冶金工艺中,用烧结矿作为高炉炼铁的主要原料可以使冶炼效率大大提高,从而烧结矿的生产成为钢铁生产工艺过程中重要的环节之一.针对烧结料加水混合过程中加水量自动控制面临的难点问题,通过对工艺过程的主要参变量进行测量和数据处理,采用神经网络建立该过程的模型,由遗传神经网络进行过程参数估计,并进行自动控制仿真等一系列探索性的研究工作,证明了对存在多干扰因素的复杂非线性过程的测控问题,采用智能控制技术作为解决方案是可行的.通过计算机数字滤波和数据跟踪等处理,解决了分布的测量空间上测量数据的会合时间同步问题,获取了大量过程参数作为神经网络建模的样本.采用多种改进措施,完成神经网络的过程建模,使其与传统方法建模相比更接近实际过程.在参数估计模型的建模过程中,采用遗传算法对神经网络初始化过程进行全局寻优,通过数字实验,证明了可以克服网络训练时易陷入局部最优的问题,可以使参数估计模型求解的数据更接近实际工艺参数,使得加水量计算更接近实测数据,为控制系统实际开发应用等工作提供参考.