1.一种加热炉多目标递进优化方法，其特征在于，包括如下步骤：建立同工况条件下的炉温、坯温同步耦合机理模型；

基于所述炉温、坯温同步耦合机理模型，获得坯温软测量预报曲线和炉温软测量预报曲线；

基于坯温软测量预报曲线和炉温软测量预报曲线获取炉温标准差曲线和坯温标准差曲线；

以所述炉温标准差曲线和坯温标准差曲线作为收敛条件，首先进行炉温坯温的耦合计算，同步迭代得到最佳坯温炉温的预报曲线；

在所述的最佳坯温炉温预报曲线中，设置出口坯温及内外温差作为第一优化条件，使出口坯温始终满足目标设定值；

根据目标需求，设置不同的加权因子，设置单位时间燃耗与目标值的偏差和权因子，设置污染物与目标值的偏差和权因子，设置烧损与目标值的偏差和权因子；

将所述单位时间燃耗与目标值的偏差和权因子、污染物与目标值的偏差和权因子和设置烧损与目标值的偏差和权因子代入至坯温炉温同步耦合机理模型，得到多目标优化函数；

对多目标优化函数进行递进式迭代求解；

调控炉内空燃比，使炉温、坯温曲线分别与所述当前工况炉温目标曲线和当前工况坯温目标曲线一致；

在满足炉温、坯温温控精度基础上，优化调控单位时间内天然气燃耗为最小，同时保证炉温、坯温的温度曲线与所述当前工况坯温目标曲线和当前工况炉温目标曲线一致；

在满足炉温、坯温温控精度和天然气燃耗最小的基础上，优化调控污染物为最少，使污染物排放量达到规定标准；

在满足炉温、坯温温控精度、天然气燃耗最小和调控污染物最少的基础上，优化调控钢坯的加热时间，使钢坯烧损度达到规定标准。

2.根据权利要求1所述的加热炉多目标递进优化方法，其特征在于，所述炉温、坯温同步耦合机理模型的建立步骤如下：虚拟加热炉和坯料的耦合环境；

将炉膛认定为物理体进行动态场量建模；

设置炉膛温度与坯料温度互为边界条件；

得出炉温、坯温同步耦合机理模型。

3.根据权利要求1所述的加热炉多目标递进优化方法，其特征在于，所述当前炉况的误差特征值包括炉压波动、空气/燃气流量和压力波动和残氧量。

4.根据权利要求1所述的加热炉多目标递进优化方法，其特征在于，所述炉温的软测量预报曲线的公式为：

2 3 4 5

Tf＝A+Bx+Cx+Dx+Ex+Fx

所述坯温的软测量预报曲线的公式为：

2 3 4 5

Ts＝a+bx+cx+dx+ex+fx

所述炉温标准曲线的公式为：

所述坯温标准曲线的公式为：

其中，x为加热炉长坐标，A、B、C、D、E、F为炉温目标特征系数，a、b、c、d、e、f为坯温目标各阶特征系数；

所述当前工况的炉温目标曲线的公式为：

所述当前工况的坯温目标曲线的公式为：

+ * ‑

Ts＝Ts+Ts

‑

其中，Ts为当前炉况的炉温误差特征值， 为当前炉况的坯温误差特征值；

所述炉温调控偏差曲线的公式为：

所述胚温调控偏差曲线的公式为：

+

ΔTs＝Ts‑Ts

其中，Tf为实际炉温，Ts为实际坯温；

设沿炉长划分n个节点，炉温标准差曲线的公式为：其中，ΔTfi是当前炉温温度曲线上第i个点温度值，μf是炉温平均值；

坯温标准差曲线的公式为：

其中，ΔTsi是当前炉温温度曲线上第i个点温度值，μs是炉温平均值；

设定炉温和坯温的权因子ξ，所述最佳坯温炉温的预报曲线的公式为：ψT＝min[ξσf+(1‑ξ)σs]

所述出口坯温及其内外温差的优化函数为：

其中，Tsout为炉坯料表面温度， 为坯料表面目标值，ΔTsout为出口坯料内外温差，为目标偏差，ζ出口坯温权因子；

所述多目标优化函数为：

ψ＝wTψT+wToutψTout+w1ΔG1+w2ΔG2+w3ΔG3其中，ΔG1为单位时间燃耗与目标值的偏差，ΔG2为污染物与目标值的偏差，ΔG3为烧损与目标值的偏差，w1为单位时间燃耗的权因子，w2为污染物的权因子，w3为烧损燃耗的权因子，wT为坯温炉温耦合优化函数的权因子，wTout为出口坯温优化函数的权因子。

5.根据权利要求1所述的加热炉多目标递进优化方法，其特征在于，所述对多目标优化函数进行递进式迭代求解步骤中，炉温和坯温为第一目标，产能为第二目标，单位时间燃耗为第三目标，污染物为第四目标，烧损为第五目标，所述第一目标、第二目标、第三目标、第四目标、第五目标的权因子依次递减；或根据现场的实际需求，调整优化目标的先后次序或权因子比重。

6.根据权利要求5所述的加热炉多目标递进优化方法，其特征在于，所述对多目标优化函数进行递进式迭代求解步骤中，首先对第一目标进行进行迭代寻优，在满足第一目标的条件下对第二目标进行进行迭代寻优；若迭代过程中如果出现第一目标超限，则重新进行第一目标迭代寻优；若第一目标不超限，则进行第三目标迭代寻优，直到第五目标迭代寻优完毕。

7.一种加热炉多目标递进预警方法，基于权利要求1‑6所述任一项加热炉多目标递进优化方法实现，其特征在于，包括如下步骤：实时采集加热炉工况信号；

将所述加热炉工况信号带入至所述炉温、坯温同步耦合机理模型中，得到全炉况的温度预报曲线；

对所述全炉况的温度预报曲线进行黑匣子测试验证，优化模型的实际边界条件，提高预报精度，实施坯温和炉温的高精度软测量，同时得到标准升温曲线集；

从标准升温曲线集中选择出炉坯温及其内外温差最小的曲线作为标准升温曲线，将标准升温曲线叠加当前工况误差特征值，得到目标升温曲线；

将所述目标升温曲线与坯温、炉温实际曲线相减，得到温度偏差曲线；

根据温度偏差曲线的均方差，判别预报升温曲线是否吻合目标升温曲线，当不吻合时，利用Level1调控系统进行实时调控，结合空燃比双交叉限幅规则，实施炉温的自适应定量控制，使坯温和炉温快速达到稳定状态并满足设定温度目标；当吻合时，对目标升温曲线进行多目标加权优化，考虑产能、能耗、烧损及污染物排放指标，利用Level2燃控系统进行自学习优化调控，制定更优的目标升温曲线。

8.根据权利要求7所述的加热炉多目标递进预警方法，其特征在于，判别黑匣子实测或模型软测量的预报升温曲线是否吻合目标升温曲线，包括如下步骤：对加热炉的所有事故或故障进行分类和阈值设定，将良好的稳定状态结合理论值的加权设定值作为标准阈值，将不稳定的事故状态作为预警范围的标准样本，将当前工况数据与标准阈值进行数据对比后，判别事故类型和程度；

当轻微事故时，采用Level1调控或Level2燃控系统进行自动化处理；

当中度事故时，提醒人工参与进行维护操作；

当严重事故时，进行提前声光报警，启动应急预案；

所述标准阈值为：

其中： 为温度预警目标， 为预警上限， 为预警下限。