目前，我国绝大多数热风炉的燃烧控制主要还是采用手动控制，煤气流量和空气流量的大小由人工凭经验手动调节，因此，供热温度波动较大，对热风炉的寿命也有很大影响，并造成煤气的巨大浪费。数学模型法能将换炉、送风结合为一体，实现全闭环自动控制，但由于检测点多，在生产条件不够稳定、装备水平较低的热风炉中不易实现；我们可以利用热风炉烟气的热量进行预热，来弥补因热风炉燃料比降低以后煤气热值降低所带来的燃烧温度偏低的问题。

热风炉在温室中的应用：温室加热的方式有很多：有热温加温、热水加温、蒸汽加温等。人工智能方法主要有神经网络和模糊控制，神经网络控制对热风炉燃烧过程有极强的自学习能力，但抗干扰能力较弱，而模糊控制不需数学模型，有较强的抗干扰能力且易于实现，因此尤其适用于热风炉这类难以确切描述的非线性系统。国内外热风炉的空燃比控制主要有传统控制方法、数学模型方法、人工智能方法。传统控制方法主要有比例极值调节法和烟气氧含量串级比例控制法，但是由于不能及时改变空燃比，不易实现热风炉的燃烧，且测氧仪器成本高、难以维护，因此，实际使用效果不太理想；

从废气管道排出的废气，它的温度比较低时，说明热风炉的热交换效率比较高，反之，热交换效率比较低。因此，在拱项温度达到一定值后，合理控制废气的温度上升速率对热风炉的燃烧显得尤其重要。热风炉排入烟道的烟气温度只有200到300摄氏度，但烟气量大，带走的热量依然很多。热风炉在温室中的应用：温室加热的方式有很多：有热温加温、热水加温、蒸汽加温等。