针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题，提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法（DEOBWOA）。该算法引入对立搜索初始化、精英反向学习，并结合差分进化进行变异修正，显著有效地提高WOA算法的收敛精度和收敛速度，提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验，结果表明：DEOBWOA算法与标准WOA、HCLPSO、DE算法相比，全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型，考虑到渣油加氢过程中存在诸多典型的非线性约束问题，以某炼化厂渣油加氢装置为例，应用DEOBWOA对渣油加氢反应动力学模型参数进行优化，结果表明该算法能较好地处理实际工程优化问题。

深度学习在流程工业的软测量领域已经得到了应用。然而，深度神经网络（DNN）的结构和参数需要人工调整，这需要扎实的机器学习知识基础和丰富的参数调整经验，烦琐的调整过程限制了深度学习在化工领域的推广应用。在大量实验的基础上，对DNN的每个关键参数的选取过程进行了系统化的分析，提出了几乎无须人工干预的基于DNN软测量的结构和参数自动调整方法，极大地简化了参数调整过程，能够给工程技术人员学习及应用深度学习提供参考。对原油蒸馏装置及煤气化装置的案例分析验证了所提出方法的有效性和通用性。

对于化工过程中带噪声、强耦合的高维数据建模问题，常规的函数连接神经网络（functional link neural networks，FLNN）无法有效地进行处理。为解决该问题，提出一种基于主元分析（principal components analysis，PCA）的函数连接神经网络（PCA-FLNN）。通过对FLNN的函数扩展层进行特征提取，不仅去除变量间的线性相关关系，而且提取数据的主成分，进而简化FLNN学习数据的复杂度。为验证所提方法的有效性，首先采用UCI数据Airfoil Self-Noise对其性能进行验证；随后将所提的方法应用于精对苯二甲酸（purified terephthalic acid，PTA）生产过程建模；与传统FLNN进行对比，标准数据和工业数据的仿真结果表明，PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点。

建立有效的间歇生产调度模型一直是生产调度问题研究的热点，基于特定事件点的连续时间建模方法是优化短期间歇生产调度问题的有效工具。基于状态设备网络和特定事件点概念，建立非线性的连续时间间歇生产调度模型。为了解决非线性引起的求解困难，该模型使用替代方法线性化模型中的双线性项，替代法不仅将建立的混合整数非线性规划模型转化为混合整数线性规划模型，且由于其不包含大M松弛项，能使模型搜索空间更紧凑，模型求解效率更高。通过3个实例对比实验表明了基于状态设备网络描述的改进间歇生产调度模型搜索高效性。另外，模型中还给出了不同存储条件下，基于状态设备网络描述的间歇生产调度模型约束，扩展了模型适用性。

乙烯裂解炉辐射段的过程模拟，一般由管内反应过程模型与管外传热模型两部分组成，具有非线性、强耦合的特点。其中管外传热模型涉及变量参数众多、求解过程耗时长。针对这一问题，提出了一种智能混合建模方法，在构建基于区域法的管外传热计算模型的基础上，利用该模型产生的数据，设计构造了针对管外传热计算的神经网络模型。利用该模型与管内反应过程模型相耦合，实现对乙烯裂解炉辐射段的智能混合建模与模拟。结合工业实际算例，验证了基于机器学习和机理模型的智能混合建模的可行性，裂解产物预测精度良好，且混合模型可以大大缩短计算时间，更加符合工业计算的要求。

石油馏分属性数据是石油化工生产过程中的重要基础数据，但是海量的现场数据包含了大量的冗余信息和测量误差，给化工过程实际生产带来很大的困扰。基于石油馏分状态空间表征法提出一种石油馏分基础数据模型建模方法。该方法通过非负矩阵分解算法得到一组初始基础馏分数据模型并在此基础上采用迭代更新策略，在保证模型预测精度的前提下尽可能地减少模型库的规模。仿真结果验证了本方法的有效性和实用性，在石油化工生产过程中具有广阔的应用前景。

