铁矿石烧结是将各种粉状含铁原料、燃料、熔剂及返矿等按一定比例混合,然后均匀铺到台车上烧结成块的过程。近年来由于烧结原料来源日趋多元化,加之矿石质量参差不齐,容易对烧结生产控制造成不利影响,导致烧结矿性能波动较大,尤其是当新矿种用于烧结或由于矿种库存、成本问题需调整某些矿种配比时,需要对其做多次探索性试验才能掌握合适配比,这不仅浪费了大量的人力物力,更重要的是给稳定烧结生产造成了一定影响。如何合理利用资源,并且根据原料条件预测出烧结矿性能、进而指导烧结配矿,对降低烧结成本、提高烧结矿产、质量有重要意义。本文针对国内烧结厂铁矿石原料来源复杂、烧结生产易波动、烧结矿产质量不稳定的问题,以昆钢烧结生产为依托,建立了一个烧结矿性能预测模型。具体的研究工作如下:利用模糊聚类建立了铁矿石分类模型,为烧结合理配矿提供了依据。探讨了烧结混合料特征参数,设计正交试验方案并进行了烧结杯实验,根据实验结果系统研究了混合料特征参数对烧结性能的影响。利用facksage软件研究了烧结混合料中FeO含量、碱度以及烧结温度对液相量生成的影响,并提出了确定适宜配碳量的新思路。以此为基础,利用BP神经网络建立了烧结性能预测模型,并进行了模型的检验。通过课题研究,得到以下结论:应用分类模型,获得昆钢常用铁矿石的动态分类图,实现了对铁矿石的动态分类;通过极差、单因素分析,得到混合料特征参数对烧结矿性能影响的排序及对烧结性能的影响规律,配碳量对烧结矿的物理性能和技术指标影响最大;碱度、温度对烧结矿液相量的生成有促进作用,可以根据液相量与温度之间的关系确定适宜烧结温度,进而确定适宜配碳量;对建立的烧结性能模型进行检验,在误差限值范围内,还原度和利用系数的预测命中率可以达到75%以上,落下强度、转鼓强度、烧结速度的预测均命中率则达到87.5%以上,模型能够指导烧结实验及生产。