在连续生产过程中，工艺上通过设立缓冲容器来解决前后工序之间的物料量突变，以确保生产的平稳性，针对这类容器的液位控制，常规PID定值控制已满足不了上述要求。为解决这个问题，以长期现场实践为基础，根据操作人员的思维特性，提出了一种基于模糊控制和常规控制相结合的液位区域控制方法。该方法以液位的上下限和变化量作为输入模糊量化依据，改变了传统输入模糊量化方法，同时对于模糊输出量到控制输出采用新的转换方法，使模糊输出离散量转化为希望调节的液位量。为提高控制精确度，在实际控制输出与希望调节偏差较大时，增加了输出校正环节以减少输出误差。这种方法允许液位在给定的高低限范围内波动，以保证送出的物料缓慢平稳变化；只有液位超出高低限时，或液位在正常范围内，并且液位变化量超过给定阈值时才进行调节，以确保维持下游工序的负荷平稳。实际应用结果验证了这种方法的有效性。

在液体管道输送中，管内流动状态的监测对于管道运行具有重要的意义。基于管道模型，通过仿真方法研究了管内流动状态预测，并进一步研究了管道边界条件对仿真计算结果的影响。理论分析和仿真结果均表明：边界条件直接影响仿真的输出波形，并且会影响仿真的动态特性。对在线仿真而言，采用压力作为边界条件可以获得更快的响应速度，从而可以提高基于实时仿真方法的泄漏检测系统的响应速度。所得结论对基于实时模型的泄漏检测方法中边界条件的选择具有指导意义。

针对大型聚乙烯工业装置质量指标实时估计的复杂性，基于乙烯聚合原理推导了大型聚乙烯工业装置质量指标实时预测模型，提出了一种次优强跟踪滤波器设计方法用于根据实验室分析数据反馈修正模型预测并实时估计质量指标。所提方法在大型聚乙烯工业装置上的应用结果证实了其有效性和可行性，为实现大型聚乙烯工业装置先进控制奠定了基础。

研究了炼油工业中常压塔单元的最优操作问题，通过流程模拟软件HYSYS模拟常压塔静态模型，并利用改进非支配排序遗传算法（elitist non-dominated sorting genetic algorithm, NSGA-Ⅱ）来求解效益-能耗多目标问题，从而得到一组最优操作条件Pareto解集，结果表明在保证各产品质量的前提下，常压塔全塔的经济效益还可以提高。

提出一种滚动时域伪线性回归（MHPLR）算法，不仅降低了算法对检测噪声的敏感程度，而且无须在线求解优化命题，计算负担小。利用MHPLR在线估计一个时间序列模型来描述DMC控制系统不可测扰动的动态特性。将对扰动的预报应用到DMC算法当中，以改善因原误差校正策略而导致的抗扰性能不佳的情况，并以状态空间形式给出了改进后DMC算法的表达式。将改进的DMC控制器应用到某公司的PTA溶剂脱水塔装置上，提升了控制品质，稳定了生产并降低了酸耗。算法的有效性得到了验证。

针对一类未知的单输入单输出离散非线性系统，提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界；采用神经网络非线性自适应PID控制器可改善系统性能；通过引入合理的切换机制，能够在保证闭环系统稳定的同时，提高系统性能。理论分析表明，该方法能够保证闭环系统所有信号有界，如果适当地选择神经网络的结构和参数，系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜，仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器，在工业过程中有着广阔的应用前景。

软测量技术是解决工业过程中存在的一类难以在线测量参数估计问题的有效方法，该技术的核心是建立优良的数学模型。支持向量机是基于统计学理论的一种机器学习方法，最小二乘支持向量机是一种扩展的支持向量机，相对于支持向量机具有较快求解速度。最小二乘支持向量机存在着参数选择的问题，针对这个问题，采用差分进化算法进行参数选择。提出基于差分进化算法的最小二乘支持向量机应用于软测量建模，并将其应用于对苯二甲酸中对羧基苯甲醛含量测试的软测量建模中，获得了满意的结果。