聚乙烯反应过程中物流-能流剧烈交叠、反应-传递相互耦合，使得过程具有强非线性以及多重稳态。传统的顺序设计方法不能保证系统有足够的控制自由度，当存在扰动和过程参数不确定性时，仅依靠设计控制器很难提高产品质量。提出一种聚乙烯工艺稳态设计与运行控制的集成优化方案，创造性地引入Kriging高斯模型同时预测模型动态和模型不确定性。另一个重要的贡献是在聚乙烯工艺设计阶段，设计性能指标，定量描述过程稳态设计对闭环动态的影响。所提出的方法已经通过对气相聚乙烯工艺设计和运行控制的集成优化进行了验证，并在参数不确定性和扰动存在情况下仿真证实了集成优化设计方案的高效性。

二氧化碳的分离与纯化是当前的研究热点，而随着环保要求的提高，传统单一的分离手段难以满足行业要求，多种分离方法的集成逐渐得到研究者的重视。以整体煤气化联合循环发电系统（IGCC）流程中二氧化碳的分离与回收环节为例，在流程模拟的基础上，拟合出该体系状态方程的多项式形式。进一步，构建耦合膜-闪蒸超结构数学模型，在设定最低产物纯度和回收率的情况下，以最小化年度费用为目标，筛选出最优的分离序列。

聚氯乙烯全流程生产过程计划优化往往描述为复杂MINLP模型，求解难度非常大，为此引入分片线性技术逼近实际生产中的非线性特征，建立基于HH的MILP模型，进一步提出一种基于离线层级模型的分解算法来加速求解过程：第一层在对生产设备以最优能耗点进行层级划分得到离线层级模型的基础上优化一个等价MILP问题，确定表征设备操作状态的二值变量；第二层以HH模型为基础，在二值变量确定的情况下，代入计划优化模型调整设备的工作点，最终确定模型的最优操作决策方案。最后，以一个实际工厂规模的案例来验证模型和算法的有效性，结果表明本算法在基本不损失优化结果性能的前提下可以大大提高求解效率，缩短求解时间达99%以上。

质量相关的故障检测已成为近几年研究热点，它的目标是在过程监测中，对质量相关的故障检测率更高，对质量无关的故障少报警或不报警。传统主元分析算法的故障检测会对所有故障均报警，不能达到上述要求。另外，在实际工业生产中，质量变量通常难以实时获得，需要后续分析或延时得到。为此，提出一种融合贝叶斯推断与互信息的加权互信息主元分析算法。首先利用贝叶斯推断的加权方法将度量过程变量和质量变量之间相关关系的互信息进行融合，选出包含质量变量信息量最大的一组过程变量。然后对过程变量利用主元分析（principal component analysis，PCA）进行统计建模，再次根据加权互信息选出包含质量变量信息量最大的主元，建立统计量进行故障检测。最后，通过实验验证该方法的可行性和有效性。

化工反应器系统具体操作过程中常会受到时滞和不确定参数影响，在一些操作工况下不确定参数是不可调节的。为了保证化工系统实际操作的安全和可靠性以避免环境污染事件和人员伤害，系统所能耐受的最大时滞值非常有必要得到求解和分析。提出了含不确定参数的化工反应器系统的时滞耐受度指数问题、给出了求解和应用分析框架。首先对反应器系统进行建模，采用泰勒展开式和拉普拉斯变换将反应器系统线性化成为含不确定参数及时滞的传递函数模型。其次采用PID闭环控制的控制策略对系统进行动态响应性能测试，PID参数采用MATLAB的NCD（nonlinear control design package）模块进行优化。最后采用二分法结合系统的动态响应性能测试结果对系统所能耐受的最大时滞值τ_max进行求解。以一个典型具有连续进出料的反应-分离系统为案例，对含不确定参数的反应器系统的时滞耐受度指数进行了求解和分析。研究结果表明，所提出的研究策略可以为含不确定参数的连续反应器系统的时滞耐受度指数的求解提供快速、简洁有效的方法和思路，从而提高化工反应器系统实际运行的安全和可靠性。

近年来，以PM_2.5为特征的灰霾天气已成为中国许多城市极其严重的环境污染问题，对大气质量和人体健康具有严重的不良影响。由于煤炭在我国能源结构中占据主导地位，燃煤废气可能是导致灰霾污染的其中一个非常关键的影响因素。要进行大气污染防治，首先要对大气污染物的来源和致因机理进行研究。拟从系统方法论的新角度出发，以京津翼地区其中的代表城市天津为研究案例，探索将经典实用的事故树方法（FTA）应用在燃煤与灰霾的致因机理以及风险因子管理的新问题上。通过识别和辨明导致燃煤废气大量排放的直接和潜在原因，构建了“灰霾天气-燃煤废气过量排放”的事故树，基于最小割集、结构重要度、概率重要度以及临界重要度分析，定性、定量地评价了关键风险因子/事件对灰霾天气的贡献和影响。分析结果表明，能源结构不合理，没有合适可替代的清洁能源导致煤的大量燃烧是影响最大的关键风险因子。本工作可为灰霾天气的致因机理分析，风险因子防控以及管理提供一套科学有效的新思路和方法。

