随着现代社会飞速的发展,工业过程的不断复杂化,在实际应用中出现的被控对象规模也越来越大,因此导致系统模型和控制器的阶数也越来越高,这也造成了计算难度的加大以及控制成本的增加。因此模型降阶理论和控制器设计两个方面一直都是热门研究领域,尽管近些年国内外很多研究学者在这两方面做了很多贡献,即通过对实际过程中存在的难以控制的高阶对象进行降阶处理,以简单的低阶模型来替代实际高阶对象,从而降低设计控制器的难度,提高控制效果和精度。但是在已有的成果中还有我们可以去进一步探索的领域。本文在总结前人工作的基础上,主要就实际过程中一类多等容惯性过程(Multi-Volume Processes,以下简称MVP)的模型降阶和控制器设计做了进一步的研究。研究的内容主要包括以下两个方面:在模型降阶问题上,本文主要是将阶次n=2~15的多等容过程分别降阶为一阶惯性加纯迟延(First Order Plus Dead Time,以下简称FOPDT)模型和二阶惯性模型,并分别给出了等价的通用公式。降阶方法为标准粒子群优化算法(Particle Swarm Optimization,以下简称PSO算法),优化目标函数为时间与绝对误差乘积积分(the integral of the time weighted absolute error,以下简称ITAE),避免了复杂的计算,同时也保证了系统的稳定性。在控制器设计方面,则是先通过降阶模型获得较好的控制器参数,再将控制器参数用于整定实际对应的高阶多等容过程,观测控制品质指标和输出曲线。文中不仅将本文提出的FOPDT模型和其他文献中的FOPDT模型就多等容过程的控制器整定效果进行了横向对比,同时也和二阶惯性模型的控制器整定结果进行了纵向的对比,对比结果皆表明本文所提出的FOPDT降阶模型在针对高阶多等容过程参数整定中有着较好的效果。