电熔镁炉是生产电熔镁砂的主要设备之一，电熔镁砂冶炼过程具有非线性、强耦合、随机干扰严重等特点，传统的控制算法无法满足控制要求，本文提出了一种将案例推理与规则推理相结合的智能优化控制方法，详细阐述了基于规则的冶炼电流设定技术和基于案例推理的电熔镁炉冶炼电流补偿技术，研制了电熔镁炉智能优化控制系统，成功应用于国内某企业的电熔镁炉上，取得了满意的控制效果和明显的经济效益。

气动阀门的静摩擦现象在工业过程的控制中非常普遍，易引起控制系统的波动，从而影响生产的正常进行。在众多的研究成果中，Kano提出的气动阀门静摩擦模型与检测方法是简单有效的。但是，Kano气动控制阀静摩擦模型存在着不足，本文指出了该模型的缺陷所在，并给出了改进方案，使得模型的输入输出与物理过程完全一致；针对控制阀静摩擦的统计检测方法参数较多的特点，系统分析了影响检测结果的因素，总结了检测参数的指导原则。最后，在Matlab Simulink平台下编制了能够描述阀门静摩擦现象的S-Function模块，并进行了模拟仿真，在扰动存在的条件下讨论了统计检测方法的有效性。

针对具有时滞、非线性、不确定等特性的铅锌密闭鼓风烧结过程，提出一种烧穿点的模糊预测控制方法。首先，基于台车速度和烧穿点之间的分段线性化关系，建立烧穿点的模糊T-S模型。然后，采用动态线性化方法获得烧穿点的全局模型，并在此基础上进行模型预测控制器设计，以实现烧穿点的模糊预测控制。最后，采用烧结生产历史数据，对模糊预测控制方法进行了仿真和实验研究。结果表明：模糊T-S模型能有效抑制垂直燃烧速度不确定性的影响，具有较高的辨识精度，能够满足工业现场生产指导的需要；此外，烧穿点的模糊预测控制方法比单纯的模糊控制调节时间短、超调量小，能快速有效地响应烧穿点的变化，具有一定的应用价值。

粒子群算法是一种有效的寻找函数极值的演化计算方法，它简便易行、收敛速度快，但存在收敛精度不高、易陷入局部极值点的缺点。本文对原有算法中的固定惯性权重进行改进，着重分析了惯性权值因子在粒子群优化(PSO)算法中的作用，在现有的线性递减权值方法上，提出一种非线性权值递减策略，并将其尝试性地运用到多传感器融合的领域，运用该算法对数据融合中的加权因子进行估计。实验结果表明，改进的PSO算法能近似最优地确定数据融合中各权值因子，使融合在信息源的可靠性、信息的冗余度/互补性以及进行融合的分级结构不确定的情况下，以近似最优的方式对传感器数据进行融合，有效地从各融合数据中提取有用信息，成功排除噪声干扰，取得了良好的融合结果。

提出了一种通过改进全局最优位置粒子寻优策略而提高粒子群优化计算效率的混合粒子群优化算法。针对流程工业典型设备的状态跟踪预报等有计算时间限制的优化问题，混合粒子群优化算法在不改变原有粒子群粒子寻优策略的前提下，将粒子群整体已搜寻到的全局最优位置看作一个特殊的粒子，令该粒子执行梯度下降寻优的寻优策略。在粒子群的寻优迭代计算中增加全局最优位置粒子单独的梯度下降寻优过程，从而将粒子群优化算法的全局寻优特性与梯度下降算法的邻域寻优特性相结合，以提高粒子群优化算法的整体寻优效率，进而缩短寻优计算的时间。针对流程工业典型设备的实际应用表明，混合粒子群优化算法能够减少寻优迭代次数，进而缩短优化计算时间。

针对差分进化算法早熟问题，提出一种改进差分进化算法，采用动态缩放因子解决优化过程中的变量约束问题，在进化过程中自动地调整控制参数取值以保证变量约束条件；引入聚集度作为参数评估种群分布的密集程度，增加一种新的变异算子在进化过程中根据聚集度情况对部分个体进行后续变异操作，适时调整种群分布，提高种群多样性，增强全局搜索能力。建立了聚丙烯牌号切换优化模型并将改进的差分进化算法应用于牌号切换优化模型的求解，仿真实验结果表明改进的差分进化算法在全局搜索能力和搜索效率两个方面有较大提高。

