随着世界铁矿石资源的不断变化，以及企业不断深入的降本增效要求，烧结生产用的铁矿石种类、配比也在不断调整。这给烧结操作提出了要求：矿石配比变动后能迅速、准确地给出合适的烧结工艺参数，以满足烧结矿产质量的要求。由于各种铁矿石具有不同的烧结特性，以往烧结操作常借助历史经验，或者通过烧结试验来进行。而这又是一个长时间的反复摸索、调整过程。因此，能否在建立烧结过程工艺参数数学模型的基础上，对烧结工艺参数进行选优，以便操作者能在配矿方案变化时做出正确决策，使工艺参数能准确、快速作出合理调整，成为烧结过程稳定控制的关键。 本研究应用人工神经网络、遗传优化技术，研究了烧结过程工艺参数的优化模型。在分析宝钢烧结配矿方案、工艺参数以及产质量指标三者相互关系的基础上，提出了两种优化烧结工艺参数的数学逻辑模型。利用宝钢近五年来的烧结生产数据建立了大量的实体模型。通过模型的比较、分析得出优化宝钢烧结工艺的数学模型。 在系统建模的过程中研究了人工神经网络方法。确定了三层前向网络结构。针对基于梯度下降法的BP网络存在的缺陷，提出了改进措施，取得了较好的应用效果。 研究并开发了人工神经网络建模平台，解决了建模的模块化、灵活度、移植性等问题。采用实数编码的方式实现了遗传算法，并开发了遗传优化求解平台。在优化模型参数时，提出并实现了基于GA-BP的烧结工艺参数优化方法。给解决宝钢优化烧结工艺参数的问题提供了一种可行的模式。 采用MATLAB与VC++两者混合编程的策略，利用基于ADO的数据库编程技术实现了宝钢烧结优化指导系统软件开发。该系统集系统建模、参数优化、GA-BP优化于一体，为解决宝钢优化烧结工艺参数的问题提供了一个很好的平台。根据宝钢五年的实际生产数据建模，模型的预报命中率达到85％以上。模型能实现工艺参数的优化，优化结果以多种供选方案显示。保证了系统实际应用的灵活性和有效性。