铁矿石烧结就是将各种粉状含铁原料、燃料、熔剂及返矿等按一定比例组成混合料，然后均匀铺到台车上烧结成块的过程。近年来由于烧结原料来源日趋多元化，加之矿石质量参差不齐，导致烧结矿性能波动较大，对稳定高炉生产造成了一定影响，因此烧结生产及产品质量控制逐渐引起人们的重视。在生产中如何合理使用原料资源，以获得较好的烧结效果，提高烧结矿产质量就显得非常重要。　　 针对烧结原料来源复杂、生产易波动、烧结矿产质量不稳定的问题，本课题以唐钢烧结原料为依托，利用模糊聚类建立了铁矿石分类模型，为烧结合理配矿提供了依据。为研究烧结矿性能影响因素，提出了烧结混合料特征参数，设计正交试验方案，根据烧结杯实验结果系统研究了混合料特征参数对烧结性能的影响。以此为基础，利用BP神经网络建立了烧结性能预测模型，并对模型进行了检验。　　 应用分类模型，得到了唐钢常用铁矿石的动态分类图，实现了对铁矿石的动态分类；通过极差、单因素分析，得到混合料特征参数对烧结矿性能影响的排序及对烧结性能的影响规律。通过对建立的烧结性能模型进行检验，除了抗磨指数外，其余参数预测均命中率均到达75％以上，模型能够指导烧结实验及生产。