链箅机回转窑球团生产过程的实时在线监测与控制对提高球团矿产品质量和保证安全生产具有重大意义,这极大的依赖于链箅机回转窑球团生产过程回转窑窑中温度的实时在线测量。但是,由于链箅机回转窑生产过程复杂的测量环境、高昂的测量仪器以及测量过程存在的时滞性等诸多因素,无法保证回转窑窑中温度及时在线检测。因此,软测量技术通过建立回转窑窑中温度与易测过程辅助变量之间某种数学模型,对链箅机回转窑生产过程回转窑的窑中温度进行实时在线预测估计。由于链箅机回转窑球团生产过程自身的结构特征以及生产过程中存在一系列复杂的物化反应,球团烧结生产过程表现出高度非线性、过程动态性与时变性、变量数据高维度等诸多复杂的特征。因此,本文以Elman神经网络、数据预处理和智能优化算法为主要研究手段,构建链箅机回转窑窑中温度软测量模型,解决链箅机回转窑窑中温度难以实时在线测量问题,为及时有效地控制链箅机回转窑球团生产过程提供理论指导。全文主要工作如下:(1)针对非线性变量数据的高维度和信息冗余等问题,提出了一种基于核框架下等距特征映射算法(ISOMAP)与局部线性嵌入算法(LLE)相结合的流形学习数据预处理方法。通过构建正定的核函数矩阵实现ISOMAP和LLE相融合,同时引入ISOMAP和LLE平衡调节因子,使其在降低数据维度和去除冗余信息的同时,最大程度地保持了数据集的邻域结构关系和全局相互距离。实验结果表明所提出新的流形学习数据预处理方法具有优良的降维效果。(2)针对生产过程的非线性、大滞后和时变性,提出了一种带有前馈调节策略的Elman神经网络(Elman NN)软测量模型。利用具有动态记忆能力的承接层对输出层进行前馈调节,使网络具有一定的超前性,有效解决过程变量非线性和滞后问题。同时,采用基于时间差分框架下的移动窗策略对Elman NN软测量模型进行自适应校正更新,有效解决由于生产过程的非线性和时变问题对软测量模型的影响。最后利用非线性目标函数进行拟合测试,实验结果表明改进的Elman NN模型具有优良的拟合优度和泛化能力。(3)提出了一种带有Levy飞行扰动与引力搜索策略的新型灰狼优化算法(LGGWO)。通过构造激发因子给算法加入Levy飞行扰动和引力搜索操作,使灰狼种群在搜索前期通过Levy飞行扰动而具有更强的全局勘探搜索能力,在搜索后期通过引力搜索而进行更仔细、彻底的局部开发搜索。最后利用典型基准函数进行仿真测试,仿真结果表明,所提出的新型灰狼优化算法在搜索过程中具有优良的种群多样性,其搜索精度和收敛速度明显提高。(4)针对链箅机回转窑球团氧化烧结生产过程回转窑窑中温度实时在线测量问题,首先,采用基于核框架下的ISOMAP和LLE相结合的流形学习数据预处理方法对样本数据进行降维和去冗余处理。然后,利用新型灰狼优化算法对带有前馈调节策略的Elman NN模型隐含层节点数等结构参数进行优化整定,并根据十折交叉验证法对当前结构参数下所建立的链箅机回转窑窑中温度软测量模型进行内部评估,从而确定回转窑窑中温度软测量模型最优的结构参数。最后,以训练集拟合决定系数、测试集预测指标和预测误差均方值为评价指标,通过外部独立样本测试集检验所构建回转窑窑中温度软测量模型的稳健性和预测能力。实验结果表明,所提出的软测量模型具有优良的可靠性和预测能力。