对于火电厂而言火电机组制粉系统是绝对不可缺少的，而在该系统之中球磨机是最为关键的设备。球磨机在优化方面有诸多相当大的困难，主要是因为其本身所具备的特点包括了非线性、强耦合，除此之外还因为其本身延迟高，惯性大等特征。长久以来火电厂中的制粉系统基本上都保守工况运行，造成制粉系统耗电率惊人。球磨机中的料位检测与控制是制粉系统优化的重中之重，同时也是比较难以实现的环节。为保证制粉系统在正常工况运行，球磨机获得最大出力，需要将球磨机筒内煤位控制在最合理的位置，球磨机料位的检测与优化控制就成为了火电厂亟待解决的问题。以往对球磨机料位的检测方式比较单一，基本靠人的经验来判断或使用单一传感器获取信息，这样无法精确测量磨煤机存煤量以降低耗电率。而运用多传感器多变量的融合技巧，通过结合该技术的相关理论，并融入对应的方法针对球磨机料位进行智能操作，这是将来在该研究领域重点需要突破的方向。数据融合技术本身将会形成一个系统，其是构成多方面信息并根据该信息加以实现针对目标采取测定、关联和评估等数个方面与层次的流程。本文针对球磨机料位检测与优化控制的问题展开研究，首先分析球磨机结构、运行机理及工作特性。综合机理特点研究是磨煤机料位产生影响的关键要素，同时构建对应的球磨机机理模型，更进一步的分析相关融合理论。对于相关的测控处理策略，需要把球磨机的出入口压差与温差、磨音信号、入口负压等四个方面作为所需要融合的因子，再利用CMAC（小脑模型关节控制器）神经网络充当该过程的融合算法，通过此算法进行深入的讨论并对应的进行仿真。从仿真的结果不难看出，通过该方案不仅可以实现更为精准的达到对于球磨机料位测控的目的，同时也能够显著的减少球磨机的损耗，进而给制粉系统的改进打下了良好的基础。