水泥分解炉是水泥生产线的关键设备,对水泥分解炉燃烧的优化控制从一定程度上体现了一个国家的工业和技术水平。影响分解炉温度的关键性因素有以下几点:(1)窑尾喂煤量对温度的影响;(2)入炉生料量对温度的影响;(3)三次风对温度的影响;(4)尾煤压力对温度的影响;(5)生料成分对温度的影响。泥生料在分解炉内的分解过程,是一个复杂的大滞后、多变量、多扰动及非线性过程,因此分解炉系统的建模以及控制难度大,不容易实现。水泥烧成过程是一个多参数、干扰性强、大滞后的问题,神经网络具有自学习和大规模并行处理能力,而模糊逻辑可以用于处理模型未知或者不精确的控制问题。将模糊神经网络的控制算法,应用于分解炉的燃烧控制过程中是可行的。并且开发出优化的燃烧控制系统不仅自身不产生污染,而且还可以大大降低废气的排放。因此,项目的经济效益和社会效益具有重要的意义。本文以实际水泥生产工业为背景,着重分析了水泥生产中的核心工艺以及关键设备即必须保证高效的入窑生料分解率;分析了国内外燃烧控制现状及发展趋势,现有的控制方式主要采取PID控制,而煤流量和空燃比值是人工设置,操作手法不熟练及不可预测的工况波动导致控制效果不佳;在此基础上,针对分解炉燃烧系统的特点,介绍了神经网络、模糊控制各自的优缺点,并利用两者各自的优点,将模糊控制和神经网络完美结合,提出一种基于模糊神经网络的优化燃烧控制算法,通过对大量数据样本分析获取模糊控制规则进行学习,实现了对分解炉优化燃烧的控制;在MATLAB软件中进行仿真,实验结果证明基于模糊神经网络的控制方法能过达到控制要求;在实际工业操作中,可通过模糊神经网络控制系统和烟气分析仪参数设定高温风机调节范围、窑尾称调节范围、回转窑煤称调节范围、篦冷机速度调节范围和篦冷机电机电流调节范围,同时设定了分解炉温度、窑头温度和窑尾温度。从而提高熟料分解率,增强水泥标号,达到节能减耗的目的,最终在实际生产中为企业带来经济效益和价值。