针对高炉炼铁是一个动态过程，具有大延迟，工况复杂的特性。采用LSTM-RNN模型进行硅含量预测，充分发挥了其处理时间序列时挖掘前后关联信息的优势。首先根据时间序列趋势及相关系数选择自变量，并采用复杂工况的实际生产数据进行验证。然后用程序自动求解最优参数进行硅含量预测。最后将LSTM-RNN模型与PLS模型及RNN模型的结果进行对比，验证该方法的优势。研究发现LSTM-RNN模型预测误差稳定，预测精度较高，比传统的统计学及神经网络方法取得了更好的预测精度。

国内首座炼焦烟气脱硫脱硝一体化装置运行过程机理复杂、受上游焦化工况影响导致入口烟气指标频繁波动、且过程未知干扰严重，难以采用传统建立精确的数学模型进行过程指标设定值的求解。为了解决这一问题，提出了一种基于案例推理技术的焦化烟气脱硝过程指标优化设定方法。同时，由于焦炉换向操作的存在使相关特征描述值剧变，传统案例重用方法中采用单一特征描述当前工况极有可能导致结果存在偏差，针对这一问题，提出一种基于主成分回归多案例融合的案例检索与重用方法。通过进行仿真计算及实际工业应用，表明所提方法可以根据不同工况特征获得合适的操作参数设定值，有效地将出口NO_x浓度控制在工艺要求的区间内，并能极大地降低装置运行能耗。

原料气中酸性气体与水等杂质的脱除净化是页岩气下游加工与利用的基础。应用化工流程模拟软件对页岩气脱酸与脱水流程进行模拟，旨为气体净化工业的实践提供理论与技术指导。在脱酸流程模拟中，采用灵敏度分析的方法讨论并优化了吸收剂再生进料位置、再生塔回流比等参数对脱酸流程的影响。脱水流程模拟中，提出了页岩气水含量与水露点的关联方法，为脱水标准的选取提供依据；采用汽提法解决了高浓度吸收剂的再生问题，使流程能够满足更高的脱水要求。

针对化工过程运行状态在线评估的问题，提出多数据空间全潜结构映射（multi-space total projection to latent structures，MsT-PLS）性能评估方法。该方法采用“离线建模，在线评估”的评估策略。首先对历史多数据输入空间进行全面分解，结合多数据空间基向量提取方法，剔除多数据输入空间中与质量变量无关信息的干扰。在与质量变量相关的多数据输入空间上，建立不同运行性能等级的离线数据网络分类模型，实现“离线建模”。“在线评估”阶段，以数据滑动时间窗为评估单元，将过程性能分为稳定和过渡性能等级，把在线数据与历史性能等级进行相似度匹配。利用过程变量相对贡献度，对性能变化起决定性影响的过程变量进行识别和贡献度分析，为系统性能劣化原因的识别提供了参考。最后，应用到乙烯裂解过程在线性能评估中，说明了本评估方法可以对系统进行准确的在线性能评估。

实际多周期换热网络的设计不但要满足多个离散周期的操作条件要求，还应该满足单个周期下的柔性要求，以补偿实际操作中单周期下可能出现的参数波动。而根据工程经验增加换热面积裕量和采用文献中的最大面积思想进行设计，都会造成多周期换热网络中换热面积的过度冗余，导致资源的浪费和投资成本的增加。针对以上问题，在综合考虑多周期操作条件要求和单周期柔性要求的基础上，提出了一种控制面积冗余的多周期换热网络设计方法。该方法首先在单周期换热网络集成的基础上获取一个初始的多周期换热网络设计方案。然后以此方案为基础，构建一个基于单周期换热网络模型和柔性分析模型的换热网络修正模型，并通过求解该模型获得初始多周期换热网络在各周期下的最优修正方案。通过综合初始多周期换热网络设计和修正方案，即可完成最终的多周期换热网络设计。最后，通过将所得多周期换热网络与文献中所得结果进行对比，验证了方法的有效性。

