陶瓷梭式窑是陶瓷生产过程中非常重要的生产设备,而在陶瓷烧制过程中,温度控制对于陶瓷产品的质量至关重要。至目前为止,陶瓷梭式窑的温度控制主要采用PID控制以及人工辅助控制,智能化水平不高,控制的效果不理想,影响产品质量。随着社会对于陶瓷产品质量要求越来越高,亟需研究更先进的控制方法对陶瓷梭式窑温度进行控制。而要研究先进的控制方法就必须要建立其数学模型,但由于陶瓷梭式窑是一种具有大时滞性、高耦合等特点的非线性系统,对其建立精确的机理模型比较困难,所以本文提出基于深度神经网络建立其预测模型,然后研究获得基于深度确定性策略梯度的陶瓷梭式窑温度智能优化控制方法,从而实现对陶瓷梭式窑温度的满意控制,取得较好的控制效果。本文的主要工作以及创新点如下:（1）基于热力学相关理论获得陶瓷梭式窑的温度热力学方程,从而拟合出在合适条件下的陶瓷梭式窑理想升温曲线。该理想升温曲线为陶瓷梭式窑温度控制提供参考。（2）提出了一种利用深度神经网络对陶瓷梭式窑进行建模的方法,解决了陶瓷梭式窑难以建立精确的机理模型的问题。将基于GRU神经网络建模与基于传统BP神经网络和基于LSTM神经网络建模效果进行对比,通过实验验证了基于GRU神经网络建模方法最好。（3）针对陶瓷梭式窑温度控制提出了一种基于深度确定性策略梯度（DDPG）的智能优化控制方法。给出了基于DDPG算法的陶瓷梭式窑温度控制系统框图并进行了仿真实验。仿真结果表明,与陶瓷梭式窑PID控制、模糊控制以及模糊PID控制进行对比,基于DDPG算法的陶瓷梭式窑温度控制在控制精度上分别提升了28.5%、24.6%以及18.6%,充分验证了基于DDPG算法对陶瓷梭式窑的温度进行控制是有效的和可行的。