗效果表明了方法的有效性。針對穿孔機導盤轉速難以在線測量與控制問題,建立了導盤轉速模型,提出了基于速度觀測器的間接測量方法。采用ICR方法建立軟測量模型,實現對觀測器中難于測量的導盤負載轉矩,同時也是控制系統中主要擾動的實時預估。得到精確可用的導盤轉速后,利用前饋和推理結合的復合控制算法作為導盤轉速控制系統的控制器,實現導盤轉速的精確控制。在無縫鋼管生產中,產品質量并不是廠家唯一關注的指標。面對市場需求,廠家同樣關心生產效率和成本。針對這一問題,本文建立了均值子時段的MICR穿孔效率和能耗預報模型,并根據生產工藝約束和產品市場需求情況,對其進行了綜合優化求解,獲得了****穿孔效率和能耗所對應的穿孔生產工藝參數,用于指導生產,保證廠家生產的利潤****化。