در این پروژه در گام اول با استفاده از داده های واقعی کوره دوار سیمان، سعی شده است مدل پیش بین و همچنین مدلی شبیه ساز برای فرایند کوره دوار سیمان به دست آید. به منظور طراحی مدل پیش بین کوره دوار سیمان از مدل فازی ممدانی، مدل فازی تاکاگی-سوگنو و شبکه عصبی استفاده شده است. سپس با مقایسه مدلهای پیش بین به دست آمده، از مدل شبکه عصبی پرسپترون به منظور طراحی مدل شبیه ساز سیستم بهره گرفته شده است. برای آموزش مدلهای فوق از روش لونبرگ-مارکوات استفاده شده و برای تعیین دینامیک های سیستم از ترکیبی از روش لیپشیتز و اطلاعات متقابل استفاده شده است. در گام دوم از یک کنترل کننده عصبی-فازی به منظور شکل دادن پروفایل حرارتی کوره و همچنین کنترل سایر متغیرهای خروجی مهم کوره سیمان استفاده شده است. در این مرحله مدل شبیه ساز به دست آمده از مرحله قبل به عنوان پلنت استفاده شده است. نتایج شبیه سازی توانایی کنترل کننده عصبی-فازی برای کنترل کوره سیمان را نشان می دهد. در این بخش آموزش کنترل کننده عصبی-فازی به صورت آنلاین و با استفاده از گرادیان نزولی انجام گرفته است. در گام سوم یک سنسور نرم افزاری، برای تخمین دمای پیشگرمکن با استفاده از سایر پارامترهای کوره به دست آمده است. سنسور نرم افزاری برای حالت نرمال طراحی گردیده است. روشی به منظور تشخیص خطا به منظور استفاده بهینه از سنسور نرم افزاری ارائه شده است. نتایج شبیه سازی، نشان دهنده نزدیکی تخمین سنسور نرم افزاری و فرایند اصلی تحت کنترل است.