为了满足市场竞争的需要,间歇过程作为一种古老的加工过程重新得到了人们的重视。间歇过程应用广泛,但自动化水平较低。分片线性(piecewise linear,PWL)模型是一种在定义域不同子区域内呈线性的非线性黑箱模型。本文将分片线性模型用于间歇过程建模,并在前人研究的基础上,提出了基于分片线性模型的批次间优化控制策略,同时根据间歇过程性质,对策略和分片线性建模方法进行了改进。针对间歇过程产品质量控制问题,本文提出了一种基于自适应链接超平面(adaptive hinging hyper planes,AHH)模型的批次间优化控制策略。AHH模型作为分片线性模型的一种被用于间歇过程黑箱建模。介绍了基于迭代学习控制思想的批次间优化控制策略,将AHH模型在策略中进行应用,并对提出的策略进行了收敛性分析。最后通过在一个典型间歇反应器上的仿真,验证了策略的有效性。针对多变量间歇过程的产品质量控制问题,本文提出了一种基于多入多出自适应链接超平面(multi-input multi-output adaptive hinging hyperplanes,MIMO-AHH)模型的批次间优化控制策略。对现有的AHH模型进行拓展,得到MIMO-AHH模型的训练算法。证明了MIMO-AHH模型具备一致逼近能力。借鉴模型预测控制(model predictive control,MPC)中反馈校正的思想,在批次轴上进行反馈校正,实现批次间优化控制。在苯乙烯聚合反应器上进行仿真,对策略进行验证。为了充分利用间歇过程的测量数据和降低测量噪声对批次间优化控制策略的影响,本文提出了基于带外部激励的非线性自回归(nonlinear auto regressive with exogenous inputs,NARX)模型结构和扩展卡尔曼滤波(extended Kalman filter,EKF)校正的批次间优化控制策略。用MIMO-AHH来建立NARX模型结构中的非线性映射,然后得到间歇过程的黑箱模型。利用间歇过程的重复性,在批次轴上引入EKF,实现基于EKF校正的批次间优化控制。最后在苯乙烯聚合反应器上进行仿真验证。