本文针对水泥生料磨这样一个多变量、大滞后、非线性、难以建立精确数学模型的控制对象，运用分类识别算法对磨机的主要检测参数进行故障检测和运行趋势识别，判断当前的参数所处的运行状态，通过综合多个主要检测参数的实时状态，结合现场专家经验，对磨机的当前工况做出判断，实现基于信息融合的水泥生料磨工况的智能识别，进而实施相应的控制。 文章首先阐述了水泥行业及生料磨的发展及现状，指明水泥行业发展中存在的问题和所面临的机遇。通过分析水泥生料粉磨系统的工艺流程，明确了影响生料磨系统运行的内、外因素，确定了影响生料磨运行的主要检测参数，并介绍了国内外有关水泥生料磨的控制方式和控制策略。 其次，研究了小波分析消噪理论、分形理论和信息融合技术，并由基于小波分析及分形理论结合的故障识别算法和ART-2神经网络构成分类识别算法。分类识别算法主要实现对工艺参数的故障检测和趋势类型的划分；基于小波分析及分形理论的故障信号检测方法实现参数的故障识别，判断检测参数的当前运行状态是否处在异常趋势状态，并进行报警；ART-2网络完成生料磨工况趋势识别并进行分类。在实际应用中发现原有的ART-2网络存在缺乏幅值模式相似度比较及无法处理大噪声数据两方面的问题，本文采用增加辅助神经元及数据预处理步骤的方法对其进行了改进，不仅解决了上述问题，而且有效的提高了聚类的准确度，实现了检测参数的趋势类型的准确划分。 第三，通过分析和总结主要检测参数状态变化对生料粉磨运行状态的影响，结合现场专家经验，归纳生料磨系统的典型工况，建立专家知识库；提出了生料磨工况识别的设计方案，以生料磨磨音反馈为例实现并验证了分类识别算法；采用分类识别算法对生料粉磨系统的磨音反馈信号、磨头进风口压力、磨尾进风口压力、磨机主电机功率、选粉机电流及出磨提升机电流进行了工况状态识别，实现了多参数的信息融合。 最后，结合山水集团4＃线的生料粉磨系统，选取磨音反馈信号、磨头进风口压力、磨尾进风口压力、磨机主电机功率、选粉机电流及出磨提升机电流作为主要检测参数，通过ADO接口把存储在SQL数据库中的水泥工艺参数的历史数据导入分类识别模块进行分类识别，其结果与现场实际工况进行对比，建立并完善工况识别知识库。在此基础上，在VisualC++环境下编程实现水泥磨工况分类识别模块。水泥磨工况识别算法通过OPC接口与DCS进行实时数据通讯，对现场实时数据进行分类识别，实现水泥生料磨工况的在线识别。 实际应用表明，本文提出的小波分析结合分形理论的故障识别算法和改进的ART-2神经网络分类识别方法，可以有效地识别水泥生料磨的工况，为生料磨的稳定运行及优化控制奠定了基础。该磨机工况识别算法采用了模块化结构，增强了算法的通用性和可移植性，具有良好的实用性和较大的推广价值。