工业回转窑是氧化铝熟料生产中的重要设备,体积大,能耗高,热工数据不易检测。从铝矿石到氧化铝的转变是一个复杂的多变的物理反应及化学反应过程。由于回转窑对象具有多变量、大惯性、强耦合和非线性等特点,使得回转窑不易控制。因此,深入分析回转窑的特点,研发高水平的控制方法,实现生产过程的自动控制,对于提高氧化铝产量和质量,降低能耗,减轻工人劳动压力具有重大的理论和应用价值。通过分析目前回转窑过程控制技术的发展趋势和特点,设计了一种基于ICA贝叶斯分类的回转窑喂煤预测模型,并用于现场控制。论文的主要研究内容如下首先,针对朴素贝叶斯分类算法对属性独立的假定条件,研究了一种基于ICA的贝叶斯分类算法(ICABC)。采用独立成份分析中的基于负熵的非高斯性度量准则的快速ICA(fastICA)算法,从观测数据集中提取原始独立成份。除去了原始数据集中的冗余数据和相关数据,满足了朴素贝叶斯分类中属性之间条件独立的假定条件,使贝叶斯分类器的性能得到了提高。用标准数据库做MATLAB实验仿真后,得到的结果数据表明基于ICA的贝叶斯分类算法比经典的朴素贝叶斯分类算法更加有效。然后,利用现场窑前数据构造了基于ICA的贝叶斯喂煤预测模块。对数据进行滤波清理,采用时序趋势特征的方法,进行直线拟合后按照斜率值进行分箱离散,最后的数据集就是构造分类器所需的训练集和验证集。为了进一步提高分类的精度,采用了AdaBoost算法对分类器进行提升。最终的实验结果证明了基于ICA的贝叶斯分类算法在回转窑控制应用是切实可行的。最后,在实际回转窑窑前智能专家控制系统中,加入由基于ICA的贝叶斯回转窑喂煤分类预测模型构成的回转窑烧结温度控制子模块,实时辅助回转窑智能专家系统对烧结温度的智能控制。给出的现场应用效果说明了该数据挖掘技术在回转窑控制中的可行性。