反应器的设计通常只能以实验室实验数据或者经验规则作为标准，特别是对于复杂的化学反应。由于缺少一个合适的模型进行模拟、预测，很难确定该反应系统的最优条件，导致生产成本增高或者理想产物产量降低。为实现反应系统的优化，需要建立一个能够准确模拟、预测反应系统的模型。介绍了一种确定可行反应网络的代数分析建模方法，从原子层面出发探究复杂反应中所涉及的物质之间的关系，基于原子矩阵的转换寻找所有可行的反应步骤，建立可行的反应网络。通过Aspen Plus建立反应模型，模拟分析选择最适合的复杂反应系统的模型。分析结果与模型指导下的实验相结合，可达到对复杂反应系统进行优化设计、模拟预测乃至控制反应进行方向的目的。根据该建模方法对煤汽化反应系统进行了优化。

在氢网络中，氢源氢阱通常连接于同一个耗氢反应器，为耦合源阱；反应器操作参数的改变影响该耦合源阱参数。在同一个氢网络中可能存在多对耦合源阱，考虑多对耦合源阱的氢网络优化能够进一步为炼厂降低氢耗，提高经济效益。通过分析氢网络的公用工程与多对耦合源阱的关系，推导确定了公用工程迁量与反应器耗氢以及耦合源阱之间的方程。据此建立了耗氢反应器参数和氢网络图像集成优化方法。案例研究表明，该方法简单、容易理解，能够直观给出公用工程迁量与反应器进口温度之间的关系。

晶体的颗粒尺寸分布和形状是结晶产品的两个关键质量指标，不仅影响结晶产品的性质，还影响下游的过滤、干燥及运输存储等过程。利用超声粒度分析仪、衰减全反射傅里叶红外光谱仪、浊度仪与二维成像系统等分析仪器在线测量了不同搅拌速率和不同降温速率下阿司匹林乙醇溶液结晶过程中温度、浓度、颗粒尺寸分布和形状的变化情况。实验结果表明：较低的降温速率或者较大的搅拌速率条件下得到含有大量细晶的阿司匹林结晶产品；较高的降温速率下得到长宽比较大的阿司匹林结晶产品。调节降温速率和搅拌速率是一种有效控制阿司匹林结晶产品尺寸分布与形状的方法。

乙烯作为化工生产的重要原材料，需求量持续增加，但它也是高能耗产业，其生产运行状态直接关系到能效的高低，进而影响企业的经济效益。因此，乙烯生产运行工况的智能识别对节能降耗意义重大。针对直接影响乙烯生产过程能效水平的异常工况智能识别问题，以能够反映乙烯生产能效与能耗的关键指标——乙烯收率、丙烯收率及综合能耗为基础，使用IPSO优化SVM-BOXPLOT的方法对乙烯生产过程进行异常工况智能识别。通过机理分析与数据分析相结合的方法对监测数据降维，用SVM对生产数据进行工况分类，缩小异常识别范围，最后用BOXPLOT进行异常工况识别。将其与在线监测系统相结合应用于某石化企业生产中，所提出的异常工况监测与诊断方案模型精度更高，收敛速度更快，既实现了乙烯生产过程异常工况的监测与诊断，又满足了实际运行工况的工艺要求，保证了异常识别的实时性、准确性。

针对现有工业过程非平稳时间序列中的特征提取及预测问题，提出了基于快速集合经验模态分解（fast ensemble empirical mode decomposition，FEEMD）、近似熵（approximate entropy，AE）和反馈极限学习机（feedback extreme learning machine，FELM）的组合模型。首先，针对复杂非平稳时序数据，采用FEEMD方法将其分解为从高频到低频的相对平稳的本征模态函数分量和余项；其次，为解决经过FEEMD分解出来的分量复杂度问题，运用近似熵（AE）计算分量复杂度并进行特征重构，以降低分量复杂性；然后，基于传统ELM结构，通过引入反馈机制，在输出层与隐含层之间增加反馈层用来记忆隐含层输出数据，并计算数据趋势变化率动态更新反馈层输出，形成反馈极限学习机（FELM），对非线性动态系统的下一时刻输出进行预测；最后，将所提出的组合预测模型通过UCI标准数据集与精对苯二甲酸（PTA）溶剂系统进行建模仿真，仿真结果表明，提出的组合模型预测方法能够得到较高的预测精度，为实际生产操作优化提供了一定的指导。

