回转窑是烧结法生产氧化铝的关键工艺设备,窑内烧结过程是一类典型的复杂工业过程对象,具有强耦合、多干扰、大时滞、时变非线性等特征,生产过程的自动控制难度很大。在熟料烧结过程中,喂煤量是窑前操作的主要控制变量,准确调节窑内喂煤量可以稳定窑内工况,提高熟料的质量和产量。由于窑内工况、煤粉质量、料浆成分、窑皮结构对喂煤量的影响很大,使得有经验的操作工人也比较难以把握对喂煤量的加减。本文通过分析窑前各热工数据与喂煤趋势的关系,提出一种基于局部线性嵌入(LLE)的隐马尔可夫模型(LLE-HMM)以实现对窑内喂煤趋势进行预测。首先针对热工数据进行去噪、滤波和标准化等预处理,然后采用LLE进行非线性变换提取特征,接着通过量化处理得到符号值序列,最后结合DS证据理论使用LLE-HMM进行预测。通过对窑前数据仿真,结果表明该方法可对窑前喂煤趋势进行有效预测。论文主要的工作内容如下:(1)分析了PCA、ICA、LDA这些线性变换方法的特点和不足,针对窑前时间序列数据引入非线性变换进行特征提取。采用流形学习中局部线性嵌入(LLE)进行变换,并且对于数据的增量处理问题,采用更新代价矩阵的方法进行权值重新计算。(2)将隐马尔可夫模型(HMM)应用在喂煤趋势的预测中,在模型中采用等比例缩放量化的方法进行时间序列符号化处理,同时针对模型的训练算法(Baum-Welch)依赖初值的选择及容易陷入局部最优进行了优化处理,最后结合DS证据理论使用HMM进行喂煤趋势预测。(3)将HMM与BP、SVM、ELM这几种预测模型进行对比,可以发现HMM在热工信号这类动态时序信号分类预测方面具有一定的优势。实验中应用HMM对回转窑热工数据进行喂煤趋势预测,并将LLE-HMM与其他线性变换的模型进行对比,结果表明LLE-HMM对窑内喂煤趋势预测具有较高的精度。本文通过分析窑前热工数据的特征,采用LLE-HMM对回转窑喂煤趋势进行预测。实验仿真结果表明,该方法可以有效判断喂煤趋势的变化,可以为回转窑的人工操作和专家控制提供可靠的参考指导。