基于神经网络的管道泄漏检测的关键是特征量的提取。以基于压电式动态压力传感器的管道泄漏信号暂态过程为研究对象，分析了不同工况下首、末站泄漏信号的差异，介绍了基于小波分解的泄漏信号增强方法。提出了把动态压力信号作正负区间划分、把相邻区间信号累加值差分、相邻区间信号均值差分和相邻区间信号峰值差分作为泄漏信号识别特征的特征量计算方法和相对量化方法，分析了泄漏信号特征量的横向、纵向合理性评判依据，并以此对从实际泄漏信号中提取得到的特征量进行了检验，验证了特征量提取方法的合理性。最后，给出了以首、末站特征量共同作为输入的神经网络管道泄漏诊断模型及其训练、检验结果。长期的管道泄漏实时监测结果表明，所提出的泄漏信号特征提取方法具有较强的工况适应性，为原油输送管道泄漏的鲁棒诊断提供了较好的技术手段。

针对复杂的非线性约束优化问题，提出了一种含变异算子的两群微粒群算法。算法构造了两个粒子群，分别设置了不同的搜索速度上限，并设计了粒子群间的协调机制和变异算子，使算法的寻优能力得到增强。针对油品调和配方优化进行了实例仿真，研究结果表明所提出的算法能获得较理想的调和配方，在满足调和利润最大的同时能保证对调和指标的卡边，使调和成品油的指标富余量大大降低。

PET固相缩聚过程涉及反应固体颗粒和反应器床层两个空间尺度的传质，是一个复杂的多维多相对象。以反应过程控制为目标，在已有的反应动力学模型基础上，同时考虑可逆化学反应和小分子产物内外扩散两个控制因素，并借用固定床拟均相模型的建模思想，将小分子产物在颗粒内外扩散形成的浓度梯度用一个有效系数来表示，从而建立了简化的PET固相缩聚反应器一维动态模型。在相关文献的实验条件下求解分布参数模型的数值解，并进行启动过程仿真和过程动态分析，计算反应器出口质量指标，与文献曲线和数据对照，验证了模型的正确性。

提出了一种基于速率线性化方法的非线性预测控制算法。该算法采用速率线性化方法得到与原系统非线性模型相对应的线性变参数模型，这类变参数模型在结构上是线性的，而模型参数将随工作条件的变化而变化，在系统的整个工作区间内都能很好地逼近原非线性模型。在此模型的基础上设计了预测控制器，并利用基于置信域的Levenberg-Marquardt算法在线求得预测控制率。最后对连续搅拌反应釜进行了仿真研究，仿真结果表明了该算法的可行性和有效性。

多变量复杂控制系统不仅具有多耦合和多时滞性，还具有结构上的复杂性，即输入输出不等，传递函数为奇异矩阵。传统的多变量内模控制是基于对非奇异对象求逆来进行的，因此很难解决这类问题。针对该情况引入矩阵论中的广义逆概念，通过求对象的广义逆矩阵来设计解耦内模控制器，打破了内模控制只能对方系统进行控制的局限性，并利用泰勒近似很好地解决了多滞后的问题，最后通过设计特殊形式的滤波器，不仅能够消除由纯滞后近似引入的不稳定极点，保证系统的稳定性，且能够保证系统的正则性。仿真结果表明，该方法不仅跟踪迅速，且继承了内模控制的无余差和强鲁棒性，动态解耦效果良好，仅对时滞变化较为敏感。由于系统基于内模控制设计，故模型匹配度越高，系统响应越好。

球团厂钢球磨煤制粉系统是多变量强耦合、时滞、非线性以及生产工况变化大的复杂对象，其自动控制问题一直是控制界关注的热点。基于粒子群算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性，设计了具有PID结构的多变量自适应神经网络控制器。PID神经网络解耦控制方法被用来消除回路之间的耦合，神经网络连接权值由粒子群算法进行学习优化。仿真研究表明所建模型和所提控制方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。该控制策略可在大范围内克服系统的非线性和强耦合问题，具有很高的工程实用价值。

