随着高炉大型化、自动化及最大限度地降低焦比的要求,对高炉炉料的质量和炉料质量的检验方法越来越受到普遍重视。我国球团矿质量之所以与北美等国家的一些优质球团有差距,其中一个主要原因就是成品球团矿的热态指标不稳定,这必然给高炉炼铁带来很大不利。所以,球团矿热态参数的研究是一项不可或缺的工作。球团矿热态指标包括低温还原粉化指数、还原度、膨胀指数,损失指数,但由于热态指标的检验过程复杂,时间长达12小时以上,加之检验的目的是为了质量监测,即检验次数少,其检验结果对生产过程基本没有指导意义。因此,如何在现有工艺流程、原料条件及生产设备条件下,研究球团过程的热态指标参数预报模型,使球团过程相对透明化,使整个生产过程运行于最优状态,是目前球团生产急待解决的关键问题。论文首先对链箅机—回转窑球团矿生产工艺流程进行了深入的分析,重点分析了干燥、预热、焙烧、冷却等热工工段,并收集了相关的生产过程数据,然后对机理建模和神经网络建模的基本理论与方法分别做了细致的论述。结合球团生产过程的特点,提出用机理建模和神经网络技术来建立球团矿的热态指标预报模型。分别对四种球团矿热态参数指标建立了四个预报模型,其中前三个指标,即代表球团矿结晶程度的低温还原粉化指数(RDI),代表球团矿球团本身的密度、孔隙度、矿物组成以及脉石矿物的成分和分布状态的还原度(RI),代表球团矿自由状态下还原时发生的体积膨胀的膨胀指数(RSI),由于机理研究较多,对其进行机理建模。而第四个指标,即代表化学成分在成品球团矿中质量百分比的损失指数(LSI),由于实验数据较多和工艺过程较为复杂,采用神经网络模型,通过训练确定了模型的结构,并最终确定其预报模型。仿真结果表明,本文提出的球团矿热态指标预报模型能够获得满意的预报精度。