化工过程的建模和控制是过程控制领域的研究热点和难点,由于化工过程通常存在很强的时变性和非线性,很难建立准确的机理模型,而对过程的温度、浓度、平均分子量等指标的精确控制影响着产品的产量和质量,具有很强的理论及实际研究价值。预测控制作为一种在实际生产中发展起来的控制方法,已得到了广泛的应用。但传统的预测控制方法都是基于线性模型实现的,而对于具有强非线性的化工过程,线性模型预测控制难以取得满意的控制效果,因此需要进一步研究基于非线性模型的预测控制方法。本文以典型的连续化工生产过程如一阶连续搅拌反应釜、pH中和过程、MMA聚合反应、生物反应器等为对象,依据过程的输入输出数据建立辨识模型来描述系统的动态特性,并基于所得模型设计非线性预测控制器。同时,结合智能优化算法研究有约束非线性预测控制的控制律求解问题。论文的研究内容主要包括以下几个方面:1.以一阶连续搅拌反应釜为研究对象,分析其模型的阶跃响应特性和稳定性。将CSTR的机理模型辨识成为LSSVM-ARX结构的Hammerstein模型,并与采用多项式函数结构的Hammerstein模型比较辨识效果。基于辨识所得模型,提出相应的非线性预测控制算法,给出了预测控制律的求解及非线性环节逆模型的构造方法。将该方法用于CSTR的反应物浓度控制中,并与基于多项式函数的Hammerstein模型预测控制以及PI控制器仿真比较其效果。2.提出了一种辨识Wiener模型的新方法,采用Laguerre正交函数描述模型的线性环节,采用最小二乘支持向量机描述其非线性环节。给出了模型的结构和辨识的具体步骤,并将该方法推广到多输入多输出Wiener模型的辨识中。将所提方法分别针对SISO和MIMO情况进行仿真验证,并与基于多项式函数的Laguerre-Wiener模型比较辨识效果。3.将线性环节为Laguerre函数的Wiener模型用于pH中和过程的辨识及预测控制。将过程的机理模型分别辨识为Laguerre-LSSVM结构的Wiener模型、Laguerre-SVR结构的Wiener模型、Laguerre-多项式结构的Wiener模型和线性Laguerre模型,比较各模型的辨识效果,分别基于得到的四种模型对pH中和过程实施有约束预测控制,利用SQP算法求解控制律。4.以MMA聚合反应为对象,研究基于高斯过程的模型辨识及非线性预测控制。分别针对不同的模型延迟分析高斯过程的动态建模效果,比较其计算时间和预测性能,选择最为合适的延迟建立最终的高斯模型,输出其模型预测结果。将辨识得到的高斯过程模型作为预测模型,构建非线性预测控制算法,并用于MMA聚合过程数均分子量的跟踪控制。5.针对基本粒子群算法容易出现“早熟”收敛的缺点,提出一种改进的混合遗传粒子群算法,在基本算法的迭代中引入淘汰机制,将满足淘汰条件的粒子与适应度最优的粒子进行多后代择优交叉和一定概率的变异,以期得到适应度更优的新粒子代替被淘汰粒子,从而提高算法的全局寻优能力。将混合遗传粒子群算法用于有约束线性广义预测控制的控制律求解中,仿真验证其有效性。在此基础上,提出了一种基于NARIMAX模型的有约束非线性广义预测控制方法,给出了非线性广义预测控制的参数在线辨识方法和基于混合遗传粒子群算法的控制量求解步骤,并用于开环不稳定生物反应器的控制。