球磨机是一种电力、水泥、选矿、陶瓷、化工等行业中重要的研磨设备，同时也是一种高能耗设备。但是由于球磨机滚筒的密闭旋转特性，筒内料位难以直接有效测量，工作人员为防止堵磨现象的发生，常常将球磨机工作在低料位状态，使球磨机长期处于非经济运行状态。因此，要解决球磨机系统的优化问题，必须确保球磨机料位的有效测量。传统的软测量方法如偏最小二乘法、主元回归分析法、极限学习机等方法在处理球磨机信号的不确定性时，仍不能取得理想的效果。寻找一种能够有效地处理随机性与不确定性的方法对球磨机料位进行预测就显得极其重要。在这样的背景下，人们开始把注意力转移到了灰色系统、人工神经网络、小波理论以及模糊逻辑等人工智能方法上。其中，二型模糊逻辑具有更好的处理不确定性的能力，为球磨机料位预测提供了新的思路。本文对球磨机的软测量建模问题进行了研究，并因为二型模糊系统在处理不确定性信息方面特有的优势，以二型模糊集合理论为基础开展对球磨机料位预测的研究，主要工作内容如下：（1）对球磨机料位预测的现状和发展趋势以及球磨机的运行机理进行了分析，同时简述了软测量技术的基本原理和应用情况，对比了软测量技术中的各种方法。并采用球磨机轴承振动信号作为料位软测量模型的辅助变量，针对球磨机振动信号随机性强以及不确定性的特点，引入区间二型模糊系统对球磨机料位进行软测量建模。（2）对区间二型模糊系统的建模问题进行了仔细研究，用模糊C均值算法对数据空间进行划分，提取前件参数，然后用最小二乘法辨识后件参数，并通过反向传播算法调整前件参数，最后建立区间二型T-S模糊神经网络推理实现球磨机料位的软测量。（3）针对区间二型模糊系统辨识的复杂问题，采用微粒群算法对模糊前件进行参数辨识，建立基于微粒群算法的区间二型球磨机料位预测模型。（4）针对深度信念网络对数据的学习能力，将深度信念网络与区间二型模糊系统相结合，建立了一种深度模糊信念网络（Deep Fuzzy BeliefNetwork，DFBN）模型，并将其应用到球磨机料位的软测量中。在小型的实验室球磨机上验证了这三种模型的有效性，实验结果表明，基于区间二型模糊系统建立的球磨机料位预测模型具有较高的测量精度，并能更好地跟踪实际料位曲线，性能优于其他几种常用方法。说明二型模糊逻辑在球磨机料位预测领域具有一定的实用价值。