在皮江法炼镁工艺过程中，建立镁还原率预报模型，获得工艺参数与镁还原率之间的函数关系，有利于提高皮江法炼镁工艺的自动化水平，指导工艺参数的选择，提高镁还原率，降低生产成本，实现镁工业的节能减排。镁生产过程是一个非常复杂的非线性过程，影响镁还原率的工艺参数多且复杂，利用传统的数学模型，通过计算获取工艺参数和镁还原率的非线性关系，不仅计算量大，而且很难保证模型的准确性对镁还原率进行较为精确的预测。利用人工神经网络技术的自学习、自组织、自适应特点，对输入的样本自动地进行计算，可以获取镁还原率和工艺参数之间的关系及变化规律，建立准确的预报模型，为炼镁过程操作提供技术依据。本文介绍了BP神经网络和遗传算法的原理及特点。以陕北某企业皮江法炼镁生产过程为研究背景，简述了皮江法炼镁工艺流程，分析了各工艺参数对镁还原率的影响。以此为基础，建立以煅白水化活性度、配硅比、制球压力、还原时间、还原温度、真空度为输入，镁还原率为输出的基于遗传算法优化的BP神经网络预报模型，利用采集的实际生产数据对模型进行训练和预测。结果表明：该预报模型能够较为精确地预报镁还原率，预测误差△ηMg1.0%的命中率达96%，最大误差小于1.3%；预报模型的预测值与实际值的均方根误差rmsc=0.4210，与BP神经网络预报模型相比，具有更高的预测精度。本文对皮江法炼镁中还原罐内温度场变化过程，应用有限元软件ANSYS进行了模拟，分析了倒焰窑与蓄热式还原炉内还原罐的温度变化过程及温度分布状况。结果表明：蓄热式还原炉与倒焰窑相比，还原罐受热均匀，传热效率高，中心球团达到反应温度仅需要不到9个小时，还原周期较倒焰窑缩短了约1个小时。