回转窑的煅烧过程是水泥生产过程中的关键步骤，烧成的好坏将直接影响水泥熟料的质量。而且整个过程是一个非常复杂的过程，很难用常规的数学方法进行描述。本文引进计算传热学和人工神经网络理论，力图从理论和实验结合的思想上去寻找其中的规律，用一种新的方法将窑煅烧过程精确的描述出来。 论文通过理论分析和实验的探讨，找出回转窑窑壁导热的规律，从而确立了用有限元法对窑壁温度场进行分析的思想。但对于整个回转窑来说，是一个非常复杂的系统。其中影响煅烧效果的各个因子是非线性的。用一般的方法根本没有办法描述其中的规律，而对非线性规律的描述正好是神经网络的优点，因此提出了用神经网络模型对回转窑进行仿真模拟的思想。 本文联系理论和实际生产中对影响水泥质量的各个影响因素进行了全面的分析，通过各个筛选的办法除去了影响不大的因素，并很快建立了熟料质量和生产过程中的各个因素的人工神经网络模型。从评定熟料质量的因素f-CaO出发，以稳定出窑熟料的f-CaO为目标，通过对入窑生料量、入窑生料分解率、入窑煤量、煤质、窑通风量、二次风温、生料KH、SM、IM和窑转速等影响f-CaO的多种因素进行不断的筛选排除，最后确定入窑生料量，入窑煤量、生料KH、SM、IM和窑转速作为f-CaO的影响因子，首次建立了f-CaO和各个因素的神经网络模型，并利用此模型对实际生产过程进行了准确的预测。为了便于分析比较，文中还对利用最小二乘法原理进行线性回归得出的结果和神经网络模型的结果进行对比。结果表明：对于这种非线性模型的建立，人工神经网络理论具有明显的优势。 MATLAB是一套很有用的数学计算工具软件。利用其中的神经网络工具箱进行建模给研究工作带来了很多便利。该模型是根据实际生产过程中的数据来建立的，对实际过程具有很强的指导作用。有重要的理论意义和实际价值。