工业生产过程控制中的被控对象往往是多输入多输出系统。对于一些多变量工业过程采用分散控制将其化成单回路系统，采用多个单回路控制器进行控制可以取得满意的控制效果。然而，对于具有多变量强耦合强非线性的工业过程，特别是对于一类具有多变量强耦合、强非线性和动态特性随运行条件变化的复杂工业过程，即使采用合理的变量配对，将其化成单回路系统，采用单回路控制器也难以取得令人满意的控制效果。例如，在我国燃煤火力发电厂中广泛采用的将原煤研磨成煤粉的钢球磨煤机制粉系统，磨煤机出口温度、入口负压和进出口差压相互耦合，其动态特性随原煤水分等运行条件的变化而变化，长期以来，采用分散控制设计的单回路控制器组成的控制系统不能投入自动运行，只能靠人工控制，造成超温、堵磨和喷粉事故的发生。因此，强耦合强非线性系统的解耦控制，特别是强耦合强非线性且动态特性随运行条件变化的复杂工业过程的解耦控制，成为过程控制亟待解决的关键问题。　　本文在国家重点基础研究发展计划(973)课题“复杂工业生产过程实时智能控制理论与算法研究”(2002CB312201)的支持下，开展了多变量非线性系统的解耦控制方法的研究。并以钢球磨煤机制粉系统作为一类具有多变量强耦合强非线性且动态特性随运行条件变化的复杂工业过程的典型实例，依托东北大学“985工程”流程工业综合自动化科技创新平台，设计与开发了钢球磨煤机制粉系统智能解耦控制的半实物仿真系统，并在仿真系统上验证了所提出控制方法的有效性以及可实现性。本文的主要工作归纳如下:　　(1)针对一类多变量非仿射非线性系统，将加权一步超前开环解耦控制器与自适应神经网络控制项相结合，提出了基于神经网络的多变量非线性系统解耦控制方法。当上述非线性系统未知时，提出了基于神经网络的多变量非线性自适应控制方法。证明了上述两种控制方法均能在保证闭环系统稳定的同时，保证闭环系统的跟踪误差收敛。并通过仿真验证了控制方法的有效性。　　(2)针对一类具有多变量强耦合强非线性且动态特性随运行条件变化的复杂工业过程，采用解耦补偿器处理被控对象中的耦合影响，采用神经网络补偿非线性项对闭环系统的影响，采用多个控制器之间的合理切换来处理动态特性变化的影响，提出了基于神经网络和多模型的多变量非线性解耦控制方法。并给出了上述控制方法的闭环稳定性和收敛性分析，通过仿真验证了所提出方法的有效性。　　(3)针对上述被控对象，以增量式数字PID控制器为基础，提出了易于工业现场实现的基于神经网络和多模型的多变量非线性解耦PID控制方法，分析了闭环系统的稳定性和收敛性，并通过仿真验证了该方法的有效性。当上述被控对象参数未知时，将自适应辨识算法与非线性解耦PID控制器相结合，提出了由线性自适应解耦PID控制器、多个神经网络非线性自适应解耦PID控制器和切换机构组成的多变量非线性自适应解耦PID控制方法。分析了闭环系统的稳定性和收敛性，并通过仿真验证了该方法的有效性。　　(4)建立了钢球磨煤机制粉系统的动态模型，并对制粉系统进行了动态特性分析。分析结果表明:钢球磨煤机制粉系统具有多变量、强耦合、强非线性、动态特性随运行条件变化等综合复杂性，难以采用已有的控制方法进行有效控制。　　(5)采用钢球磨煤机制粉系统的动态模型，开发了虚拟钢球磨煤机制粉系统仿真对象。采用所提出的基于神经网络和多模型的多变量非线性解耦PID控制方法、基于神经网络和多模型的多变量非线性自适应解耦PID控制方法，设计与开发了基于神经网络和多模型的制粉系统解耦PID控制软件和自适应解耦PID控制软件。并搭建了由DCS控制系统、仪表与执行机构的虚拟装置和模拟现场制粉系统的对象计算机组成的半实物仿真系统。在仿真系统上开展了基于神经网络和多模型的制粉系统解耦PID控制实验和自适应解耦PID控制实验，验证了所提出解耦控制方法的有效性和工程上的可实现性。