针对炼焦生产过程强非线性、大时滞等特点，基于过程参数的主元分析和灰色关联分析，建立了焦炭质量、产量及焦炉能耗的神经网络预测模型和以焦炭质量为约束条件，产量、能耗为目标函数的优化控制模型。提出一种融合模糊C均值聚类粗优化和差分进化细优化的集成优化控制方法，进行过程参数的优化并给出操作优化指导。系统仿真结果表明，该方法能有效地抑制工况的波动，达到高产、优质、低耗的生产目标，为复杂工业过程的建模和优化控制提供了一种新思路。

选取催化重整18集总31反应集总动力学模型，以流程模拟软件HYSYS为工具，建立了催化重整机理模型。以最大化芳烃产率为优化目标，以4个反应器入口温度为决策变量，建立了过程优化模型。利用差分进化算法求解该优化问题，并利用可行性规则处理约束。仿真结果表明，芳烃产率有较大提高，证实了差分进化算法的有效性。

纯碱生产装置中的碳化塔既是多相反应器又是多步结晶器，其中包含了吸收、反应、多相流、传热和传质等多种复杂的物理、化学过程。本文以某纯碱厂碳化系统为背景，将模型预测控制软件应用于5组共25座碳化塔中，开发了一个包含上百个被控变量、操纵变量和干扰变量的多变量预测控制器来解决该碳化系统的约束多变量控制问题。工业应用结果表明：模型预测控制软件能够确保碳化系统长期在最佳状态运行，进而降低物料消耗、改善产品质量和节省操作费用，使生产效益得到优化。

赤铁矿竖炉燃烧过程机理复杂，运行工况变化频繁，使得故障易发，从而导致生产不稳定。将案例推理和软测量技术相结合，提出一种竖炉燃烧过程的智能故障预报方法。软测量模型对难以在线测量的关键工艺参数进行实时测量，基于案例检索与重用的故障预报模型根据过程数据及关键工艺参数软测量值的变化对燃烧过程的典型故障进行趋势预报，采用概率的形式表达诊断结果，并提供操作指导，可以有效避免故障的发生。将建立的故障预报系统应用于竖炉燃烧过程的生产实际中，故障发生率明显降低，表明了方法的有效性。

核主元分析(KPCA)适合非线性过程的监控，但存在计算量大、实时性差等缺点。提出一种基于稀疏KPCA(SKPCA)的过程监控方法，先使用SKPCA对正常建模数据进行加权，少数权值大的数据基本能代表全部正常数据的信息，因此稀化了建模数据，然后根据稀化后的正常数据建立过程的KPCA模型，并提出监控指标，大大减少了计算量，提高了监控的实时性，最后以化工分离过程为对象，就KPCA与SKPCA的监控效果和实时性进行了详细的对比研究，结果表明了基于SKPCA监控方法的优越性。

针对间歇过程过渡状态下具有的复杂过程特性，提出一种基于二维动态主成分分析（2DDPCA）的故障诊断方法。该方法将故障信息划分为“批次内”和“批次间”信息，采用变量贡献图方法隔离故障变量，并依据2DDPCA模型支撑区域中故障变量的相关性变化具体分析故障成因。仿真结果验证了该方法的可行性和有效性。

核主元分析（KPCA）在非线性系统的故障检测方面明显优于普通的PCA方法，但存在无法进行故障辨识以及在故障诊断过程常常出现核矩阵K计算困难等难题。针对上述问题，提出了一种基于特征样本核主元分析方法（FS-KPCA）非线性故障辨识方法。首先采用特征样本（FS）提取方法有效解决核矩阵K的计算量问题。然后利用计算核函数的偏导方法求取KPCA监控中每个原始变量对统计量T²和SPE的贡献率，利用每个变量对监控统计量贡献程度的不同，可以辨识出故障源。将上述方法应用到TE过程，仿真结果表明该方法不仅能够有效辨识故障，而且提高了故障检测和辨识速度。

