聚酯纤维作为一种由多元醇和多元酸经酯化和缩聚反应而成的高分子材料,在物理、化学、机械性能方面都尤为出众。因此聚酯纤维迅速成为众多人造纤维中产量最大的一种,也使得聚酯工业在短时间内上升到与民生国计息息相关的产业。聚酯纤维在抗皱和保型方面具有良好的性能,因此被广泛应用在服装,电子,建筑等国民经济的各个方面。然而,由于复杂的反应及处理过程,聚酯纤维从原料的制备到生产工艺是一个极为复杂的生产过程。因此,要对现有生产工艺可以提升的方面进行技术改造,建立一个反映生产过程的精准模型并对其进行控制显得尤为重要。对现有工艺流程进行技术改造、降低生产成本、提高产品质量是当前聚酯行业进一步健康发展的主要措施。本文的主要贡献如下:(1)从数据驱动控制-无模型自适应控制(MFAC)入手,采用免疫优化算法对其四个控制律参数进行优化,减小人为设定参数对控制效果造成的影响。确定了以ITAE为基础的加权性能指标,通过调整不同的权值大小达到改善系统响应速度和减小超调等功能,成功地将MFAC的控制过程从原先需要手动调整四个参数,简化为只需要调节一个权值即可实现不同控制性能的方法。(2)对MFAC的控制律四参数协同调整的实验,反映出对四个参数同时进行优化的思路并不能兼顾超调量和系统响应速度这两个性能指标;同时也反映出控制性能对其中两个参数灵敏度很低。因此本文对灵敏度高的另外两个参数,由高到低排序分别进行自适应改造和分级改造。基于神经内分泌免疫系统的激素反馈调节机制对MFAC控制器的参数进行自适应改进,使得前一时刻的误差信息能够影响到当前时刻控制参数的整定,实时调整控制参数的大小。实验表明PMFAC方法中系统根据控制误差自适应地调整参数,无需手动调整,减少了人为因素的影响。期间即使控制对象改变,系统也能相应地自动调整控制参数实现对象的实时跟踪控制。(3)针对聚酯纤维纺丝过程等多输入多输出的复杂系统,采用ELM学习算法对已有的部分聚酯纤维纺丝过程的影响因素和性能指标建立数据模型,以代替复杂的机理建模过程。然后采用预测得到的数据模型产生生产过程中的输入输出数据,对表征聚酯纤维纺丝过程的多输入多输出系统进行无模型自适应控制。最后,针对本文所研究的内容,探讨了研究中可优化的方面,并就此提出新的研究内容。