传统的解耦控制方法由于其过于依赖模型辨识等问题难以被实际应用，且存在成熟系统不宜进行控制器再设计等问题，此外，回路解耦控制的专家经验难以提取与传承。因此以等效传函理论为研究基础，提出了一种面向解耦问题的基于序列决策的PID参数整定方法，提取历史数据中经验丰富的操作人员的控制序列。在解决回路之间存在耦合而使控制效果不佳的问题的同时，使工程人员的PID参数整定经验数字化得以传承，辅助初级人员进行操作。最后将所提方法应用于Matlab和Aspen两个仿真平台的耦合回路系统，获得满意结果，并验证所提方法的有效性和正确性。

乙炔加氢反应器作为乙烯工业流程的重要环节，其运行会很大程度上影响到乙烯产品的产量和纯度。在一个运行周期内，乙炔加氢反应器内催化剂活性会随时间推移而缓慢降低，使操作点偏移，乙烯产量会随之降低。为了实现全周期操作优化，通过研究催化剂的失活机理，提出了考虑绿油累积效果的催化剂失活动力学模型，进而改进了乙炔加氢反应器二维非均相模型。通过在gPROMS平台模拟反应器全周期运行验证了改进模型的正确性，在上层运用Matlab优化器与gPROMS平台交互求解一个运行周期的操作优化问题。优化结果表明，与定值温度补偿方案相比，全周期操作优化在经济效益和反应器再生周期两方面都要优于定值温度补偿方案，且同时优化入口温度与入口加氢量的全周期操作优化方案具有更大的优势。

化工过程一般为多变量系统，输入输出变量之间往往存在耦合作用，常规分散PID控制系统难以保证控制质量。为了削弱多变量系统的耦合作用，基于对角优势的设计准则，通过在若干频率点加权优化，设计PID动态预补偿阵。然后利用正Nyquist阵列设计法对补偿后的系统设计控制器，基于对角优势系统的Nyquist稳定判据，通过绘制优势度曲线和Gershgorin带判断系统的优势程度，初步确定反馈矩阵的稳定参数范围，再按照单输入单输出系统设计动态补偿器，使得系统满足动态控制品质要求。最后通过示例说明，该方法设计的集中控制系统与分散控制相比，控制性能具有一定的优势，且方法简便，容易实现。

化工过程中的多变量系统变量之间往往存在耦合作用，在控制系统设计时一般将传递函数阵对角优势化，对角优势化后按多个单变量系统进行设计。由于传递函数逆阵的对角优势化更容易实现，本文采用伪对角化方法设计常数对角优势补偿阵实现传递函数逆阵的对角优势化，在一个或多个频率点上通过使开环传递函数逆阵每行的非对角项元素模平方之和最小，实现对角优势。然后，利用逆Nyquist阵列设计法对补偿后的系统设计控制器，基于逆Nyquist稳定判据，通过绘制优势度曲线和Gershgorin带判断系统的优势程度，根据Gershgorin带选定反馈矩阵的参数范围，按照单变量控制系统的方法设计动态补偿器，使系统满足动态控制品质的要求。最后通过3个示例说明本文的设计方法简便，且具有良好的控制性能。

作为一种经典的多元投影方法，主元分析（PCA）已在多变量统计过程监测领域得到了广泛应用。然而，传统的主元挑选方法往往选择方差较大的主元以表征建模样本中包含的较大信息量，但当过程信息发生变化时，方差较小的主元所表现出来的变异性可能更为明显，即包含的信息量更为丰富，也更有利于故障检出。为此，提出一种基于主元子空间富信息重构的过程监测方法（informative PCA，Info-PCA）。该方法通过计算过程数据在各主元方向上累积T²统计量的变化率，选择变化较为明显的主元以重构主元子空间。在此基础上，建立相应的统计监测模型。最后，通过实例验证该方法用于过程监测的可行性与有效性。

