烧结是传统高炉炼铁的一个重要步骤,其烧结矿质量直接决定了后续高炉炼铁的好坏。近年来,随着富铁矿石的资源逐渐短缺,人们开始了对自然界储量丰富的贫铁矿石的开采使用,在对其烧结处理后形成品质较高的烧结矿,再作为炼铁原料。烧结作为一个高时滞性、高耦合性的非线性复杂反应过程,可以根据当前烧结矿质量的好坏调整烧结工艺进而提高后续的烧结矿质量。化学检测是判断烧结矿质量好坏最准确的方法,但从取样到得出化验结果需要二至三个小时,实时性太差,对当前的烧结生产参考指导意义不大。基于生产参数的模糊控制法,虽然可以通过烧结初始参数预测出烧结质量等级的高低,但是其使用的生产参数并不是某一断面在整个烧结过程的跟踪数据,导致预测结果准确性差。机尾断面观察法,有着高度的实时性,有经验的看火工根据观察结尾烧结断面的特征可以快速判断出烧结矿质量的好坏,但通过断面图像判断烧结矿质量有一定的主观性,且长时间观察机尾断面会视觉疲劳可能导致判断出错。因此,为了克服上述两种方法的缺点,本文将机尾断面图像及过程参数相结合,进行多参量的提取、分析,使用加权支持向量机(W-SVM)回归估计得出系统对烧结矿质量的判定结果。此外,本文还建立了数据库存储数据,并编写客户端程序实现远程访问。经过在马鞍山钢铁股份有限公司二铁厂烧结生产线长时间的实际运行验证,此系统不仅效率高、直观性强、实时性好,而且还提高了烧结矿质量判定的准确性,具有很高的实际应用价值。本论文工作主要包括以下的几项内容:1、将机尾断面可见光图像与红外热图像相结合,提取红火层温度、厚度、连续程度等数据,并通过区域灰度比值筛选算法实现最佳断面图像的自动识别;2、编写OPC程序连接工厂内网,获取风箱温度、烟道温度、带冷温度、烧结机机速等烧结过程参量,通过反演得出最佳断面图像的烧结历史数据;3、收集化验样本和人工样本,作为判定结果对比和机器学习数据;4、编写烧结矿质量在线判定系统主程序;5、将以上收集的数据作为训练样本集,对加权支持向量机(W-SVM)进行训练,得出用于回归估计的预测模型,最终用于FeO含量与转鼓指数的实时预测,并通过质量判别模型对烧结质量等级进行判定。6、建立数据库,用于存储烧结矿质量在线判定系统主程序处理后得出的烧结参数、数字数据和图片数据等。7、编写数据库远程访问客户端程序,实现烧结数据的远程查询,便于指导生产和总结。8、最后列出了在烧结矿质量在线判定系统在线运行的数据和与之对应的检验数据,并进行了结果分析。