摘 要 本文针对铁矿石烧结过程特征，在分级递阶结构基础上提出智能控制方法，对烧结过程进行有效控制。根据灰色理论与BP神经网络技术，构建智能预测模型，最后在满意度协调控制的基础上，对小矿槽料位与烧结终点进行有效的协调。实验结果表明，该系统的应用能够使烧结波动得到有效抑制，烧结产量显著提升。

关键词 分级递阶结构;铁矿石;智能控制

引言

在钢铁生产过程中，铁矿石烧结十分重要，能够为高炉炼铁提供主要原料，与炼铁质量、能源消耗、产量等具有重大关联。烧结过程具有较强的非线性、滞后性、耦合严重等特点，对BTP的影响因素众多，因此需要采用人工智能技术，为烧结工程控制提供有效途径。

1 智能控制系统概述

1.1 设计需求

烧结矿作为钢铁生产的重要环节之一，烧结终点将对烧结矿的质量、数量产生直接影响。在以往生产过程中，很难建立准确、可靠的工业过程模型，致使最终的应用效果也不尽人意。近年来，我国在烧结控制方面将重心放置在BTP研究方面，借助神经网络技术为BTP预测铺平道路。但是，在烧结过程中仍然存在信息不健全、工艺复杂等情况，采用单一方式只能在有限的信息中进行计算，无法对BTP中的更多信息进行预测，并且现行控制方式没有考虑到烧结后的滞后性与混杂特性，以及严重耦合对BTP产生的不良影响，导致在实际工业应用中难以与规定的控制要求相符合。

对此，迫切需要提出新的方式提高烧结过程的控制效率。……