随着钢铁工业的快速发展,细磨铁精矿的供应量不断增加和球团矿本身优越的冶金性能,使得球团矿在高炉炼铁生产中的比例不断增加,因此用于球团生产的链篦机-回转窑生产系统得到了广泛地应用。在球团生产冷却过程中,热工过程复杂、各工艺参数和操作参数之间互相耦合,存在许多不确定因素,难以通过建立精确数学模型来对球团质量判断。因此,如何寻求球团成球质量与工艺参数之间的关系,对球团成球质量做出正确判断,已经成为球团生产质量提升的一个关键课题。球团生产冷却过程的优化就是根据球团质量指标在线调整冷却过程的操作参数,对冷却过程中各工艺段分别进行质量预报并实现在线优化。本文首先对链篦机一回转窑球团矿生产流程及工艺进行了深入的分析,根据能量守恒、流动和传热传质等原理,考虑气体与球床的对流传热、水分的冷凝蒸发等因素,建立了球团生产冷却过程的热工机理模型。在球团冷却过程中,抗压强度是反映冷却球团质量的重要指标,而球团抗压强度指标无法在线测量,本文根据环冷机的过程参数建立了基于抗压强度的球团质量预测模型。应用BP神经网络建立了球团的抗压强度质量预测模型,选择球团生产冷却过程各工艺段温度为输入变量,球团的抗压强度为输出变量。以球团抗压强度为优化目标,以热工参数为决策变量,建立了球团热工参数优化模型。对冷却过程中各工艺段分别根据不同的工况条件进行质量预报并实现在线优化,将对每段生产过程产生影响的因素的值取为实际值,未对该段产生影响的因素的值用理想值代替。当该批次的球团进入下一阶段,将影响该段生产过程的参数值及上一段的过程参数值取为实际值,未对该段产生影响的因素的值用理想值代替。采用遗传算法求解,得出最优热工参数,并根据建立的球团冷却过程模型求得最优的操作参数,最终实现根据球团抗压强度的质量指标对冷却过程的在线优化,仿真结果验证了有效性。