氧化球团回转窑生产过程中,回转窑烧成带的温度直接的影响产品的产量和质量。回转窑是一个非线性、大滞后系统,难以建立其精确的数学模型。由于回转窑不断的转动运行过程中很难检测烧成带温度,采用传统的热电偶测温法和PID控制法,往往难以达到令人满意控制效果,影响了成品球团质量。为解决以上问题,本文以回转窑烧成带温度检测与控制为研究对象,提出了基于GA-BP的回转窑温度预测模型,并提出了基于模糊PID算法的回转窑烧成带温度控制模型,以先进方法实现对回转窑温度的检测与控制。首先详细分析回转窑的热工工艺和回转窑温度控制关键,深入研究了人工神经网络、遗传算法。针对现场采集数据存在误差的问题,本文采用聚类侦破法对数据进行处理,以剔除干扰数据。针对现场温度检测存在的问题,提出了一种基于遗传算法优化BP神经网络的回转窑温度预测模型。对然后用遗传优化BP神经网络对处理完毕的数据进行训练仿真,仿真结果表明遗传优化BP神经网络温度预测模型在用于回转窑温度预测中,能够取得较好的预测精度,为接下来的控制提供了有力的保障。最后针对回转窑大滞后且干扰因素众多的特点,提出了基于模糊PID控制的回转窑温度控制方法。根据回转窑的特点设计了模糊PID控制器的结构并用Simulink进行了仿真研究,仿真结果表明,模糊PID控制比传统PID控制方法调整时间更短,自适应性更强,在对窑温控制中能够取得较好的控制效果。