硅热法炼镁工艺经过60余年的发展，基本形成了成熟的理论。但高耗能、高污染、自动化程度低一直是阻碍硅热法炼镁工艺继续提升的瓶颈。 关键工艺参数的确定、优化是解决高耗能的一个主要途径。以往文献对工艺参数的确定和优化研究都是集中在以工人的经验和传统数学模型的建立。而实际生产中相互干扰的因素甚多，很难准确的建立各参数之间的数学模型，工艺参数的获得不准确、不科学。为此，本文探索性的引入人工神经网络，抛开传统数学建模方法，通过大量的离散数据的学习训练，提取其领域的知识，建立相应的数学模型，有效解决了工艺参数的确定、优化问题。 本课题就北京维恩克科技公司硅热法炼镁原料制备工艺，对煅烧关键工艺参数煅烧时间和煅烧温度；配料工艺中配硅比：制球工艺中的制球压力进行了探索和试验研究。 1．对实际的煅烧生产进行了跟踪试验研究，首次提出了通过控制窑尾温度和窑壁温度来间接实现煅烧温度的控制；以控制回转窑主电机转速来控制煅烧时间的这一切实可行的煅烧工艺参数的控制方法。研究结果表明：适合实际生产且能保证得到较好煅白质量的煅烧温度T=1260±10℃；煅烧时间t=150～180min。 2．对实际生产配料进行了跟踪试验研究，收集了大量离散的配料生产样本数据，经过已建立的BP网络优化模型的学习训练，得出的模拟值跟实际生产值吻合良好，误差＜0.8％。同时，研究表明：适合实际生产的配硅比应为M=1.1±0.05。 3．利用实际料球跟踪试验与BP人工神经网络理论相结合的方法对硅热法炼镁炉料成型关键工艺参数制球压力进行了优化研究。研究发现：BP神经网络优化的模拟值和实际生产值吻合良好，其误差＜0.9％。同时研究表明：实际生产获得较高的镁产量和较高的硅利用率时的制球压力为P=21±0.5Mpa。 本文以实际生产的跟踪试验和人工神经网络相结合的方法，突破了传统数学模型难以建立的瓶颈，为研究硅热法炼镁工艺开辟了一条新的途径。