基于支持向量机（SVM）的软测量建模方法已经在工业过程控制领域得到广泛应用，然而传统支持向量机直接针对原始测量变量建立模型，未能充分挖掘数据的内在特征信息以提高预测精度。针对该问题，本文提出一种基于深度集成支持向量机（DESVM）的软测量建模方法。该方法首先利用深度置信网络（DBN）来对数据进行深层次的信息挖掘，提取出数据的内在特征，然后引入基于Bagging算法的集成学习策略，构建基于深度数据特征的集成支持向量机模型，以提升软测量预测模型的泛化能力。最后通过数值系统和真实工业数据对方法进行应用分析，结果表明本文提出的方法能够有效提升支持向量机软测量模型的预测精度，能够更好地预测过程质量指标的变化。

基于近似最小一乘准则和主成分分析，针对输入信号线性相关的多变量Hammerstein模型，进行了近似偏最小一乘非线性系统辨识算法的推导。本文算法用确定性可导函数近似代替残差绝对值，可以抑制满足SαS分布的尖峰噪声，且具有目标函数可导、计算简单的优点。同时，通过主成分分析去除非线性系统数据向量矩阵之间的相关性，可以得出模型参数的唯一解。仿真实验表明，本文算法可以对输入信号存在相关性的多变量Hammerstein模型进行直接辨识，抑制了尖峰噪声对辨识结果的影响，具有优良的稳健性。

为了及时处理复杂的路面信息，在安全的前提下提高危化品运输效率，提升危险化学品运输服务质量，引入交通服务水平对路段信息进行简便化处理，并提出了基于实时路面信息的危化品路径优化方法。首先，利用道路的历史信息进行初始路径规划；其次，在车辆行驶过程中实时更新其前方规划路段的道路服务水平，并进行局部路径更新，直至车辆到达终点，从而实现了危化品车辆运输路径全局规划与实时局部更新的结合。最后，将其应用于中国航油集团北京石油有限公司到中石油北苑加油站运输路线规划，验证了方法的可行性。

针铁矿沉铁过程是由多个连续反应器级联，并且包含氧化反应、还原反应以及中和反应等一系列复杂化学反应的复杂过程，具有强非线性、不确定性的特点，难以建立精确的数学模型。提出一种基于模糊灰色认知网络（fuzzy gray cognitive network，FGCN）的针铁矿沉铁过程的建模方法。根据专家经验和历史数据，建立针铁矿沉铁系统的模糊灰色认知网络模型，利用带终端约束的非线性Hebbian学习算法（nonlinear Hebbian learning，NHL）对权值进行学习。在不同程度的不确定性环境下对系统进行分析，结果表明模糊灰色认知网络能够在不确定性高的环境下对复杂工业系统进行有效模拟，收敛到一个灰度为零或者灰度很小的灰数平衡点，利用白化函数得到一个准确的控制输出。

针对复杂工业流程生产单元间变量存在多重时滞且检测困难，提出一种基于趋势相似度分析的多重时滞辨识方法。选取单元间相关性强的关键变量，利用多项式最小二乘拟合后的变量导数数据定义趋势相似度，以经采样时滞平移后的趋势相似度最小，描述多重时滞辨识问题；用L2范数量化趋势相似度向量，将多重时滞辨识问题转化成L2范数最小化问题；并用改进的自适应粒子群算法快速寻优，确定各变量的最优采样时滞。所提方法被应用于加氢裂化流程中，辨识出各变量的实际采样时滞，由此建立了基于局部加权核主元回归的柴油闪点预测模型。实验结果表明：考虑多重时滞的预测模型准确率提高了19.05%，验证了所提时滞辨识方法的有效性。

针对生物地理学优化（biogeography-based optimization，BBO）算法在寻优过程中容易陷入早熟的现象，提出了一种基于三维变异的生物地理学优化（three-dimensional variation biogeography-based optimization，Tdv-BBO）算法。该算法是在BBO算法的基础上，引入了三维变量的变异，解决了BBO算法后期搜索动力不足的问题，加快了BBO算法的寻优速度。同时，提出将改进的Tdv-BBO算法应用到正丁烷异构反应动力学模型的优化中，对反应动力学模型的参数进行了优化和整定。仿真实验表明：改进的Tdv-BBO算法提高了个体种群的多样性，增强了算法的搜索能力，加快了寻优速度。用该方法优化得到的反应动力学模型，模型精度较高，泛化能力强；可为正丁烷异构反应的建模提供一种有效的方法。

