气流干燥是利用热气流使精矿悬浮起来进行闪速干燥，是闪速熔炼的关键工序之一。控制干精矿的含水率在0.1～0.3％之间是稳定熔炼生产的前提，由于沉尘室干精矿的含水率难以在线检测而导致了干精矿水分难稳定。针对这一问题，本文以贵溪冶炼厂三段气流干燥系统作为研究对象，对水分软测量模型做了分析研究，根据现场获取的测量数据，实现了对干精矿水分的在线预测，在此基础上设计开发了气流干燥智能优化控制系统。 论文在对三段气流干燥的工艺机理分析的基础上，根据实际操作情况，选取了11个变量作为辅助变量，通过企业内部计算机平台和DCS获取了现场工艺数据，利用数据校正技术对所获取的数据进行校正处理，并用主元分析进行降维处理后建立了三层BP神经网络模型；通过干燥过程的热传递分析，建立了热平衡模型；基于生产控制专家经验，建立了经验回归模型。三个模型比较研究表明：神经网络模型总体的拟合性好，但由于数据的不完备而导致在某些点上不能正确预报，经验回归模型误差起伏较大且只能在一定范围内进行预报，热平衡模型误差很大，但在工况突变时又比其他两种的预测效果好。根据他们的特点，建立了由这三个模型有机结合的集成模型。试验表明，该模型可行，精度高，能满足工业生产要求。 在实现了水分软测量基础上，结合贵溪冶炼厂现场实际，建立了由氮气和稀释风专家控制和基于软测量的燃油优化控制组成的双反馈控制系统。前者是通过改变窑头含氧率和温度来确保精矿不着火；后者是通过软测量预报的结果，由遗传算法求取最佳燃油量。应用表明，该方案切实可行，取得了良好的效果。