随着科学技术和现代工业生产的不断发展，在实际的工业生产过程中遇到的受控对象越来越复杂，主要表现在以下几个方面：多输入多输出、时滞、时变性、非线性、耦合，而且系统和周围环境具有许多不确定和未知的因素，这些因素也会对控制产生无法预料的影响。面对如此复杂的系统，由于无法获得精确的数学模型，使得传统的控制理论很难获得比较好的控制效果。而模糊控制是一种不依赖于数学模型的智能控制方法，在面对非线性等控制问题时能取得更好的效果，但是它的模糊控制稳态性能较差并且缺乏系统的参数设计方法从而限制了它的应用，本文将传统的PID控制器和模糊控制结合起来，采用自适应模糊PID控制取得了良好的控制效果。此外，针对模糊控制器稳态性能较差的问题，讨论了几种模糊控制器并联积分的方法，提出了一种采用智能积分器的方案，仿真结果显示能够比较好地克服传统模糊控制器的缺点。微粒群算法(Particle Swarm Optimization)是近几年出现的一种新型的群体智能随机优化算法，该算法与传统算法相比有较高的收敛速度和计算速度，可以高效、并行在搜索空间寻找全局最优解，适合于求解非线性、不可微和多峰值的复杂优化问题。针对传统PID整定方法效率不高，无法获得好的控制参数的问题，本文提出了采用微粒群算法来整定PID控制器参数并获得了良好的控制效果。本文的选题以某大型石化公司60万吨乙烯控制系统的改扩建项目为背景，选取聚丙烯装置为控制对象。由于聚丙烯是的生产过程具有非常复杂、大滞后、非线性严重的特点，需要控制的变量很多，常规的控制方法如单回路控制和串级控制无法进行有效的控制来保证产品的质量。针对以上的问题，本文结合Emerson DeltaV控制系统，在理论上作了深入的分析研究，并结合实际的工程应用问题，探讨了将模糊控制和微粒群算法应用到实际工业生产中的方法，主要做了如下的工作：1．总结回顾了模糊控制理论的产生、发展和现状以及最新的研究状况，讨论了模糊控制技术发展面临的几个问题，并对微粒群算法的发展作了概述。2．深入研究了聚丙烯的生产工艺流程，分析了控制方法及控制难点，确定了控制方案。3．全面分析了基于DeltaV系统的聚丙烯装置的控制系统架构，工作站和控制器的配置，网络连接和数据库组态等内容。4．介绍了模糊控制的基本原理，针对聚丙烯装置的控制难点，将模糊控制与PID技术相结合，提出了一种模糊自适应PID控制器，利用Matlab仿真结果表明其稳定性好，稳态误差小，适应能力强。5．针对常规模糊控制存在稳态误差的问题，提出在模糊控制器中加入积分器，对三种常用方法进行了分析和推导，并对并联智能积分器的模糊控制器进行了仿真实验，结果显示系统性能优于常规模糊控制器。6．针对DeltaV系统中PID参数需要人工整定，控制效果不佳和效率低的问题，提出了用PSO来对PID参数进行寻优的方法，仿真结果表明优化后的PID上升速度快，稳态精度高，加入超调惩罚因子后无超调。7．详细介绍了COM技术，并举例说明其在Matlab中与VC++相结合的具体实现方法。