近年来,数据挖掘技术成为数据库和人工智能中最具活力的研究领域,引起了专家学者的广泛关注。关联规则挖掘是数据挖掘技术的一个重要研究方向,也在众多应用领域中取得了理想的效果。在新干法水泥生产中,各个生产环节控制效果的好坏将对最终的熟料产生重要影响,本文以预分解系统中的分解炉温度控制为例,将模糊关联规则挖掘技术应用于其中,充分利用生产中的历史数据,挖掘出有效的关联规则形式,丰富了专家经验库的同时,也为实际的生产控制优化提供指导。本文基于国内外关联规则挖掘技术的研究成果,首先介绍了现有的模糊关联规则挖掘技术,针对挖掘算法中存在的不足之处,提出了一种新的模糊关联规则挖掘算法,然后将算法应用于水泥分解炉的温度控制中,分析了算法的有效性和可行性。本文的主要研究工作如下：(1)首先,在数据的模糊化过程中,采用了一种改进的聚类算法DFCM。在传统的模糊c均值聚类技术的基础之上,针对其对初始聚类中心敏感,容易陷入局部极小值的缺点,引入了密度函数的方法来获取初始聚类中心,克服了因分类错误造成对挖掘结果的不利影响,最终提高了规则的可信度。(2)其次,在规则的获取环节中,在现有的Apriori算法的基础上,针对算法需要多次扫描数据库,数据量较大的情况下耗时增加的缺点,提出了一种逐步剪枝的挖掘算法,减少了扫描数据库的次数,提高了算法的挖掘效率。(3)最后,介绍了算法的实际应用性,将其应用于预分解系统中的分解炉温度控制环节中。在阐述了分解炉系统的相关概念之后,利用本文提出的算法对历史数据进行挖掘,实现了影响分解炉温度的关键因素的关联分析,对最终的规则的可行性与有效性进行了分析与验证。