摘要：烧结过程是钢铁冶炼的重要工序之一，烧结矿是高炉炼铁的主要原料，烧结矿的质量直接影响高炉炉况和钢铁产品质量。烧结过程是一个工艺流程长、影响因素多、机理复杂的动态系统，烧结过程的特点使得对烧结矿质量的检验具有大滞后性，检测结果无法用于指导烧结配料操作，因此开发烧结矿质量预测系统实现对烧结矿质量的准确预测具有十分重要的意义。

    关键词：烧结矿质量，RBF神经网络模型

    目前，国内某钢铁公司烧结厂应用的烧结矿质量预测模型仍为精度较低的机理预测模型，得到的预测结果不能对烧结过程起到积极的指导作用，且计算过程为人工的Excel表格计算，工作效率较低，信息不能及时共享。

    针对烧结过程的强非线性特点，选择部分烧结过程状态参数、原料参数及操作参数作为输入，烧结矿质量评价指标作为输出，建立RBF神经网络预测模型，预测烧结矿质量。

    神经网络模型的建立首先要确定模型的输入输出参数，由前述可知，，模型主要反映配料参数对质量的影响，而神经网络模型主要考虑状态参数与操作参数对质量的影响，所以，神经网络的输入参数除了配料参数以外，主要选取合理的操作参数和状态参数作为模型的输入。根据烧结生产工艺流程及长期的烧结生产实践，可以得出烧结过程完成时混合料中铁总量与成品矿中铁总量基本一致 ......