烧结为高炉炼铁提供原料,烧结矿产量的高低、质量的优劣都将直接影响到炼铁生产的产量、质量及能源消耗。烧结终点是烧结结束时的位置,作为判断烧结过程的重要参数之一。烧结终点预测是一个多变量、非线性、大时滞问题,采用机理模型或传统的控制理论难以实现对烧结终点的预测和控制。人工神经网络具有自适应、自组织、并行计算和联想记忆等能力,特别适合于描述不确定的和复杂的非线性系统。所以,本文尝试用人工神经网络建模的方法来预测烧结终点。在查阅大量国内外相关文献的基础上,本文首先介绍了烧结终点预测的国内外研究现状,然后分析了烧结基本原理以及人工神经网络的基本理论,通过对生产工艺过程的深入分析,确定了四个影响烧结终点的可在线检测的参数:大烟道负压、风量、机速和点火温度。本文针对BP神经网络和RBF神经网络分别建立了烧结终点预测模型,并从现场采集到95组数据,其中70组数据作为训练样本,分别对网络进行训练,训练后的网络用剩下25组数据,对网络进行预测实验,实验结果表明RBF神经网络预测模型在网络训练速度和预测精度等方面明显优于BP神经网络预测模型。最后,本文提出一种可在线训练的方法,从现场中另取30组连续时间段的数据进行仿真实验,仿真结果表明采用该方法预测烧结终点可以取得良好的效果,对烧结生产具有一定的指导意义。