以悬浮预热和预分解技术为核心的新型干法水泥生产技术已成为当代水泥工业发展的主流和最先进的工艺。分解炉是预分解系统的核心设备,承担着燃料燃烧、气固两相换热和碳酸盐入窑前预分解任务。分解炉的稳定控制对于生料分解率、回转窑的稳定运行、熟料质量及产量具有重要作用。分解炉温度是预分解系统的关键工艺参数,然而,分解炉温度过程机理复杂,工况多变,具有强非线性、强耦合、不确定等特性,难以建立精确的过程动态机理模型和数据驱动模型,使得基于模型的控制和优化方法难以应用于分解炉温度过程,因此研究分解炉温度过程建模方法对于促进分解炉温度过程优化控制方法的研究,实现优化控制,提高生产效率和产品质量具有重要意义。本文依托国家“863”高技术研究课题“大型回转窑智能控制系统”,为了深入研究分解炉温度过程的优化控制技术,本文建立了基于多步预报误差辨识准则的分解炉温度过程动态模型,主要研究工作如下：1)针对基于单步预报误差准则的ARX模型的多步预报性能较差,不适合控制方法的研究及优化控制,提出了基于多步预报误差准则的分解炉温度过程ARX模型。模型阶次选择过程中,由于应用网格搜索模型阶次选择方法的计算代价高、效率低等问题,提出了非负绞杀正则化模型阶次选择方法。模型的输入变量为生料流量、尾煤转速和三次风温,输出变量为分解炉温度。模型的求解归结为一类非线性有约束问题,提出了序列二次规划(SQP)方法进行模型参数估计。最终建立了基于多步预报误差准则的分解炉温度过程ARX模型。并对模型进行实验验证分析,结果表明了非负绞杀正则化方法的快速性和有效性,以及基于多步预报误差准则的分解炉温度过程ARX模型相对于基于单步预报误差准则的ARX模型具有良好的多步预报性能。2)针对于一类非线性过程,提出了基于多步预报误差准则的Hammerstein模型。但是Hammerstein模型静态非线性环节通常具有计算复杂、参数量大等问题,提出了极限学习机方法作为非线性函数,简化了非线性函数的参数量。通过提出的非负绞杀正则化多步预报误差辨识准则,将模型参数估计与模型参数选择加以集成为一个优化问题,并采用“三阶段求解算法”分别对Hammerstein模型的线性部分模型参数、非线性部分模型参数以及权值进行参数估计。最后,将所建立模型应用于分解炉温度过程。实验证明,相比于基于单步预报误差准则的Hammerstein模型具有较好的多步预报性能。同时,对比于基于多步预报误差准则的ARX模型,该方法同样具有较好的多步预报性能。