随着钢铁工业的不断发展，球团矿已经成为高炉炉料中不可缺少的一部分，这也使得链算机—回转窑生产系统得到了广泛的应用。在球团生产过程中，热工过程复杂、各工艺参数和操作参数之间互相耦合，存在许多不确定因素，难以通过建立精确数学模型来对球团质量判断。因此，如何寻求球团成球质量与工艺参数之间的关系，对球团成球质量做出正确判断，已经成为球团生产技术领域的一个前沿课题。目前大多数球团生产厂家还处于手动操作状态，具有很大的不确定性。特别是当温度等指标发生变化时，采用常规的方法很难及时调整工艺参数，导致产品合格率低，无法保证成品球的质量。在球团生产过程中，温度调节是关键的因素。目前球团的质量指标和国外相比，还有很大差距。　　本文首先对链篦机—回转窑球团矿生产流程进行了深入的分析，包括配料、干燥、预热、焙烧以及冷却等整个工艺过程。通过工艺分析，找出了影响球团质量的各种因素，并详细分析了球团生产过程中热工参数对球团质量的影响。利用BP神经网络的方法建立了热工参数的数学模型。通过热工参数数学模型，以球团抗压强度为优化目标，以热工参数为决策变量，建立了球团热工参数优化模型。采用遗传算法在MATLAB环境下求解，得出最优热工参数。由于热工参数直接由风煤量进行控制，本文研究并设计了基于案例推理的球团生产风煤量优化设定方法，研究了案例获取、案例表示、案例检索、案例评价、案例修正的方法，设计了整个案例推理算法，包括新问题特征提取和描述，相似案例检索，案例重用，案例评价，新案例存储等。最后，对该方法进行了测试，测试结果表明该方法是有效的，对于生产过程的优化指导，具有较好的参考价值。