烧结过程是炼铁工艺中的重要流程,其中的配料与混合制粒过程属于混合料制备过程。在实际工业生产中,混合料制备过程并未得到充分优化,在配料方面存在混合料成分准确率不高,烧结矿质量波动的问题；存在成本和硫含量偏高,经济效益和环境效益不高的问题；在混合制粒方面,存在混合料粒度分布欠合理,烧结工序能耗高的问题。针对上述问题,本文围绕混合料制备过程智能集成优化控制策略展开研究,主要的研究工作与创新点如下：(1)基于机理分析和数据驱动的烧结配料过程智能集成建模方法针对烧结矿质量预测复杂,配料准确率较低而导致烧结矿质量波动的问题,提出一种烧结矿质量级联集成预测模型。首先,分析烧结过程中化学反应物质质变和量变关系,建立烧结矿质量的机理模型；根据灰色关联度分析方法确定影响烧结矿质量的关键参数,并将其区分为已知的配料参数信息和未知的烧结过程状态参数；依据烧结生产稳定性要求,建立T-S模糊融合的GM(1,1)灰色模型和最小二乘支持向量机(LS-SVM)集成模型,获得烧结过程状态参数合理的预测值。在此基础上,分别建立具有全局逼近能力BP神经网络模型(BPNN)和局部泛化能力的LS-SVM模型以预测烧结矿质量,并从信息论的观点出发,提出一种根据预测误差序列的变异程度加权的信息熵融合方法,通过对机理模型、BPNN和LS-SVM模型的预测结果进行加权集成,获得准确的烧结矿质量预测值。仿真结果和实际运行表明级联集成模型的预测精度高于单级预测模型和级联单一预测模型,能够准确预测烧结矿质量,满足配料计算对预测精度和数据完备性的要求。通过研究焦粉配比与烧结矿质量之间的数值关系,建立以烧结矿质量为约束的焦粉配比优化模型；通过研究烧结过程的主要物理、化学变化,建立基于热平衡的焦粉配比下限模型,从而缩小焦粉配比优化模型的搜索范围,克服了传统经验配比难以实现焦粉用量优化的局限性,为实现烧结配料过程节能目标奠定了基础。(2)兼顾降低成本与减少硫含量的烧结配料多目标优化模型针对传统配料方法中存在成本和污染物元素含量偏高,而一般的配料优化模型既缺乏对烧结配料工艺过程的合理描述,也缺乏对能耗、环境效益的关注问题,结合烧结配料中一次配料与二次配料不同的工艺特点和指标要求,在分析烧结过程原料关键化学成分指标和经济性基础上,以库存量和烧结矿化学成分指标为约束条件,建立一种基于线性加权和的烧结配料多目标优化模型(包括一次配料和二次配料多目标优化模型),较传统的配料成本优化模型而言,实现兼顾降低配料成本与减少硫含量的烧结配料多目标优化。(3)烧结配料多目标综合优化方法在建立基于线性加权和的烧结配料多目标优化模型的基础上,本文设计基于线性规划(LP)和遗传-粒子群(GA-PSO)的烧结配料多目标综合优化算法,搜索一次配料与二次配料优化模型的最优配比。该算法首先采用LP方法求解基于线性加权和的烧结配料多目标优化模型的最优解,若LP方法计算失效,则采用GA-PSO算法进行搜索,算法搜索初期采用基本粒子群算法(PSO),当PSO收敛停滞,采用遗传算法(GA)的交叉、变异操作增加粒子群的多样性,避免了基本PSO算法收敛末期的振荡特点,实现快速收敛。本文将烧结配料多目标综合优化算法应用工业生产现场,实现烧结配料配比优化。(4)基于粒度分布评估的混合制粒智能集成优化控制策略混合料粒度分布影响因素众多,而工艺指标仅对混合料粒度分布进行定性描述。粒度分布优化控制缺乏准确的数学模型和明确的优化目标,采用传统优化方法与控制策略难以实现粒度分布优化控制。针对上述问题,本文提出一种基于粒度分布评估与优化的控制算法。首先,提出粒级参数的概念,将连续的粒度分布用离散的粒级参数表示；其次,分析筛分实验粒级参数与对应混合料的烧结状态,采用料层厚度和平均透气性指数建立模糊评估函数,建立粒级参数与对应评估值的样本集,采用基于BP神经网络方法建立粒级参数的评估模型；再次,以评估模型为目标函数,以粒级参数为决策变量,在生产边界条件的约束下采用PSO算法求解获得最优粒级参数；最后,建立水分设定模型,通过代入最优粒级参数求解得到制粒过程水分优化设定值,克服了传统水分控制难以实现粒度分布优化控制的局限性。仿真实验表明：算法有效改善了制粒效果。(5)混合料制备过程优化控制策略的工业应用结合工业现场实际,根据某360m2烧结生产线进行系统软件和数据流设计,建立烧结配料优化与决策支持系统,实现企业兼顾配料成本与减少焦粉用量、降低硫含量目标的综合优化,取得了明显的经济效益和环境效益。