水泥回转窑是水泥生产过程中的重要设备,也是如今广泛应用的新型干法水泥工艺的关键部分。所以回转窑运行状况的好坏会直接影响到生成的水泥熟料的产量、质量以及排污状况和煤炭等能源物资的消耗。但是水泥在回转窑内的煅烧过程涉及的变量众多相互之间关系错综复杂,并且回转窑本身的结构又很复杂,回转窑的诊断过程往往是很困难的。因此研究回转窑的故障诊断有很好的研究价值和重要的现实意义,在此基础上提出了本课题的基于智能控制算法的水泥回转窑故障诊断研究。首先,课题针对遗传算法存在的收敛慢、特别容易陷入局部最优等问题,提出了对遗传算法的选择算子进行改进,最终实现了在选择出较优个体的同时还维持了整个种群的多样性,提高了在全局范围内寻找最优解的精度。其次,将进行改进的遗传算法来优化反向传播神经网络的权值,提出了一种基于改进遗传算法的神经网络优化算法,反向传播神经网络经过优化后可以得到较优的初始权值阈值,提高了网络的收敛性能和收敛速度。再次,分析了水泥回转窑的工艺过程,在了解了水泥生产的流程后,对水泥的数据变量进行筛选,然后基于改进遗传算法的反向传播神经网络优化算法建立水泥回转窑的故障诊断模型,再结合敏感度分析,完成了水泥回转窑的故障诊断过程。最后,简略介绍了一下将已经应用于实际生产的粒子群优化反向传播神经网络的算法模型,然后将该算法模型应用于水泥回转窑的故障诊断中,对比分析了基于改进遗传算法的反向传播神经网络优化算法模型和粒子群优化反向传播神经网络的算法模型的性能特点。