摘要：回转窑作为高温物料处理的核心装备（如冶金焙烧、水泥煅烧、固废处理等），其内部温度场的精准分布与窑壁厚度的实时状态，直接决定了产品质量、能耗水平与运行安全。然而，在高温、旋转、密闭且工况波动的严苛环境下，现有检测手段难以穿透窑体实现内部温度场的三维动态可视化，也无法在线连续监测窑衬耐火材料的侵蚀与厚度变化。因此，构建融合多源数据的回转窑数字孪生体，动态映射与预测内部温度场演变及窑壁厚度分布，是实现工艺优化、能效提升、延长窑寿命和安全预警的关键所在，也是当前流程工业智能化升级亟待突破的共性技术难题。首次提出了一种基于数据与机理融合的回转窑数字孪生体构建方法，集成了三维温度场实时仿真、壁厚监测模型以及降阶模型等核心关键技术。在多物理场耦合的框架下，系统深入考虑了煤粉燃烧与球团氧化反应等复杂过程，对回转窑内部的温度场分布进行了高精度的模拟，提出了基于机器学习的回转窑温度场降阶模型，实现窑内温度场即时仿真预测。此外，通过融合激光扫描技术与传热理论，系统实现了对回转窑内壁厚度及结圈情况的精准监测。经过现场试验的严格验证，所提出的数字孪生软测量方法在预测回转窑内部温度场分布及壁厚情况方面展现了卓越的性能，其中窑内温度预测偏差控制为1%左右（＜5 ℃），窑壁厚度预测准确率更是达到了90%的高水平，温度检测点定位与壁厚检测的空间分辨率达到窑体厘米级精度。这一研究成果为现场生产提供了及时、准确的反馈与指导，具有重要的实际应用价值，为冶金数字孪生体的构建提供了新的范式。
文章目录
1 基础理论
1.1 机理建模
1.2 降阶模型
1.3 壁厚模型
2 系统框架
3 系统实施与应用
3.1 外壁温度监测
3.2 全域温度监测
3.3 窑体壁厚监测
4 结论