针对间歇过程基于主元相似度优化方法中存在的变量相关性信息损失问题，提出一种单位化隐变量空间下利用载荷余弦相似度进行递推优化的新策略。首先将各时段变量与指标变量构成的扩展矩阵进行主元分解，通过信息的重新分配使得由主元构成的隐变量空间是单位正交的，从而得到包含更多变量相关信息的非单位化载荷矩阵，进一步计算隐变量空间下各时段变量与指标变量之间载荷余弦相似度和批次间指标增量，并对操作曲线进行递推修正。这种非单位化载荷矩阵的主元分解形式，不仅降低了隐变量空间下变量相关性信息损失，也使得更新操作曲线的递推算法更为简化。最后，通过间歇过程某一化工产品结晶纯度的优化研究，验证了所提方法的有效性。

化工过程的故障发生往往都是一个变量带动多个变量的连锁效应。本文基于变量的相关性变化特点，用符号有向图SDG（signed directed graph）描述系统因果影响关系，以皮尔逊相关系数PCC（Pearson correlation coefficient）计算网络统计指标，提出了一种基于多层优化PCC-SDG的故障诊断方法。该方法基于全工艺的网络拓扑结构，首先对选取的变量进行初步优化。然后，为有效提取工艺特征信息，运用PCA（principal component analysis）权重思想从多层相关系数集中选取了权重较大的关键变量，结合SDG建立最优PCC-SDG网络。最后，针对最优PCC-SDG网络变量的相关性规律重构聚集权重系数Q，进行过程故障检测与诊断。TE（Tennessee Eastman）仿真过程的应用结果表明，PCC-SDG建模及故障诊断步骤较为简洁，可以充分挖掘SDG深层次关联特性，定量简化SDG的故障诊断效果明显，具有较好的过程监控优势。

针对城市污水处理过程溶解氧浓度难以精确控制的问题，提出了一种基于区间二型模糊神经网络（interval type-2 fuzzy neural networks，IT2FNN）的溶解氧浓度控制方法。先将IT2FNN应用在城市污水处理过程溶解氧浓度控制器的设计，获得了一种IT2FNN溶解氧浓度控制器。后采用自适应学习算法在线调整控制器的参数，提高了控制器的自适应能力。最后将提出的IT2FNN溶解氧浓度控制器应用于基准仿真2号模型（benchmark simulation model no.2，BSM2）平台，结果表明，IT2FNN控制器能够实现第5分区溶解氧浓度精确控制，具有较好的控制效果。

针对递归RBF神经网络结构难以自适应问题，提出一种基于递归正交最小二乘（recursive orthogonal least squares，ROLS）算法的结构设计方法。首先，利用ROLS算法来计算隐含层神经元的独立贡献度和损失函数，以此判断增加或归为不活跃组的神经元，同时调整神经网络的拓扑结构，并且利用奇异值分解（singular value decomposition，SVD）决定最佳的隐含层神经元个数，以此来删除不活跃组中相对不活跃的神经元，有效地解决了递归RBF神经网络结构冗余和难以自适应问题。其次，利用梯度下降算法更新递归RBF神经网络的参数来保证神经网络的精度。最后，通过对Mackey-Glass时间序列预测、非线性系统辨识和污水处理过程中关键水质参数动态建模，证明了该结构设计方法的可行性和有效性。

多向核独立成分分析（multiway kernel independent component analysis，MKICA）在监测间歇过程非高斯性和非线性方面取得了广泛应用，其仅仅是将线性独立成分分析（independent component analysis，ICA）方法利用核主成分分析（kernel principal component analysis，KPCA）白化扩展到非线性领域，但数据经KPCA白化后只考虑数据信息最大化未考虑数据簇结构信息的不足，为解决此问题，采用核熵成分分析（kernel entropy component analysis，KECA）代替KPCA白化的过程监测方法。该方法首先利用AT展开方法将过程三维数据变为二维数据；其次用KECA进行白化处理的同时解决数据的非线性；然后建立ICA监测模型用于非高斯生产过程监测；最后将该方法应用到青霉素发酵仿真和实际的工业过程并与MKICA方法进行对比，验证该方法的有效性。

