预分解窑技术是我国大力发展的一种新型干法水泥生产技术，它反映了当前水泥生产技术发展水平。但该技术在我国的应用与发展状况还不平衡，部分生产线生产状态还不稳定，能耗指标与国际先进水平存在较大差距。这些问题很大程度上与我国水泥行业缺乏自主知识产权，对先进工艺技术引进消化不良而造成。为了提高预分解窑技术在我国的应用水平，有必要对其生产过程进行优化控制。　　 预分解窑系统生产过程中关键的问题是保持均衡稳定的热工制度。水泥熟料煅烧过程是一个涉及传质、传热和物理化学反应的复杂的多变量、多扰动非线性系统。为了使生产稳定以降低能耗，并保证水泥熟料烧成质量，需要探索与传统方式不同的控制方法。自适应动态规划（ADP）综合神经网络、强化学习和动态规划等方法和技术，是建立在数学分析基础之上的一种新型最优控制算法。本文对水泥预分解窑工艺进行分析，采用神经网络建立预分解窑系统的模型。通过选择合适的被控量与操作量，设计新型控制器对模型进行控制。本文设计预分解窑系统的双重启发式规划（DHP）控制器和动作依赖启发式动态规划（ADHDP）控制器。DHP具有模型网络、动作网络、评价网络三个主要模块，带有预训练的模型网络的DHP控制器具有较好的鲁棒特性且能够有效减轻扰动对被控系统影响，对于模型不确定的非线性系统显示出实时最优控制的潜力。鉴于预分解窑系统参数较多，且相互耦合，很难建立精确的模型网络。ADHDP不依赖系统模型，具有动作和评价两个网络。ADHDP算法可以先采用历史数据进行离线训练获得一个控制器，然后在线适应，具有处理参数变化的能力。仿真结果表明，在经历控制初期的波动后，被控量逐渐趋于稳定，进而保证水泥熟料煅烧质量的稳定。