近些年来，随着钢铁行业高速发展带来的产能过剩，以及国际和国内矿石原料价格的上涨，使钢铁冶金企业的利润空间进一步压缩，企业间的竞争不断加剧。因此，为了提升竞争力，钢铁冶金企业越来越关注其生产过程中的资源利用率和综合经济效益。本文所研究的冶金工艺专家系统，有助于钢铁冶金企业在实际生产过程中优化其生产工艺流程，从而提高整个生产过程的资源利用率和综合经济效益。根据冶金生产过程中不同环节的特点，冶金工艺专家系统分为原料管理、配料优化、制粒评价和烧结评价四个功能模块；其中原料管理模块储存了原料的基本信息、各种理化信息和图片信息；配料优化模块采用线性规划算法，在满足混合料化学成分含量和粒度分布等约束条件的基础上，以综合成本为目标函数来优化混合料配比；制粒评价模块基于BP神经网络建立了制粒效果预测模型，并引入湿容量的概念建立起最佳含水量预测模型；烧结评价模块通过烧结工艺过程中物料与热量的收支关系来计算烧结工艺中的最佳配碳量，同时也通过BP神经网络建立起用于预测烧结成品矿的各种理化指标的烧结矿性能预测模型。相对于钢铁冶金企业根据经验公式或者是行业专家确定工艺环节中的生产参数，冶金工艺专家系统计算和预测出的相关参数具有更好准确度和灵活性。本文内容主要包括以下三个方面：首先，在分析了国内外相关研究现状以及神经网络和线性规划相关应用领域的基础上，提出了本文的研究背景及意义。其次，通过分析和研究BP神经网络和线性规划理论，将BP神经网络和线性规划应用于冶金工艺配料、制粒和烧结等流程的优化设计；提出了相应的算法，并建立了冶金工艺专家系统模型，给出了部分样本数据和算法应用的测试结果。最后，在以上研究基础上，将建立的模型用于冶金工艺专家系统具体功能模块的设计和实现中。目前冶金工艺专家系统已在国内多家钢铁冶金企业投入使用。在实际应用过程中，对企业配料、制粒和烧结等工艺流程参数的优化具有比较好的效果，并能从宏观的角度对整个冶金工艺流程进行全流程技术指标和经济效益的评价，有助于合理地调整生产方案。