چکیده: با توجه به اهمیت خنک کن های کلینکر در صنعت سیمان و عدم وجود یک مدل قابل‌قبول برای آن، شناسایی و پیش بینی وضعیت خنک کن از ملزومات شبیه سازی و اتوماسیون آن می باشد. خنک کن مشبک یک سیستم پیچیده‌ی غیرخطی و چندمتغیره است که در این پایان نامه با استفاده از شبکه عصبی و روش شناسایی غیرخطی به شبیه سازی آن پرداخته شده است. ازآنجاکه داده های مورداستفاده، از سیستم واقعی استخراج شده است؛ بنابراین، انجام عملیات پیش پردازش بر روی داده های موجود یکی از مهم ترین و دشوارترین مراحل شناسایی می باشد. نتایج حاصل از اعمال روش مطرح‌شده بر روی داده های واقعی خنک کن مشبک سیمان نشان دهنده ی کارآیی بالای روش ارائه‌شده در پیش بینی عملکرد این سیستم صنعتی می باشد. همچنین، اگرچه سخت افزارهای بسیاری برای اندازه گیری متغیرهای این واحد صنعتی وجود دارد، اما هنوز هم بسیاری از متغیرهای آن نظیر ضخامت لایه ی کلینکر و یا فشار زیر شبکه در اتاقک گرم از طریق تجزیه‌وتحلیل آزمایشگاهی بدست می آیند که راهی پرهزینه است و برای نظارت آنلاین و لحاظ تأخیرهای قابل توجه، کافی نمی باشد. برای حل این مشکل، می توان این متغیرها را به وسیله ی متغیرهای قابل‌اندازه‌گیری تخمین زد که به این روش به اصطلاح سنسور نرم یا سنسور مجازی گفته می شود. در این پایان نامه با بهره-گیری از یک شبکه عصبیMLP اقدام به طراحی سنسورهای نرم برای آن دسته از متغیرهایی از خنک کن مشبک شده است که اندازه گیری آن ها به روش فیزیکی دشوار است. نتایج بدست آمده حاکی از دقت بالای سنسورهای پیشنهادی می باشد.