水泥是我国基础建设和经济发展必不可少的基本原材料,其生产中重要的一个环节为水泥联合粉磨。该环节是由稳流仓、辊压机、打散机（V型选粉机）、磨机、选粉机以及主排风机等设备组成的复杂系统,其中稳流仓和水泥粒度对水泥生产稳定及质量有着重要的影响。为此,本文围绕稳流仓和水泥粒度两个重心,开展水泥粉磨建模与预测控制研究工作。具体研究工作如下:（1）针对带有水泥粒度的联合粉磨系统建模问题,给出一种分工况的联合粉磨粒度建模方法。依据联合粉磨工艺和在线粒度分析仪,分析关键变量之间的相互影响关系,并通过历史数据划分了水泥粒度工况模板（两个典型工况区间）;采用滑动平均滤波方法降低历史数据噪声对建模的影响;针对典型工况1,采用回归分析算法建立多输入单输出的粒度模型;针对典型工况2,采用最小二乘支持向量机（LS_SVM）进行了相应建模;仿真结果说明基于水泥粒度工况模版所建立的模型能够较好地描述水泥粒度动态变化过程。（2）为实现联合粉磨稳流仓的稳定控制,给出了基于神经网络极限学习机（ELMNN）的建模以及内模控制。基于联合粉磨系统工艺和变量关系分析,确定了喂料量为影响稳流仓料位主要因素;采用滑动平均滤波对数据进行降噪;利用ELMNN建立稳流仓内部模型,通过Taylor级数设计了稳流仓内模控制器,并分析了闭环系统的稳定性;仿真结果说明所提出的建模方法和控制器能够实现稳流仓料位稳定控制。（3）针对带有非线性的水泥联合粉磨粒度（<45μm筛余）稳定控制问题,给出一种基于模型的广义预测粒度控制方法。基于（1）中所建立的典型工况1模型,通过受控自回归积分滑动平均模型（CARIMA）和长时段的优化性能指标,设计了广义预测粒度控制器;借助粒度闭环传递函数,将粒度闭环系统转换为粒度内模结构形式,并分析了闭环系统稳定性;仿真结果证明了所提出方法的有效性。（4）在（1）³的研究成果基础上,将专家系统、Bang-Bang控制、内模控制以及广义预测控制算法相结合,构建了水泥联合粉磨系统的自动控制软件平台。工程应用说明该平台具有良好的运行效果。