当代水泥工业发展的主流是新型干法水泥生产技术,其核心技术之一是预分解技术。实现预分解技术的主要设备是承担着燃料燃烧、气固两相换热和碳酸盐分解任务的分解炉。分解炉能否稳定工作对生料分解率、熟料质量和产量有重要的影响。分解炉温度是分解炉稳定工作的重要工艺参数。但是由于分解炉、回转窑及预热器直接相连以及分解炉内所进行燃烧、传热、物理化学反应等过程机理复杂、干扰因素多、工况多变,使得分解炉温度过程具有强耦合、非线性、不确定等特性,难以建立精确的分解炉温度过程动态机理模型和数据驱动模型。因此,深入探究分解炉温度的建模方法,建立更适合控制与仿真应用的模型对分解炉温度的自动化设计具有重大意义。本文依托国家高技术研究发展计划(863计划)课题“大型回转窑智能控制系统”。针对现有的面向控制与仿真应用的建模方法性能较差、模型仿真误差较大及建模效率低等问题,提出了两种能够提高模型性能的建模方法,并利用现场实际数据建立了分解炉温度过程的非线性动态模型。本文的主要工作包括如下几个方面：(1)针对NARX (Nonlinear AutoRegressive with eXogenous Inputs,简称NARX)模型仿真误差较大和模型结构描述的非线性过于宽泛,本文提出了一种结构受控的基于多步预报误差准则的NARX模型。该模型结构由两个并行的模块组成使得模型结构受控,一个模块描述了输出和输入动态之间的非线性关系,另一个模块描述了输出与输入之间的线性动态关系,并提出了多步预报误差建模准则,从而使得改进后的NARX模型能够学习出适合分解炉温度过程的非线性,仿真误差较小。由于极限学习机(extreme learning machine,简称ELM)具有参数较少、学习速度较快的优点,将其作为实现NARX模型的参数化形式。在模型的求解上对于模型阶次的选择应用了网格搜索与交叉验证的方法,模型参数估计采用了序贯二次规划(SQP)方法,最终建立了结构受控的基于多步预报误差准则的NARX模型。在此基础上,提出了结构受控的基于多步预报误差准则的分解炉温度过程建模方法,并将其与同样基于多步预报准则的一般NARX模型和Hammerstein模型进行对比,仿真结果表明：该模型能够在一定程度减小仿真误差。(2)虽然现有分解炉温度过程的Hammerstein-OE模型的仿真误差较小,但是其在求解时很耗费时间。本文提出了一种改进Hammerstein-OE建模效率的模型—基于正则化ELM的Hammerstein-OBF模型：在Hammerstein模型结构的基础上,采用ELM模型作为建立Hammerstein模型的静态非线性模块；另外,由于正交基滤波器(Orthonormal Basis Filter,简称OBF)的参数较少,辨识算法简单,比较适用于控制和仿真,故将其应用于Hammerstein模型的线性动态模块。为进一步提高模型的泛化性能,采用正则化方法group lasso对ELM的隐层节点进行稀疏化,得到更简约的模型,建立了基于正则化ELM的Hammerstein-OBF模型。通过与Hammerstein-OE模型的仿真对比表明：该方法能够在确保仿真误差较小的情况下,提高计算效率,是一种比较高效的方法。(3)对所建立的结构受控的基于多步预报误差准则的NARX模型与基于正则化ELM的Hammerstein模型在建模改进侧重点、模型复杂度、模型泛化性能等方面对其进行比较和分析。结果表明：结构受控的基于多步预报准则的NARX模型主要是改进了NARX模型的结构,并且应用了多步预报误差准则选择模型参数；基于正则化ELM的Hammerstein-OBF模型主要是改进了Hammerstein-OE模型的建模效率；在模型的复杂,Hammerstein-OBF模型的复杂度较高；NARX模型的泛化性能相对较好。