回转干燥窑广泛应用于工业生产中,尤其在有色金属生产中占有重要地位,如何降低其生产过程中的高能耗一直是困扰企业的难题。干燥过程涉及复杂的传热、传质机理,与干燥物质的特性密切相关,回转干燥窑是一个大惯性、大滞后性、存在时变参数的控制对象,加上窑的主要部分处于回转状态,关键工艺参数难以准确及时的测量,因此很难定量的描述封闭窑内的热工状况。这种参数信息的模糊性,使得建模的难度非常大,导致传统的优化控制策略难以实施。本文以锌精矿回转干燥窑为背景,在深入研究其干燥过程机理的基础上,提出了基于支持向量机的回转干燥窑生产过程建模方法,采用基于支持向量机模糊模型的方法解决模型中干燥速率难以确定的问题。为了提高模型的预测精度,利用干燥过程分多个阶段的特点,提出了基于多阶段多支持向量机的回转干燥窑生产过程级联模型的方法,采用多阶段多支持向量机模糊模型确定干燥速率。针对支持向量机模糊模型中超参数的优化问题,提出了改进的遗传算法及免疫进化遗传算法,避免了人工选取参数的不足。为了提高模型的运算速度,提出了改进的变长度粒子群优化算法精简支持向量。在所获模型基础上提出了基于混沌扰动的粒子群约束优化算法,优化干燥过程热工参数,实验数据、仿真和应用都验证了此方法的有效性。论文的主要研究工作及创新性成果如下：(1)建立了基于能量、质量守恒定律的回转干燥窑生产过程机理模型,该模型由燃烧室及回转干燥窑窑体机理模型组成,通过燃烧室模型确定产生的烟气量及烟气温度,通过回转干燥窑窑体模型掌握热量利用情况,同时获得物料与烟气在窑内沿轴向连续变化的情况。设计了热平衡测试、参数测试和干燥速率测试实验,并进行了模型仿真,结果显示该模型能反映实际过程趋势,为后续研究奠定了基础。(2)提出了基于支持向量机的回转干燥窑生产过程建模方法,运用机理模型描述干燥过程,确定模型的结构,运用模糊建模方法确定干燥速率,并采用基于支持向量机回归模型的方法解决干燥速率模糊规则难以获取的问题,既增加了模糊规则的可靠性又保持了模糊模型的解释性。为了补偿干燥速率实验样本与现场生产数据之间的误差,提出了基于支持向量的残差补偿方法,有效地提高了模型的预测精度。(3)提出了改进的遗传算法及免疫进化遗传算法解决支持向量机模糊模型中超参数的优化问题,改进的遗传算法保留了遗传算法全局搜索能力,同时为了克服遗传算法收敛慢的不足,在后期融入了局部线性搜索；免疫进化遗传算法将遗传算法的搜索空间划分为小生境,根据小生境中个体的浓度利用免疫进化算法对适应值进行了修正,克服了遗传算法易出现“早熟”的问题。运行结果表明,两种方法都能有效地找到最优超参数,而改进的遗传算法具有更快的收敛速度。(4)提出了基于多干燥阶段多支持向量机的回转干燥窑生产过程级联模型的方法,利用多阶段多支持向量机模糊模型确定干燥速率。针对建模时输入样本空间难以划分的问题,提出了融入分区熵判断准则的模糊C均值算法(FCM),同时为了克服FCM算法对噪声数据敏感问题,引入了可能性FCM聚类算法,讨论了基于核函数的聚类算法,提高了输入样本空间划分的准确率。实验结果表明,该级联模型能提高预测精度,但增加了模型的复杂程度。(5)针对过多的支持向量降低模型的运算速度问题,提出了一种新的基于粒子群优化算法的支持向量精简方法,运用变长度粒子编码,将预测精度直接作为性能指标,通过粒子群优化算法获得精简支持向量集。结果表明该算法能在基本保持原预测精度的基础上有效地减少了支持向量个数,提高了模型的运行速度。(6)在回转干燥窑生产过程模型的基础上,针对工程中带约束的优化问题,提出了基于混沌扰动的粒子群约束优化算法,以干燥全过程参数范围为约束,以热效率最高为目标,通过混沌扰动使粒子跳出局部极值及不动点,获得最优的工艺参数,从而达到节约能源、降低消耗的目的,运行结果及实际应用表明了方法的有效性。