当今社会可持续发展的关键在于能源与环境,但是随着工业的发展,能源短缺和环境污染问题越来越严重。然而,广西大多数制砖企业在烧结砖隧道窑焙烧生产过程中都普遍存在自动化程度低、生产效率低、产品质量不稳定、管理不规范等问题。因此,研究烧结砖隧道窑焙烧过程的建模与优化,以此提高资源利用效率、减少废物排放具有重要的意义。本文在对烧结砖隧道窑工艺原理及控制关键研究分析的基础上,首先确定了烧结砖隧道窑焙烧过程的数据变量；然后针对增量型极限学习机在训练过程中,由于输入权值以及隐层神经元的阈值是随机取得,可能存在部分隐层神经元的输出权值过小,使其对网络输出贡献很小,存在无效神经元的问题,它不但使网络变得更复杂,而且降低了网络的稳定性,所以本文提出了一种给增量型极限学习机随机的隐层输出矩阵加上了一个偏置的改进方法(用II-ELM表示),并分析证明了该方法的有效性；最后使用UCI数据库中的多种数据,通过与I-ELM方法在分类和回归问题上的仿真对比,验证了II-ELM的有效性,并将该方法应用于烧结砖隧道窑焙烧过程建模。本文选择案例推理方法优化烧结砖隧道窑焙烧过程,首先为了提高案例检索效率,本文描述了一种基于聚类分析的案例分类方法；其次,案例推理过程中还采用了基于粒子群算法的权重提取和基于遗传算法的案例修改；最后,通过寻找与之相似的历史案例以及案例重用和案例修改来给出当前工况优化后的案例解。基于上述烧结砖隧道窑焙烧过程的建模与优化研究,最终通过半实物仿真平台验证了烧结砖隧道窑焙烧过程优化控制的可行性。