随着我国水泥工业的发展,新型干法水泥生产已得到广泛应用。而水泥回转窑烧成系统是新型干法水泥生产线上重要的工艺环节,它的运行状况直接影响到水泥生产的产量、质量、能耗和环境污染程度。回转窑的生产过程很难准确描述,其中包括燃料的燃烧、热的传导、熟料的化学成分等。其中最重要的原因是在复杂的热传导同时发生化学、物理、矿物反应。对回转窑温度的稳定控制是保证水泥熟料质量的充分必要条件。水泥回转窑烧成过程具有非线性、多变量、大时滞以及时变等特性,这使得回转窑系统的窑况十分复杂。很难建立水泥回转窑烧成系统的精确数学模型。传统的控制方式已经不适合水泥回转窑系统的控制。人工神经网络能很好的辨识和控制复杂的非线性系统,适合应用于多变量系统,可很好的辨识出系统的输入输出之间的相互作用。利用多层前馈神经网络能识别水泥回转窑的复杂和动态性能。动态规划是解决最优化和最优控制问题的一种方法,但是在实际应用中,由于其反向求解过程中,需要进行大量的迭代计算,当面对状态空间非常大的问题时,就会引起“维数灾”问题。自适应评价方法(ACD)综合了神经网络、强化学习以及动态规划的思想,是一种基于现场实际数据而不依赖于系统精确数学模型的在线控制方法。它能有效的克服“维数灾”。本文介绍两种新型神经控制器,该控制器基于自适应评价方法的原理,分别选用启发式动态规划(Heuristic DynamicProgramming,HDP)和执行依赖自适应评价方法(Action-Dependant AdaptiveCritic Designs,ADACD)。这两种方法具有结构简单等特点,能够实现在线学习。以某水泥厂新型干法水泥生产的回转窑为例,设计了HDP和ADACD神经控制器。仿真结果表明这两种(HDP和ADACD)神经控制器能将水泥回转窑烧成带的温度稳定控制在一定范围内,能满足水泥熟料生产要求,同时显示了自适应评价方法(ACD)神经控制器控制水泥回转窑的潜力。