随着钢铁工业的不断发展,钢铁企业对原料尤其是铁矿石资源的需求持续增长,为扩大铁矿石的利用范围,相应地增大了贫矿的利用率。现在国内多数钢铁企业的原料现状是铁矿石种类多,质量差异大,但烧结生产依然要在原料组成复杂的情况下为高炉提供高质量烧结矿。制粒工艺作为烧结的重要准备工序,决定了烧结料层的透气性,从而对烧结效率,烧结矿产、质量有很大影响。因此,建立一个烧结混合料制粒效果预测模型,并找到混合料的适宜含水量,指导不同制粒性能的铁矿石的搭配和加水操作,对改善烧结效果有很重要的意义。本课题由研究烧结混合料制粒机理和物料的吸水性能入手,通过对昆钢现有铁矿石的检测分析,提出影响铁矿石制粒效果的特征参数,主要包括物料的粒度分布,化学成份及湿容量等因素。通过制粒实验数据,研究了在操作稳定的情况,物料的制粒特性与制粒效果的关系。根据研究对象的特点,采用含一个隐含层的三层BP神经网络,对各层节点数,激励函数,训练函数和次数等网络参数进行了优化选择,建立了神经网络预测模型。模型的预测结果表明,在允许误差范围内,预测模型的命中率可达到87.5%。针对不同混合料的适宜含水量研究,本课题采用了物料的湿容量概念,明确了湿容量的定义,铁矿石的湿容量是物质本身的物理属性,代表物料接纳水分的能力。湿容量较好地综合表征了多粒级混合料的颗粒形貌,孔隙率,比表面积等影响制粒效果的重要因素。利用了实验室现有的测量方法与测量装置进行相应的研究。通过对铁矿石吸水动力学过程的研究,发现昆钢现有的铁矿石的吸水过程符合lagergren一级速率方程及其推导式。在此基础上,通过不同含水量的制粒实验研究,建立了适宜含水量预测模型,预测结果良好,可以结合人工加水经验具体量化指导不同物料的加水操作。