水泥工业是我国国民经济发展的支柱产业,水泥烧成系统是水泥生产的三大环节之一,对水泥烧成系统生产过程进行优化,对降低生产过程成本,提高水泥产品质量具有重要意义。目前,水泥烧成系统生产过程的优化主要依赖于操作员的经验,无法保证优化操作的合理性,同时在生产过程会由于操作的不合理性造成大量的能源消耗。本课题结合水泥烧成系统生产过程优化问题,对卷积神经网络（Convolution Neural Network,CNN）、自适应差分进化算法（Adaptive Differential Evolution,ADE）进行分析研究,建立基于CNN的水泥熟料质量与烧成过程能耗预测模型,在预测模型的基础上采用ADE算法建立水泥烧成系统生产过程优化模型,从而在保证水泥熟料质量的前提下降低烧成系统的能耗,最后基于优化模型进行水泥烧成系统生产过程优化软件设计与软件系统实现,并在水泥企业现场进行应用。具体研究内容如下:（1）对水泥烧成系统的工艺流程进行研究,分析烧成系统生产指标及影响因素,选出与水泥烧成系统能耗与质量指标相关性较强的关键变量,并根据分析结果提出动态优化模型,最后介绍了水泥烧成系统生产过程动态优化整体方案;（2）针对水泥生产过程的非线性、强耦合性、时变时延等问题,根据选取的变量采用卷积神经网络建立可以适用于实际工况的水泥熟料质量预测模型和烧成过程能耗预测模型,并基于建立的预测模型,将水泥熟料质量作为能耗优化的约束条件,以能耗最小化作为目标,利用自适应差分进化算法设计了水泥烧成系统生产过程动态优化算法模型,实现了水泥烧成系统最小化能耗的优化求解;（3）针对水泥生产过程质量和能耗指标不能实时测量的问题,根据上述研究内容的理论分析以及建立的模型,采用C#编程语言以及SQL Server 2014数据库,设计并实现了水泥烧成系统生产过程优化软件,在实验室仿真后将软件应用到现场的生产系统中进行优化测试,根据现场数据分析验证了优化算法的有效性。