随着钢铁工业的不断发展,对入炉原料的要求越来越高,这就促进了球团矿生产工业的发展,而球团矿工业的主要目标是生产高质量的球团。链箅机-回转窑是一种新型的球团矿生产工艺,因其在球团矿生产中的优势而逐渐被世界各国球团矿生产广泛采用。然而链箅机-回转窑生产工艺复杂,有热辐射、热传导和热对流等热量变化以及各种复杂的化学变化,各工艺参数和操作参数之间相互耦合,并具有许多不确定因素,如压力、燃烧热值的波动等,这就使得生产过程具有大滞后性、时变性和强耦合性,因而难以根据运行机理建立其数学模型,这为实现球团矿生产的自动化带来了极大的困难。目前大多数球团矿厂采取手动操作,靠人工经验,具有很大的不确定性。鉴于此本文利用数据建模的方法建立了成品球团的质量预测模型,确定了各个工艺参数与成品球团质量指标之间的关系,对提高球团矿质量和方便生产指导具有重要的作用,并解决了传统BP算法收敛慢,易发散等问题,提高了预测的命中率。本文首先对链箅机-回转窑工艺的发展及其建模现状进行了介绍,然后详细介绍了链箅机-回转窑生产工艺流程以及成品球团质量评价指标。接下来对常用数据建模方法进行了详细的分析,包括神经网络、遗传算法、粒子群算法理论等,并重点论述了BP、GA-BP和PSO-BP等三种算法。然后分别基于上述三种算法建立了球团矿质量预测模型,并进行了MATLAB仿真验证,经过比较论述了三种方法的优缺点。最后基于VS2008平台和MATLAB以及Microsoft Access设计和开发了链箅机-回转窑球团矿质量预测系统,经过系统测试证明该系统对于提高球团矿质量有重要的作用。