建立精确的磨煤机内部状态量和出口参数的预测模型有利于分析制粉系统动态运行特性,为出口参数的运行控制优化、煤粉细度的经济调节奠定模型基础。针对现有的制粉系统灰箱模型在建模时,忽略了磨煤机干燥出力对磨煤机内部煤量、出口煤粉质量流量的影响,没有考虑原煤水分波动或原煤水分计算需确定众多经验参数及计算不准的问题,本文建立了新的中速磨煤机制粉系统模型,该模型能够实现原煤水分动态计算,在与干燥出力高度耦合情况下能实现出口参数高精度预测。论文主要研究内容如下:建立了精确的磨煤机入口参数预测模型。基于长短时记忆神经网络建立了磨煤机一次风温、一次风量模型。在测试数据集上,相较灰箱模型,该模型一次风量预测值与实际值偏差在0.5kg/s以内的比例提升23.14%;一次风温预测值与实际值偏差在5℃以内的比例提升18.75%。建立了磨煤机动态运行灰箱模型并进行了测试和动态性能仿真。该模型实现了原煤水分的实时计算,并将磨煤机出口风温与出口煤粉质量流量、分离器返回煤量、进出口压差方程相关联。该模型与不考虑干燥出力和原煤水分波动的灰箱模型在相同数据集上进行测试并比较预测结果,发现本研究建立的模型的进出口压差预测精度在两个测试数据集上分别提高了5.58%和0.95%,出口风温的预测误差可低至0.05%。动态性能仿真测试结果表明,当原煤水分增加而入口一次风量和风温保持不变使得干燥出力不足时,本研究提出的模型预测磨煤机内部存煤量会增加,而不考虑干燥出力影响的灰箱模型预测的磨煤机内存煤量始终保持不变,因此本研究提出的模型更符合运行实际。提出了基于全卷积神经网络的全息煤粉颗粒图像识别算法。与阈值分割算法相比,提出的算法在颗粒模拟图、标定图和真实颗粒图上识别直径为2~4个像素点的小颗粒时,识别精度有明显提高。本文建立了能精准预测中速磨煤机制粉系统出口参数的模型和能提高小颗粒识别精度的全息煤粉颗粒图像识别算法,为制粉系统的优化运行、全息煤粉细度仪高精度大尺度获取煤粉细度数据奠定了基础。