水泥产业是我国国民经济的支柱产业,同时也是高耗能和高排放的行业,其中烧成系统又是能耗支出的最大环节,长期以来,烧成系统的运行主要依靠人工的经验,缺少优化方法,导致水泥生产的能耗过大。因此,建立烧成系统模型并基于模型优化系统运行有重要的经济效益和社会效益。烧成系统内部进行着复杂的理化反应,具有多变量,非线性,大滞后的特点,给机理建模带来了困难。同时,水泥生产线信息化的发展使得生产过程数据的获取变得越来越容易,所以本文采用基于过程数据的建模方法来建立烧成系统模型,主要工作如下:(1)热工过程数据处理烧成系统以稳态与动态交替的方式运行,由于回转窑等热工设备的惯性较大,工况过度时,过程数据存在滞后性问题。此外,烧成系统的环境复杂,干扰较大,一些仪表设备会记录下一些奇异值或者空缺值。因此,数据库中的数据必须经过处理才能用来建模。本文通过选取稳态数据建模来解决过度过程中的滞后性问题,引入了分段曲线拟合的稳态检测方法来筛选稳态数据,并以煤粉流量为例进行数值仿真,验证了该方法的有效性。(2)基于多元自适应回归样条算法的建模方法针对系统的多变量,非线性的特点,引入了多元自适应回归样条算法(Multivariate Adaptive Regression Spline,MARS)。从热平衡的角度分析烧成系统,对热量收支项目进行细分,确定了生料流量等12个建模变量,建立了MARS模型,并从逼近能力和泛化能力验证了模型有较高的精度。(3)基于模型的最优规划基于MARS模型,构建单位熟料最小燃料消耗量目标函数,以工艺约束条件为可行域来优化参数匹配。通过引入罚函数,将带约束优化问题转换成无约束优化问题,应用变尺度算法优化工艺参数匹配,从而达到了降低能耗的目的。