水泥工业是国民经济的基石产业，提高水泥熟料烧结过程的信息化和自动化水平是提高产品质量、降低能源消耗的重要途径。但是，熟料烧结过程属于典型的非线性动态过程，具有大时滞、强耦合等特点，且处于高温、多粉尘的封闭回转窑内。在这样复杂恶劣的环境下，难以用传感器直接测量熟料烧结过程信息，成为水泥生产自动控制理论与技术面临的瓶颈问题。
　　针对以上问题，本文依托国家自然科学基金项目，综合运用水泥熟料烧结过程的机理知识及数据，深入研究熟料质量(游离氧化钙含量)、窑体热损失、窑内物料料层高度等重要过程信息的软测量方法，为烧结过程的高性能运行和节能控制提供新的量化过程信息。本文主要的研究工作及取得的成果如下：
　　(1)游离氧化钙(f-CaO)含量是水泥熟料的质量指标，也是评判水泥能耗成本的经济指标之一。针对现有f-CaO含量软测量模型未充分考虑输入输出变量的时序信息而导致测量精度不高的问题，本文根据水泥熟料烧结工艺过程的大时滞、强惯性特征，提出一种对输入输出变量进行时序分析的新方法。首先利用物料的传输机理对模型的输入-输出变量进行时序匹配，之后利用类高斯函数对模型的输入变量进行时序加权，最终获得具有时序信息的输入-输出样本对，为提高f-CaO含量软测量模型的精度奠定良好基础。
　　(2)针对现有的f-CaO含量测量单模型泛化能力差的问题，本文提出了一种基于时序分析与集成学习的f-CaO含量软测量模型。首先，选取了六种性质不同的学习算法构建f-CaO含量个体学习器，并采用时序信息的输入-输出数据对其进行训练；然后，采用互信息方法对个体学习器进行剪枝和集成，从而实现f-CaO含量的软测量。利用某水泥厂连续50小时的实际生产数据对本文所提出的f-CaO含量软测量模型进行实验验证，结果表明，模型的预测值与实际测量值吻合良好，能正确反映f-CaO含量随时间的变化趋势。与现有的单模型、全集成模型进行实验对比表明，本文所提出的f-CaO含量软测量模型在测量精度方面具有优势，且能满足在线测量速度要求，对于提高熟料烧结过程自动化水平具有理论与应用价值。
　　(3)由于熟料烧结过程的高温特点，窑体热损失不可避免，并且随着操作参数的变化而产生波动。因此，对窑体热损失进行测量及影响因素分析是实现熟料烧结过程节能控制与决策的前提和重要依据。针对现有窑体热损失计算模型由于忽略窑体温度信息在时间和空间上的非均质性而导致测量结果不精准的问题，本文提出了一种基于红外热图的窑体热损失软测量方法。通过分析窑体的对流与辐射传热机理，建立了热损失软测量模型，然后根据窑体实时红外热图获取温度场数据，实现了热损失的测量。采用该方法对某水泥回转窑的窑体热损失量进行了测量，结果发现，窑体煅烧区的热损失约80.68kw/m，辐射和对流产生的热损失量基本相当。窑体总热损失低于回转窑总热量输入的12%。为了研究窑体热损失与熟料烧结过程操作变量的相关性，本文采用随机森林和皮尔逊相关系数相结合的分析方法，结果表明，篦冷机2#风机开度、喂料量和分解炉喂煤量等五个操作变量对窑体热损失量的影响最大。本文提出的窑体热损失软测量方法及研究成果为熟料烧结过程的节能控制与决策提供了量化依据。
　　(4)回转窑内物料的料层高度是影响窑内热、流、反应进程的关键因素，也是熟料烧结过程高性能运行控制的决定因素之一。但是，由于回转窑的高温、密闭及旋转运行环境，料层高度的测量问题一直是个难点。针对以上问题，本文以准工业热态实验回转窑为实验对象，提出了一种基于窑内温度信息的料层高度软测量方法。首先，通过分析窑内物料的运动特征与窑内圆周方向温度曲线的周期性特征，定性地判断出物料区和高温气体区；然后，采用统计分析方法估算出活动层物料的平均温度，以此温度来确定该径向位置物料所覆盖的中心角，进而计算出料层高度。利用实验窑14个不同位置的温度信息对本文的物料高度软测量方法进行测试，并与人工测量结果进行对比验证。实验结果表明，本方法测量误差小于7%，且测量结果稳定，为工业水泥回转窑物料高度的测量提供了一种新思路。