近年来,间歇过程助力工业发展迈向更高水平,已经成为构建现代化产业链体系的重要一环。同时,对其控制问题的研究也取得了巨大的成就。在间歇过程的控制技术中,时滞、输入和输出约束以及扰动的存在对系统的稳定运行和控制性能都有着很大的影响。因此,如何提高系统在时滞、输入输出约束以及扰动情况下的稳定性并改善系统的控制性能已变成系统能够安全运行的重要保障。本论文的核心内容如下:第二章旨在针对间歇过程中存在的状态时滞,输入输出约束以及不确定扰动,提出了一种带有状态时滞的间歇过程2D迭代学习预测控制方法。首先,根据给定的间歇过程并结合2D系统理论以及迭代学习控制律,将原系统模型转化为等价的2D-FM闭环系统模型。同时,引入含有终端约束的优化性能指标并设计更新律,使目标函数在输入输出约束下达到最小上界值。采用的鲁棒约束集,能使系统状态收敛到该约束集,满足其期望值。进而,将无穷时域优化问题转变成具有线性矩阵不等式(LMI)输入输出约束的凸优化问题,以LMI的形式给出能够确保模型预测控制(MPC)问题可解的充分条件。最后,通过搅拌釜的仿真与分析,所提出方法的有效性和优越性可以得到证明。最后,通过反应釜的建模与仿真,证明了上述方法确实是切实可行的。第三章旨在针对间歇过程中的状态时滞、输入输出约束、不确定性以及多阶段特性,提出了一种带有状态时滞的多阶段间歇过程2D迭代学习预测控制方法。首先,通过引入状态误差和系统输出跟踪误差,将已建立的系统模型转化为等价的2D-FM切换系统模型。根据转化的等价模型,将迭代学习控制和模型预测控制相结合,设计二维迭代预测跟踪控制器。设计了相应的切换信号,利用平均驻留时间法获得每一阶段的最小运行时间并给出鲁棒混杂2D迭代学习预测控制器的时滞依赖充分条件。此外,引入含有终端约束的优化性能指标,设计更新律,给出系统在输入输出约束下性能指标的最优上界值。设计的控制律不仅使闭环系统达到稳定,而且能够确保闭环系统的H_?性能。采用的鲁棒约束集,能克服传统渐近稳定性涉及扰动时不能收敛到原点的缺点,使系统状态收敛到期望值。最后,通过建模与仿真证明了上述策略的优越性。第四章旨在针对间歇过程的状态时滞、输入输出约束、内部和外部干扰以及系统的强非线性,提出了一种带有状态时滞的非线性间歇过程2D迭代学习预测控制方法。首先,通过模糊控制理论,建立二维T-S模糊模型,进一步结合系统状态误差和输出跟踪误差,用Roesser模型将原系统状态空间模型转化为等价以预测形式表示的闭环系统模型。同时,引入含有终端约束的优化性能指标并设计预测更新律,使目标函数能够在输入输出约束下达到最小上界值。采用的鲁棒约束集,能够让系统状态收敛到这个约束集,使之更好地满足系统期望值。然后,将无穷时域优化问题转变成具有LMI输入输出约束的凸优化问题,以LMI的形式给出能够确保MPC问题可解的模糊预测更新律的存在条件。最后,通过MATLAB的仿真结果,表明了上述方案确实是行之有效的。