在高炉冶炼中,冷态强度稳定的烧结矿不仅提高了烧结矿的入炉率,同时改善了高炉炉料的透气性,降低了烧结矿的粉化状况,从而减少高炉生产的成本。根据烧结矿转鼓强度进行周期性取样试验并控制烧结矿质量已无法满足工业生产需求,传统转鼓强度检测方法效率低、检测不准确、反馈不及时等缺陷都将阻碍中国进入世界钢铁顶级冶炼技术发展的舞台。因此,对烧结矿转鼓强度的实时预报研究具有极其重要的意义。本文针对传统转鼓检测方法滞后,结果反馈不及时,导致造成烧结过程工艺参数调整不准确的问题,提出一种基于人工神经网络的烧结矿转鼓强度在线预测研究方法,分别采用BP(Back Propagation,BP)、RBF(Radial Basis Function,RBF)和Elman三种神经网络对转鼓强度指标进行预报,比较预报结果,淘劣存优。预报系统根据烧结矿历史生产数据建立以烧结矿转鼓强度为指标的预测模型,随后利用基于瞬发γ中子活化分析(prompt gamma-ray neutron activation analysis,PGNAA)成分技术的工业物料在线检测仪器检测且经化学式转化得到的新数据进行在线预测,并将结果反馈给烧结过程达到烧结矿质量在线调控的目的。实验仿真结果表明,BP神经网络的预测值部分比较准确,误差波动大,网络内部学习不完整;RBF神经网络的预测值与实际值走向不一致,两者曲线拟合度不高,反映出RBF网络对样本的高度依赖性;Elman神经网络的预测误差波动最小,预测结果与实际检测结果吻合度高,预测绝对误差在实际生产要求范围内,对烧结工业实际生产具有一定指导性,大大地缩补了物料调控时间,改善了烧结工艺品质,较其他两种方法而言其预测功能更为准确。