气流干燥铜精矿过程是铜闪速熔炼的重要工序之一，热风炉是气流干燥系统的主要设备。在冶炼厂热风炉要消耗大量的能源，如何提高热风炉的能源利用率、降低生产成本，是当前技术改造和节能工作中意义深远的课题。气流干燥工序的任务是保证精矿含水量稳定在0.1％～0.3％之间，它是铜闪速熔炼生产的前提条件。论文针对目前热风炉添加重油存在盲目性的问题，以气流干燥系统为研究对象，研究了热风炉燃油优化。气流干燥系统是一个具有本质非线性、强耦合、不确定、多约束特性的复杂被控对象，影响热风炉燃烧的因素很多，无法用传统方法建立热风炉燃烧重油量与沉尘室温度之间的关系表达式。本研究引入人工神经网络技术，根据气流干燥系统的历史数据，以重油量、精矿量、热风炉温度、热风炉出口烟气温度、窑头温度、窑尾温度为输入量，沉尘室温度为输出量，建立了一个三层BP神经网络模型。在上述模型的基础上，以热风炉燃油量最小为优化目标，沉尘室温度稳定在78℃～82℃、风矿比控制在1000～1200m~3／t、混气室含氧率控制在10％，建立燃烧优化模型。提出采用惩罚函数和遗传算法相结合解决热风炉燃油优化问题。在分析标准罚函数和遗传算法自身缺陷的基础上，提出了改进罚函数和改进遗传算法，仿真结果表明寻优的收敛速度、寻优结果的稳定性都有了显著的提高。最后通过燃油量计算出实际所需燃烧风，实现最佳重油量和燃烧风的配比、使热风炉的热效率提高。因此，热风炉燃油优化，既节约能耗又能实现经济运行，具有推广应用价值。