在球团生产过程中，热工过程复杂、各工艺参数和操作参数之间互相耦合，存在许多不确定因素，难以通过建立精确数学模型来对球团质量判断。因此，如何寻求球团成球质量与工艺参数之间的关系，对球团成球质量做出正确判断，这已经成为球团生产技术领域的一个前沿课题。目前大多数球团生产过程控制还处于手动操作状态，具有很大的不确定性。特别是当温度等指标发生变化，采用常规的方法很难及时调整工艺参数，导致产品质量合格率低，无法使生产处于较理想的状态。在球团生产过程中，温度调节是关键的因素。目前球团的质量指标和国外相比，还有很大差距。为了获得更好的经济效益，本文尝试采用改进的粗糙集理论与粒子群等智能方法相结合策略来对成球质量进行有效的判断。 本文针对基本粗糙集不能完全满足球团质量判断的问题，对其改进算法进行了深入研究，并将改进的粗糙集理论应用于球团质量判断中。主要工作如下： 提出一种基于粒子群优化的粗糙集属性约简算法。该算法用离散二进制粒子群算法优化属性依赖度，有效获取属性相对约简，解决了启发式算法无法全局搜索进行约简的问题。 提出了基于条件粗糙熵的层次树模型构造方法。解决了算法时间复杂度大，无法挖掘感兴趣属性的难点问题。 提出了基于离散粒子群的变精度粗糙集规则提取算法。将信息熵做为适应值函数，对变精度粗糙集的属性依赖度进行寻优，从而在处理噪声数据时获得更可靠的分类规则。 提出了基于粗糙集的加权TOPSIS偏序关系全序化方法，解决了辨识矩阵无法求取偏序集，不能进行偏序关系全序化的普遍问题。该算法首先根据属性间差异程度计算各个属性的权值，然后再对信息系统进行加权TOPSIS排序分析，克服了原算法对数据信息表本身的过严限制，扩大了偏序关系全序化的粗糙集方法的应用范围。 将提出的改进粗糙集应用到球团成球质量判断中。首先建立了成球质量指标和链篦机各段温度数据之间的决策表。然后经过分析和约简，得出了不同生产状态下的球团成球质量判断规则。仿真结果和实验数据进行了比较，实现了生产的离线分析和质量跟踪查询。本文提出的方法为现场正确决策提供了一些有益的探索，为球团成球的质量判断提供了理论基础。