新型干法水泥生产主要包括生料制备、熟料烧制和水泥粉磨这几个过程,其中熟料烧制是新型干法水泥生产的核心环节。该环节包括预热器、分解炉、回转窑和篦冷机四大子系统。分解炉作为预分解窑的核心设备,其主要任务是完成碳酸盐的分解。分解炉温度的高低对碳酸盐的分解率以及最终水泥熟料的质量有着至关重要的影响。而回转窑是完成熟料烧成工艺的设备,其中窑电流的变化能够反应回转窑的工作状态。因此本文把分解炉和回转窑作为研究对象,基于分解炉和回转窑的实际生产数据进行建模。本文依托东南大学和南京凯盛国际工程有限公司的“水泥生产系统辨识与建模算法研究”项目,做了以下几方面的工作:（1）分析分解炉和回转窑系统的关键数据。与分解炉和回转窑系统相关的变量非常多,建模的时候,如果把所有变量都考虑进去,那么建立的模型必将十分复杂,且不一定准确。因此,建立模型之前需要分析两个系统的关键变量,确定输入输出参数,为后文的建模奠定基础。本文经过分析,确定分解炉系统的输出变量为分解炉出口温度,输入变量为分解炉喂煤量、三次风温度和生料喂料量;回转窑系统的输出变量为回转窑电流,输入变量为窑头喂煤量、窑转速和入窑喂料量。（2）建立分解炉系统模型。分别采用普通最小二乘和递推最小二乘算法建立了分解炉单输入单输出模型和多输入单输出模型,实验结果表明,采用普通最小二乘算法辨识得到的模型预测误差在-2?C¹⁰1.5?C之间,但是具有一定的滞后性,而递推最小二乘算法建立的模型预测误差在-1?C¹⁰1?C之间,而且预测滞后的现象得到了明显的改善。在数据分析过程中,发现有一些数据具有很强的相关性。所以,应对相关性强的数据进行主成分分析,得到主元数据,从而建立主元模型。经过实验发现,一个模型的适用时长不是无限的,经过一段时间后,模型的预测偏差往往会越来越大。为解决这一问题,可采用滚动训练的方式建模,定时更新模型,以确保模型预测的准确度。（3）建立回转窑系统模型。根据数据判断出回转窑的工况,对不同工况分别建立反向传播神经网络模型、一阶输入输出模型和高阶输入输出模型,并且比较不同工况下模型的优劣。对于有强相关性的数据,采用主成分分析的方法,建立主元数据模型,仿真实验表明,主元数据模型在预测稳定性和准确性方面都能取得较好的效果。针对模型不能一直适用问题,采用滚动训练的方式建模,能把误差控制在一定范围内。对于回转窑系统,除了上述模型,另外还建立了增量模型,实验证明,增量模型也能取得良好的预测效果。（4）在线辨识的仿真及系统辨识软件的开发。为了方便后续的现场调试,本文在MATLAB环境下,结合OPC仿真服务器,对回转窑系统进行了在线辨识过程的仿真以及系统辨识软件的开发。