电熔镁砂是一种应用广泛的耐火材料，它的主要生产设备是电熔镁炉。在电熔镁砂生产过程中由于原料杂质的频繁变化，会导致电流设定值不合理，电熔镁炉长期运行在不合理的电流设定值下，就会产生异常工况。异常工况的产生，轻者会导致产品品位下降，重者会造成严重的生产事故。
　　本文的研究旨在及时发现异常，并在保证安全生产的前提下，不断修正电流设定值，使电熔镁炉逐渐回归正常运行状态。电熔镁炉熔炼过程是典型的复杂工业过程，无法建立精确的数学模型。但现场的操作人员，能够凭借自己的经验知识结合当前的电流并观察炉体的情况，给出适当的电流修正。本文正是利用经验知识进行异常识别和自愈控制的研究工作。
　　首先，分析了电熔镁炉的图像特点，对图像进行滤波处理，分割出目标区域，提取出相关的特征量;在总结前人研究的基础上，提出电流变化率的短时能量，作为新的特征量来有效的将两种异常状态区分开;进一步，对于数据融合做了相关的工作，将来自不同传感器的信息进行了序列同步化和数据的归一化处理。
　　其次，提取了异常识别的规则，建立了基于可拓逻辑的电熔镁炉异常工况评价模型;在确定相关特征量的权重时，采用博弈论的方法，将主观的权重和客观的权重结合起来获得最佳权重;确定了物元的经典域和节域。仿真实验验证了模型的准确性。
　　最后，建立了基于案例推理技术的自愈控制模型，该模型通过对当前电熔镁炉运行状态的全方位描述，得出合理的电流修正值。设计了基于案例推理技术的自愈控制模型的建立过程，仿真实验验证了模型的合理性和有效性。建立的案例推理系统可以实现在线评价，修正案例结果。