在進行熟料焙燒時，對石灰回轉窯內的不同控制參數產生影響的因素有很多，如果我們選用傳遞函數或者是線性辨識的操作來對其進行模擬操作，其所獲的的結果肯定會有一定的誤差，同時很難滿足不同條件下石灰回轉窯的煅燒。
針對(dui)(dui)石灰回轉(zhuan)窯(yao)熟料的(de)煅(duan)燒特性(xing)，研究創造出一種名叫(jiao)BP神經網(wang)絡系(xi)統，它(ta)對(dui)(dui)于任何非線性(xing)較大慣性(xing)的(de)系(xi)統進行模(mo)(mo)擬(ni)操作都(dou)是比較得心應手的(de)，同時(shi)還(huan)具備無限逼(bi)近的(de)優勢(shi)。在(zai)進行石灰回轉(zhuan)窯(yao)模(mo)(mo)擬(ni)操作時(shi)，我們可以選擇分(fen)解爐的(de)溫度以及(ji)變化(hua)規律、窯(yao)頭罩處溫度等來(lai)充當輸出參(can)數(shu)，同時(shi)選擇石灰窯(yao)的(de)窯(yao)頭以及(ji)窯(yao)尾處的(de)喂煤量來(lai)充當輸入(ru)參(can)數(shu)，從而建立(li)二輸入(ru)、無輸出的(de)BP神經網(wang)絡模(mo)(mo)型，其(qi)具體結構如圖：
圖中石灰回轉窯的神經網絡層數一般決定為比較常見的三層網絡結構，即輸入、隱含和輸出層，其中輸入層的節點數為2個輸入量的的個數，而輸出層的節點數則是5個輸出量個數，其所隱含的節點數不能太多也不能太少，太多時容易引起石灰回轉窯煅燒時的模擬訓練時間過長而導致速度緩慢，而太少則會使網絡泛化能力減弱，通常情況下，我們一般會在8-30之間選擇恰當的數值從而建立恰當的網絡模型，以供未來石灰回轉窯中所進行的其他模擬操控應用。
（文章源于河南豫暉球磨機、回轉窯指定網站：//vollt.cn/，轉載注明出處）
