随着钢铁工业的不断发展,球团矿已经成为高炉炉料中不可缺少的一部分,这也使得链算机—回转窑生产系统得到了广泛的应用。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,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厂家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时,采用常规的方法很难及时调整工艺参数,导致产品合格率低,无法保证成品球的质量。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。本文首先对链篦机—回转窑球团矿生产流程进行了深入的分析,包括配料、干燥、预热、焙烧以及冷却等整个工艺过程。通过工艺分析,找出了影响球团质量的各种因素,并详细分析了球团生产过程中热工参数对球团质量的影响。利用BP神经网络的方法建立了热工参数的数学模型。通过热工参数数学模型,以球团抗压强度为优化目标,以热工参数为决策变量,建立了球团热工参数优化模型。采用遗传算法在MATLAB环境下求解,得出最优热工参数。由于热工参数直接由风煤量进行控制,本文研究并设计了基于案例推理的球团生产风煤量优化设定方法,研究了案例获取、案例表示、案例检索、案例评价、案例修正的方法,设计了整个案例推理算法,包括新问题特征提取和描述,相似案例检索,案例重用,案例评价,新案例存储等。最后,对该方法进行了测试,测试结果表明该方法是有效的,对于生产过程的优化指导,具有较好的参考价值。