在生产过程控制中,被控对象常常具有非线性、时滞、时变、环境扰动、多变量耦合等特性,对于具有非线性、时滞等特性的复杂系统,如何实现系统的最优控制,一直是控制领域的研究热点。非线性、时滞等特性的复杂过程有一个共同特点,都是难以对其建立精准的数学模型,一些基于经典控制理论和现代控制理论的控制策略和方法难以适用,系统在稳定性方面存在的问题也无法通过控制理论中的稳定性判据来进行分析和解决,控制品质因此受到严重影响。针对复杂过程中流量调节的控制需求,本文以pH值过程控制为研究对象,分析pH值过程控制中的关键参数阀门开度经验值的变化特点,同时,对自适应增量学习（Ada Boost）方法的基本原理进行了深入研究。在此基础上,通过对人工控制pH值的决策思维过程进行归纳、分析和总结,将自适应增量学习方法的基本思想与人工控制pH值的专家经验结合起来,创新性地提出了一种阀门开度经验值的自适应学习方法。有效解决了同类系统中采用固定不变的阀门开度经验值带来的适应性差、控制波动大以及缺乏学习能力等问题。本文通过设计的系统硬件平台,实时采集pH值及阀门开度运行轨迹,对阀门开度运行轨迹数据进行滤波预处理,在此基础上,完成自适应学习方法的设计,其中包括基于权值相同的数据驱动学习算法和基于权值变化的数据驱动学习算法,通过设计的自适应学习方法对阀门开度运行轨迹进行跟踪和学习,从而有效预测出下一个控制阶段阀门的开度经验值。最后在软硬件平台上进行模拟测试,将具有阀门开度经验值学习功能的自适应系统与同类pH值控制系统进行实验对比,实验结果表明,具有阀门开度经验值学习功能的自适应系统在稳态误差和控制效果上均优于同类pH值控制系统,验证了自适应学习方法的有效性和可行性。自适应学习方法设计和调整直观,减小了系统的稳态误差,动态响应好,有效提高了pH值控制系统性能和自动化水平,具有较好的稳定性和可移植性。