在回转窑控制系统中,回转窑是一个多变量、非线性、强耦合、大时滞被控对象。提高回转窑的自动控制水平是国内外的一个技术难题。为了提高回转窑自动控制系统的工作性能,文章从三个方面对其进行了研究。为了提高正常工况下自动控制性能,两种改进后的预测控制理论被引入,种是基于灰色误差预测的预测控制理论,一种是简易广义预测控制理论。前一种改进后的预测控制理论,通过使用灰色理论预测因干扰和模型失配引起的预测偏差,从而加强了动态矩阵或者模型算法预测控制理论的抗干扰能力。后一种改进后的预测控制理论,是通过改进预测控制模型,使控制算法避免了丢番图方程的运算过程,这样做在一定程度上提高了广义预测控制的运算速度,把这两种改进后的预测控制理论应用于回转窑控制系统中,实验表明它们可以提高回转窑控制系统的工作性能。烧成带温度的提前预测,对设计回转窑控制系统具有重要意义,一种混合专家模型被引入,这种模型,迭代次数少,每次迭代占用计算机时间短,所以在一些领域可以实现在线训练。经过与模糊神经网络和BP神经网络比较后,发现在回转窑烧成带温度预测中,这种建模工具显著优于模糊神经网络和BP神经网络。对于非正常工况下自动化操作,主要使用专家控制理论或者模糊控制理论设计控制器。为了提高专家知识或者模糊规则的质量。一种动态委员会机器模型被引入,首先用工程师操作的历史记录训练这种动态委员会机器,然后从它的结构和参数中进行规制提取,从动态委员会机器中得到的知识信息或者规则信息可以作为专家控制系统知识库中的一部分知识或者模糊控制系统使用的模糊规则,也可以直接联合多个动态委员会机器作为专家控制器的一部分来使用。文章使用不同分类器为窑前喂煤操作设计了一个智能决策器,发现基于动态委员会机器的智能决策器与基于BP神经网络的智能决策器工作性能相似,但基于动态委员会机器的智能决策器的物理意义相对更加明确,适宜工程师分析和修正或者规则提取。