钕铁硼生产企业的生产工单组炉问题是企业生产组织面临的首要问题，组炉结果的好坏直接影响企业的生产效率。本文基于生产工单组炉的实际需求，建立了组炉的目标、面临的约束和相应决策变量的数学模型。针对生产工单组炉的具体问题，提出了基于最佳优先和变邻域搜索的生产工单组炉算法。该算法有3个组成部分，分别是确定生产工单组炉顺序的多层快速排序算法，生产工单组炉的最佳优先和变邻域搜索算法，不同牌号库存备料生产的规则的启发式算法。采用本文的算法，针对20个甩带生产工单的组炉问题，生产工单组炉的交货期偏差、各订单加工的优先级偏差和不同订单的牌号偏差和由58降低到42，下降率为27.59%；牌号的备料达标率由4个上升为6个，提高率为50%。通过对40个生产工单的组炉结果与人工组炉结果的对比，发现组炉结果减少2个炉次。将本文算法与改进的离散粒子群算法，和声变邻域搜索算法和自适应变邻域搜索算法的对比分析，也表明了本文算法的有效性，证明了所建立数学模型的正确性。

近年来，以PM_2.5为主要污染物的重霾污染事件频频发生，给我国国民经济和居民健康造成了严重损失。在空气质量尚未得到根本性改善的情况下，对重霾污染的准确预警不仅能使公众合理回避污染危害，还能为政府实施应急管理提供时间裕量。针对影响PM_2.5浓度的前体物及气象因素的非高斯分布特点以及传统隐马尔可夫模型（hidden Markov model，HMM）必须已知隐含状态个数的缺点，采用广义隐马尔可夫模型（generalized hidden Markov model，GHMM）对北京市除去定陵外的11个国控站点2013年1月～2017年1月的PM_2.5浓度进行了预测。结果表明：GHMM对严重污染及以上PM_2.5样本浓度预测准确率显著高于传统连续HMM，但针对中度污染及以下PM_2.5样本浓度的预测准确率接近传统HMM。

针对海洋蛋白酶（marine protease，MP）发酵过程中某些关键参量难以在线检测，离线测量存在大滞后、易染菌的问题，提出了一种基于改进的粒子群-径向基神经网络（PSO-RBFNN）的MP发酵过程软测量建模方法。首先采用指数下降惯性权重（exponential decreasing inertia weight，EDIW）策略对粒子群算法进行改进，克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小，进化后期收敛速度慢以及全局搜索能力弱的缺点；然后，采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化，确定RBFNN拓扑结构；最后，根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明，EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右，模型预测精度提高了3%以上。

统计量模式分析（SPA）最近在故障检测领域取得了广泛应用，其实质是用数据的统计量矩阵来代替原始数据矩阵进行故障检测，然而其统计量的选取存在盲目性且各统计量之间存在复杂的非线性关联关系，难以满足后续应用主成分分析（PCA）完成故障检测所需的基本条件。为了解决这个问题，提出了基于最小充分统计量模式分析的故障检测方法（MSSPA）。该方法首先将原始数据矩阵进行正交变换以消除变量之间的关联性，然后估计出每个变量的概率密度函数或者多个变量的联合概率密度函数，进而求出原始数据的最小充分统计量，并用最小充分统计量来构造统计量矩阵。最小充分统计量的引入还能够有效应对数据的非高斯分布问题。最后，通过在TE过程上的仿真测试验证了该方法用于故障检测的可行性和有效性。

为了提高工业产品质量控制中表面缺陷检测的准确性和快速性，提出了一种基于机器视觉的工业产品表面缺陷快速检测方法。方法引用变异系数的概念，通过待检测图像和模板图像进行差运算得到差影图像，并通过计算其变异系数以确定阈值，利用分割定位缺陷，从而实现缺陷的快速检测。壁纸表面缺陷检测实验结果表明，本方法提高了图像检测系统的准确性和鲁棒性，误检率大大降低。

针对多工况条件下球磨机关键负荷参数测量面临的复杂性问题，提出基于流形正则化域适应（domain adaptation with manifold regularization，DAMR）湿式球磨机负荷参数软测量的方法。该方法首先采用集成流形约束、最大方差及最大均值差异寻找特征变换矩阵，然后，将源建模领域和未建模领域的特征信息投射到公共子空间，最后，在子空间建立模型得到球磨机关键负荷参数的预测值。实验结果表明该方法能以较高的精度实现未知工况下湿式球磨机关键负荷参数的预测，且该方法对于流程工业多工况软测量和过程监控研究有一定的参考价值。