在进行熟料焙烧时，对石灰回转窑内的不同控制参数产生影响的因素有很多，如果我们选用传递函数或者是线性辨识的操作来对其进行模拟操作，其所获的的结果肯定会有一定的误差，同时很难满足不同条件下石灰回转窑的煅烧。
        针对石灰回转窑熟料的煅烧特性，研究创造出一种名叫BP神经网络系统，它对于任何非线性较大惯性的系统进行模拟操作都是比较得心应手的，同时还具备无限逼近的优势。在进行石灰回转窑模拟操作时，我们可以选择分解炉的温度以及变化规律、窑头罩处温度等来充当输出参数，同时选择石灰窑的窑头以及窑尾处的喂煤量来充当输入参数，从而建立二输入、无输出的BP神经网络模型，其具体结构如图：

        图中石灰回转窑的神经网络层数一般决定为比较常见的三层网络结构，即输入、隐含和输出层，其中输入层的节点数为2个输入量的的个数，而输出层的节点数则是5个输出量个数，其所隐含的节点数不能太多也不能太少，太多时容易引起石灰回转窑煅烧时的模拟训练时间过长而导致速度缓慢，而太少则会使网络泛化能力减弱，通常情况下，我们一般会在8-30之间选择恰当的数值从而建立恰当的网络模型，以供未来石灰回转窑中所进行的其他模拟操控应用。
（文章源于河南豫晖球磨机、回转窑指定网站：http://www.cnyhks.com/，转载注明出处）