针对钢包精炼炉( Ladle Ｒefining Furnace) 又称LF 炉，配料加料过程的惯性、时滞、非线性等控制特性，设计了一种基于微粒群优化算法( Particle Swarm Optimization，PSO) 、误差反向传播( Back Propagation，BP) 神经网络以及比例－ 积分－ 微分( PID) 的复合控制算法PSO-BP-PID，并将该复合算法应用于150 t 钢包精炼炉配料称重控制系统中，实现配料称重过程的智能控制。PSO-BP-PID 算法利用微粒群优化算法的全局寻优特性，优化BP 神经网络的初始权值以提高神经网络的收敛性; 采用经微粒群算法优化后的BP 神经网络在线实时调整PID参数。通过基于PSO 和BP 网络的PID 控制器实时控制钢包精炼沪的配料过程。仿真实验和运行实验结果表明，PSO-BP-PID 算法的控制效果优于单一PID 算法的控制效果。采用PSO-BPPID算法的钢包炉配料系统后，明显提高了配料精度，有效地解决了配料称重过程中速度与精度的矛盾。