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；
液体燃料，有燃油热风炉。加热方式也有烟道气和间接热风两种，采用烟道气的加热方式，它们的运转费是的，但是热风的洁净度不是很好。间接加热热风炉，由于洁净空气和烟气是截然分开的，它于直接加热热风炉的不同在于换热器。不管是直接加热热风炉还是 间接加热热风炉，在热风或烟道气出口处一般都设有冷空气入口，以调节介质的温度，满足工艺的要求。 热风炉的燃烧过程燃烧过程对应着蓄热室的蓄热过程，它分为加热期和拱顶温度管理期。在加热期，蓄热室拱顶的温度很低，废气的热量大部分被拱顶吸收，拱项的温度上升迅速，蓄热室中下部温度则上升缓慢。
直接加热热风炉中空气的流程很单一，先是由风机将空气送入燃烧室，然后在空气中的氧气参与下，燃料燃烧放出热量，形成烟道气，后由风机送入干燥室。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。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。