讨论了大型电站具有随机时变特性过程的状态监测与故障诊断。基于多变量统计过程（MSPC）理论的主元素分析（PCA）技术，分辨故障事件的原因与结果。为适应随机时变特性的过程特点，将典型的PCA与改进的递推和快速滑动窗型PCA算法进行了比较。给出了递推快速滑动窗型算法（MWPCA），通过与典型的PCA算法在故障诊断应用中的比较，表明了新算法对过程特性变化的自适应能力和计算效率。给出了在现代电站过程中应用FMWPCA算法将诊断与过程特性变量结合的图示方法应用实例。

针对一类不匹配不确定性动态系统，将不匹配不确定性的滑模控制方法与线性矩阵不等式（LMI）方法结合，设计一种新的鲁棒滑模观测器，提出了不匹配不确定动态系统滑模观测器稳定的充分必要条件以及LMI的存在定理，并证明了对系统不确定性以及外界干扰具有鲁棒性。无须对动态系统进行规范化处理，直接利用LMI方法求解鲁棒观测器增益矩阵，简化了滑模观测器设计过程。根据上述设计的鲁棒滑模观测器，应用等价输出误差介入原理和LMI方法，设计重构执行器故障的优化策略，提出在线获取故障信息的鲁棒执行器故障检测与重构方法，实现执行器故障的检测与重构。数字仿真验证了执行器故障重构方法的可靠性。

针对高炉料面温度场红外图像的特征提取问题，提出一种基于经验知识和信息熵的图像分割阈值选择策略。该方法首先利用双峰法、最大方差法和一致性准则法分别对图像进行区域分割，再根据图像目标大小，运用知识规则制定判断图像质量的信息熵评价准则，选择合适的分割阈值，获得对判断料面温度分布最有利的图像区域特征。实际运行结果表明图像分割结果和期望的图像特征一致，符合实际工业应用要求，有利于操作人员判断炉况。

化工生产中出现的异常事件往往导致系统出现故障，甚至发生重大事故，因此，建立预测和诊断异常事件的监控系统对生产过程的有效和稳定操作具有重要的意义。为此提出了一类赋时模糊Petri网（tFPN）模型，用于化工过程异常事件的预测与诊断，tFPN的变迁与产生式规则的可信度和时间相关联，可自动进行模糊推理。建立了基于tFPN的异常事件综合监控方案，并以聚丙烯反应为例进行了详细讨论。

超声波检测是输油管道在线内检测的重要方法之一，由于管道内部检测环境复杂，使超声检测回波信号识别困难，其分类是一个高维分类问题。利用支持向量机在解决小样本、非线性、高维模式识别中特有的优势，直接采用表征超声回波形态的A扫描数据作为特征向量，将特征提取与模式分类统一进行，建立了管道腐蚀超声检测回波信号分类决策函数，实现了管道腐蚀缺陷识别。实验结果表明，该方法可以正确地分类识别管道腐蚀产生的突变界面，基于支持向量机的管道腐蚀超声内检测信号分类识别方法是可行、有效的。

提出一种智能化的神经网络建模方法，建立状态变量部分不可测的间歇反应器模型。针对间歇反应是一个非线性、非稳态过程，根据化学反应的非线性分离特性，采用结构逼近式神经网络构建模型的拓扑结构。利用反应的先验知识优化网络结构，赋予网络节点实际的物理意义，并完善网络训练过程，使建模过程灰箱化；通过假想教师-人工免疫训练算法，解决不可测变量影响常规网络训练的问题；通过并行优化假想教师和网络权值，提高建模精度。以实际橡胶硫化促进剂制备的间歇缩合反应过程为实验对象，详细论述了建模和网络训练的过程，证明了方法的有效性。

内部热耦合精馏塔（ITCDIC）是精馏节能控制的一个前沿。本文提出了一种基于一般模型控制（GMC）的内部热耦合精馏塔的先控策略，以解决导致传统线性控制策略难以得到较好控制效果的高纯下内部热耦合精馏塔的非线性。以苯-甲苯物系作为研究实例，对所提出的高纯ITCDIC控制策略进行了详细研究。设定值改变和过程扰动下的控制品质表明了所提出的高纯ITCDIC的GMC控制策略的切实有效性。