外滚煤造球较传统的一次混合造球有了很大进步,其造球效果的好坏直接通过烧结过程中的垂直烧结速度、料层透气性以及烧结料层厚度等参数来检验,是烧结工艺中重要的一环。首先,本文针对该钢厂目前的制粒情况,结合相似性原理在小型制粒机上设计了关于混合料造球的正交试验,用来观察混合料运动规律以及测定其制粒率和混合度。主要工作是通过在制粒机内安装监控器的方式研究了转速对混合物料运动规律的影响,然后讨论了含水量、填充率等因素对混合料制粒率和混合度的影响。试验结果分析得出了含水量是影响混合料制粒率和混合度的主要因素,转速、填充率和煤粉添加深度是次要因素；综合两次测定试验结果,研究表明：最佳制粒和混合参数组合是含水量7.1%、转速17r/min、填充率11%、煤粉添加深度是5m。其次,详细阐述了本文选择的BP人工神经网络,包括网络结构和学习算法。以正交试验数据为样本,利用Matlab7.0软件编程建立了混合料的BP神经网络模型,而后对其进行训练、预测。最后,基于VC++强大的集成开发环境,利用Matlab与VC++的应用程序接口,通过调用Matlab引擎库函数和神经网络工具箱的方式,进行了两者的混合编程。编程实现的基于神经网络的滚筒混合料制粒率及混合度预测系统,可以在设置的列表框中输入或选择参数,运行后得到输出结果的显示。通过本论文的研究方法,可以在试验之前对其进行初步的结果预测,节省了人力物力,提高了效率。因此,对该钢厂的生产实际具有较大的指导意义。