随着高炉的大型化、自动化以及最大限度地降低焦比的要求,对高炉炉料的质量要求越来越高。球团矿由于其特有的冶金性能而成为当今冶炼炉料中不可缺少的组成部分。然而球团质量指标的检测大多是在成品球团生产出来以后才进行的,这很难针对生产过程的球团质量状况实时得调整生产过程参数,从而影响企业的生产质量和效益。因此建立成品球团的质量预报模型是非常必要的。链篦机-回转窑氧化球团烧结过程是一个涉及到传质、传热和复杂化学反应的工业过程。采用传统方法建立其质量预报模型是非常困难的。本文采用BP神经网络建立球团矿质量预报模型,采用粗糙集理论中的属性约简算法选择与球团质量相关性大的参数作为球团矿质量预报模型的输入,保证了预报模型输入参数的合理性,为网络模型的精度提供了保障,并且有效地减少了神经网络模型的计算工作量。建立了球团抗压强度、FeO和低温还原粉化指数的预报模型,仿真结果验证了所建模型的准确性。本文建立了以抗压强度为优化目标的球团生产过程参数优化模型,并采用遗传算法求解。为了得到最佳的喷煤量,建立了球团生产最佳操作参数的T-S模糊模型,同时采用粗糙集理论的属性约简算法确定T-S模糊模型的输入变量,利用模糊C均值聚类算法以及最小二乘方法来辨识T-S模糊模型的结构和参数。并在MATLAB环境下进行了仿真,结果表明,建立的球团生产最佳操作参数的T-S模糊模型具有较高的精度。