烧结矿是高炉的主要原料，烧结矿质量的好坏直接影响高炉生产的质量，烧结矿化学成分波动大是国内外高炉原料的一个突出问题。由于烧结过程是一个工艺流程长、影响因素多、机理复杂的大滞后动态系统，采用传统的控制理论和方法难以解决烧结过程化学成分稳定控制的问题。近年来，以专家系统、人工神经网络为代表的人工智能技术被引入烧结领域，为烧结过程化学成分的计算机控制提供了一条有效的途径。 本文针对烧结过程化学成分控制的特点进行了深入的研究，通过对烧结过程工艺的分析，提出了基于人工神经网络预测的烧结过程化学成分专家控制策略，对烧结矿化学成分进行稳定控制。本文主要内容以及创新点为：第一，针对烧结过程化学成分控制滞后性的特点，分析了主要烧结矿化学成分的影响因素，对烧结矿主要化学成分建立了人工神经网络超前预测模型，并用马钢实际生产数据对预测模型进行训练与预测仿真，网络的学习算法采用Levenberg-Marquart反传算法；第二，通过对专家系统原理的学习，根据烧结领域知识的特点，提出了能够充分表达烧结领域知识的谓词逻辑与产生式规则相结合的表达方法，建立了多层次的知识库。采用多级推理模型，建立了过程化推理与正向推理相结合的高效综合推理机；第三，采用面向对象程序设计方法，用VC116.0实现了一个具有完整功能的烧结过程化学成分专家控制原型系统，可以新建知识库，编辑知识库以及对知识库中的知识进行矛盾性，一致性等的检查，实现了综合推理机，能够对烧结过程化学成分控制知识库进行快速有效的搜索、推理和控制。 通过对人工神经网络预测模型的仿真以及烧结过程化学成分专家控制原型系统的运行与测试，证明了该控制策略的有效性，取得了十分满意的效果，为进一步的现场应用打下了坚实的基础。