水泥熟料中的游离氧化钙（free calcium oxide f-CaO）含量是衡量水泥熟料质量的一项重要指标,实时监控游离氧化钙含量值对于降低生产能耗以及稳定水泥熟料质量具有重要意义。目前主要靠人工离线采样分析的方式获取熟料中f-CaO含量值,该方式耗时较长,对于水泥熟料的质量控制以及熟料烧成过程的优化具有明显的滞后性。本文以f-CaO含量为研究对象,提出了基于时间序列特征提取的熟料f-CaO含量软测量建模方法,实现了水泥熟料f-CaO的在线检测。本文具体研究工作如下:首先,介绍了新型干法水泥制造工艺以及熟料烧成过程,并对水泥熟料中f-CaO产生的机理进行了分析。研究了水泥熟料f-CaO含量软测量建模过程中的关键问题,并提出了相应的解决方案。选取了多个影响熟料f-CaO含量的过程变量作为模型的输入变量。其次,针对水泥熟料烧成过程的动态性、持续性、非线性等特性,综合考虑了多变量时间序列对于质量变量的影响,提出了一种基于DCC-GRU（Dilated Causal Convolution-Gate Recurrent Unit）网络的熟料f-CaO含量软测量模型。实验结果表明,基于DCC-GRU网络结构的软测量模型可以用于水泥熟料f-CaO含量的实时估计。然后,为了提高软测量模型对过程变量时序中冗余特征的抑制能力,提出将自注意力（Self-Attention SA）机制融合到DCC-GRU特征提取网络中。自注意力机制通过对隐层特征向量的权重二次分配提高了原始网络结构对于冗余特征的抑制能力。将改进后的模型结构在同样的数据集中进行实验,结果表明改进后的模型效果更好。最后,为了提高软测量模型的泛化能力,提出了一种基于多模态特征融合的软测量模型。该模型将DCCSA-GRU网络所提取的过程变量时序中的深度非线性时域特征、原始过程变量时序的时频特征、统计特征进行融合作为特征集合,并通过全连接网络建立该特征集合和f-CaO含量之间的映射关系,从而实现f-CaO含量实时测量。最后的实验表明,多模态特征融合后的软测量模型有效的提高了模型的泛化能力。