钢铁作为经济建设最重要的原材料之一,促使了冶金行业的迅猛发展。铁矿石是高炉炼铁中最重要的原料,而天然富铁矿石已经不能满足人们对高炉原料的产量需求,自然界中含量丰富的贫矿石开始得到大量开采应用,然而它却不能被直接用来高炉炼铁,而是需要经过烧结后形成烧结矿以提高其品质。因此,现阶段烧结工艺是各大冶金工厂的必备技术。由于烧结工艺极其复杂,所以人们需要对烧结质量进行实时观察监测,以便及时调整工艺参数。尽管化学检测方法较为准确,但样品在实验室中的检测时间长达数个小时,它只能反映相当长一段时间以前的烧结质量,因此实时性很差。人工机尾断面观察法实时性较高,它是由看火工根据多年生产经验通过观察机尾断面情况判断烧结质量,然而,此方法也有无法避免的缺陷,主要是会受到人为主观因素的影响,如视觉误差、经验不统一等,因而对判断结果较易产生波动。另外,此方法还难以做到长期实时观测,对过欠烧的判断缺乏连续性。但由于此种方法的高度直观性,在业界仍然被广泛采用。目前,对过欠烧判断的主流方法是根据风箱温度上升变化来预判,然而,它也仅仅是对烧结终点的预测,并没有直接反映最终的烧结质量,并缺乏直观性。因此,将上述两种方法有机结合可以克服它们各自的缺点,在保证了正确性的同时,又高度直观便捷。此方法是将机尾断面形态分析与风箱温度监测数据有机组合成烧结指标,并与烧结质量等级形成对应函数关系,最后通过实时烧结指标的输入反演出实时烧结质量的输出。烧结是一个高度非线性、高耦合的过程,利用简单的数学关系是不可能将这个函数表达出来。近年来,神经网络在函数逼近领域得到较广泛的应用,而传统的神经网络难以在全局上找到最优解,从而影响判断精度。为此,在利用神经网络判断烧结质量时,需要对神经网络算法进行必要的优化,利用模拟退火算法可以获取全局最优解,提高了神经网络的准确性和鲁棒性。在结合机尾断面形态分析和风箱温度跟踪的基础上,依靠改进的神经网络作为判断算法,实现了烧结质量等级的在线评测。经过在宝钢不锈钢事业部烧结生产线长时间的实际运行验证,此方法不仅实时、高效、直观和方便,而且还明显提高了评测的准确性,具有较高的应用价值。