我国煤炭资源丰富,油气资源匮乏,这一特殊的能源资源结构决定了煤炭将长期是我国的主要能源,然而,目前我国煤炭利用率总体效率低、污染严重。煤气化是煤炭资源高效、清洁利用的重要途径,符合全球能源安全和可持续发展要求。水煤浆气化装置是煤气化技术的核心装置,为后续系统提供合成气(氢气和一氧化碳为主要有效组分)作为原料。炉膛温度是衡量气化炉能否安全、稳定并长期运行的关键技术指标。但是测温元件在高温、高压、强气流冲刷、强腐蚀的环境下,一般很难进行长周期地工作。在测温元件失效的情况下,气化炉炉膛温度的实时监测一直是瓶颈难题。本文以一多喷嘴对置式水煤浆气化炉为研究对象,着重分析气化反应过程工艺机理,并以此为支撑,结合相关系数法确选辅助变量,研究建立炉膛温度智能软测量模型。本文提出了基于数据驱动方法的炉温智能软测量建模方法,包括多元线性回归方法、LS-SVM(最小二乘支持向量机)回归方法、主成分分析(PCA)和BP神经网络相结合的方法等;采用PCA方法以有效降低模型输入数据集的维数和复杂性；针对BP神经网络拓扑结构尤其是隐含层神经元节点数目难以确定的问题,结合经验公式并采用交叉验证的方法对其加以确定。经实际验证结果表明,该模型预测精度较高,具有较好的工业运行指导意义。鉴于实际生产工况可能会发生变化,本文提出了基于规则—FCM(模糊C均值)聚类的多模型气化炉炉温智能软测量建模方法,即以数据点间的相似程度作为子区间的划分手段,辅以附加规则库,结合多模型建模方法以实现炉温软测量。为平衡炉温波动幅度,稳定气化炉生产,本文在已有氧煤比控制组态的基础上提出了多路氧煤比均衡协调策略。从而解决流体流量计可能会产生较大偏差的问题,实现氧煤比设定值可自动跟踪其真实值,并使各路氧煤比值趋于一致。