烧结矿是高炉炼铁的主要原料,烧结工艺中的混合料水分只有控制在最佳范围以内才能稳定烧结机工况,提高烧结生产效率。但是,目前大多数烧结厂还仍由人工加水,以至于混合料水分波动很大,烧结生产效率很难提高。主要原因是工艺设备的大滞后,在自动化系统中需采用前馈控制策略,按照进料流量确定加水量。可是各种物料的含水量又经常波动,前馈模型参数很难跟踪物料含水量的变化进行及时调整。为了解决这个难题,本文以物料平衡为理论基础建立加水模型,对各种物料的含水量采用智能辨识方法进行了自学习建模研究。首先,完成了对在线配料中的各种物料量、加水量和混合料水分含量等大量数据的采集工作。考虑现场各个配料称的位置到混合机入口的延迟时间和PLC与采集数据的工控机的通讯协议一致性问题,实现了数据的实时的收发,并以二进制文件存储到磁盘中。其次,获取大量数据后进行了相应处理,这包括删除停料时的断点数据以及采用莱达因法对剩余数据的坏点的剔除。搭建了 MATLAB图形用户界面仿真研究平台,在该平台上完成了各个物料含水参数辨识和前馈模型修正以及前馈加水控制的仿真研究。最后,当水分测量值超出设定值的±0.3%时,就自动对各种物料的含水量进行辨识,并修改前馈控制模型。仿真结果与对应时间内的人工加水记录数据进行对比,混合料水分波动范围明显减小。仿真实验的结果验证了自学习建模所获取的模型参数用于前馈加水控制的方案是可行的,能够使前馈模型参数及时跟踪物料含水量的变化,有效的抑制物料含水量和物料量波动对混合料水分的干扰,解决工艺过程的大滞后对水分控制造成的不利影响,从而能够使混合料水分控制到较小的波动范围内。该研究成果为烧结混合料水分前馈控制的建模问题提供了一种通过自学习建模及时随物料变化调整前馈参数的方法,为在线实际应用奠定了基础。