耐火材料是冶金、化工、石油、机械制造、硅酸盐等工业领域十分重要的基本原材料，隧道窑是生产耐火材料的重要工艺设备。只有隧道窑相关参数配置合理才能保证耐火材料的优良品质。随着时代发展，人们对生产过程自动化水平的要求不断提高。一个完善的自动控制系统对绿色生产，降低能耗，节省人力，统筹管理都有很大的帮助。本文基于如上目的设计一套隧道窑自动控制系统并深入研究隧道窑温度控制方法。
　　论文设计集成上位机监控画面的隧道窑自动控制系统。系统基础控制级实现数据采集，数据处理，回路控制等功能;系统监控管理级实现窑炉运行状态的实时监控，数据记录，状态报警，生产管理等功能。
　　隧道窑烧成带温度是具有非线性、时变、纯滞后等复杂特性的被控对象，传统的机理模型与近似的线模型很大程度上损失了系统特性。论文对带外生变量自回归模型(ARX)的最小二乘辨识策略进行分析，并利用赤池信息准则(AIC)确定系统阶次。为提高模型的估计精度，论文使用将径向基神经网络(RBF)与ARX模型相结合的RBF-ARX模型，该模型可以保留对象参数时变和自回归的性质。文章对RBF-ARX模型寻优策略进行研究，使用粒子群(PSO)优化算法优化RBF网络的内部参数。仿真结果表明，RBF-ARX模型对被控对象历史数据的拟合精度更高，能够准确估计隧道窑烧成带温度。
　　由于RBF-ARX模型参数寻优时间过长，不能作为广义预测控制(GPC)的在线预测模型，本文使用带遗忘因子的递推最小二乘实时辨识模型参数。GPC最优控制律计算过程中存在大量高维矩阵求逆和丢番图方程求解问题，计算复杂。本文采取替代策略，即采用基于粒子群和差分进化算法(DE)的差分进化粒子群(DE-PSO)混合优化方法计算最优控制律。仿真结果表明，DE-PSO算法的寻优性能优于单一的DE算法与PSO算法，基于DE-PSO的GPC控制算法能够完成RBF-ARX窑温模型的控制任务，可以快速跟踪期望值变化。