"莫斯科國立鋼鐵合金學院"國立研究技術大學（分校）自動化和信息管理系統教研室的開發人員兼副教授安東·格魯先科表示，在"莫斯科國立鋼鐵合金學院"國立研究技術大學創造的"神經網絡調諧器"旨在將冶金加熱爐的能效從較高的功耗提高至100兆瓦。
通常，在工作期間，爐子受到各種干擾，例如，打開裝載和卸載金屬的擋板會導致熱量損失，而燃氣燃燒器的污染導致燃料燃燒效率降低。因此，熔爐的參數發生變化。但由於它們通常由具有恆定參數的線性調節器控制，因此不考慮赫赫有名的非平穩性。這會降低對質量的控制並導致能量損失。
安東·格魯先科告訴俄羅斯通訊社："為解決傳統問題提出建立自適應的控制系統--神經網絡調諧器。系統實時調整線性控制器的參數，使對所有模式下爐子質量的控制保持在同等水平，從而降低機組的功耗"。
他指出，該方法的新穎性歸功於兩種智能技術--神經網絡和知識庫調諧器的結合。神經網絡計算爐子內使用線性調節器的參數值，並直接在操作過程中學習，以監測爐子中發生的變化。
科學家解釋到："主要問題是何時以及以何種速度訓練神經網絡。反映工程師在技術過程自動化方面經驗的知識庫響應它們。它包含描述需要調整控制器的情況，以及計算神經網絡學習速度的公式。與其他方法不同，神經網絡調諧器的使用不需要構建控制對象模型，也不需要明顯的參考模型。此外，它還有助於在爐子參數變化時跟蹤作業的時間表並補償對它產生的干擾"
調諧器以功能模塊的形式實施，該功能模塊可以被存放在冶金學中常見邏輯控制器的內存中。該模塊的輸出和輸入連接到已經存放在控制器中的線性穩壓器、以及從外部接收的信號。
調諧器以功能模塊的形式實施，該功能模塊可以被存放在冶金學中常見邏輯控制器的內存中。該模塊的輸出和輸入連接到已經存放在控制器中的線性穩壓器、以及從外部接收的信號。
安東·格魯先科斷定："運用調諧器不需要資本支出，因為從硬件和軟件的角度來看，現有的熔爐控制系統沒有任何變化。使用這種方法可以將冶金爐加熱的能效提高5-10％"。
在俄羅斯建造了用冶金廢物冶煉生鐵的試驗爐。正如在"莫斯科國立鋼鐵合金學院"國立研究技術大學報道的那樣，最終確定並測試完不同電動機的調諧器後，未來計劃擴大使用調諧器的對象類別。