工业过程控制是通过对生产过程的描述、仿真、设计、控制和管理等方面问题的研究,以改善工艺操作、提高自动化水平、优化生产过程、加强生产管理为手段,最终达到提高生产效益、降低能源损耗、控制有害物排放等目标。目前,随着过程控制技术、计算机技术和其它相关技术的飞速发展,使我们更广泛地获得了过程中产生的大量数据。如果能有效地分析这些信息,就能为我们进一步控制目标的实现提供有益帮助。同时也存在过程变量众多、且具有高度非线性和时变性等难以克服的困难。本文以多变量统计过程控制和数据挖掘为理论,深入地研究了基于部分最小二乘(PLS)和相关方法,并将该方法引入到热工过程控制软测量建模及自适应控制中。论文的主要工作内容和研究成果包括:将PLS算法和多元回归以及主元回归方法进行比较,验证了当数据存在相关性时,PLS算法和主元回归能够很好地解决相关性问题,然后通过一个简单的例子进行了验证。并进一步概要地推导出PLS算法具有更好的拟合性能的结论。研究了递推PLS及其改进算法。以高斯核函数来处理数据的非线性,用聚类方法来自动选择高斯函数的参数,采用递推PLS来调整和更新模型。这样得到的模型即具有较好的非线性处理能力,又能随着工况的改变更新模型以适应过程的变化。针对火电厂辐射受热面污染形成机理不明晰、非线性强且有较大的时间间隔等难题,应用所提出的算法建立电站辐射受热面污染预测模型,并且通过实验检验了模型的有效性。在递推PLS的基础上引入折息因子,得到了折息递推最小二乘算法(DRPLS)。并进一步与动态矩阵预测控制算法相结合,提出基于折息递推最小二乘的自适应控制算法。因为受各种因素影响,模型参数是时变的,通过DRPLS,对模型进行修正可以提高其精度。并应用该方法对某电厂主汽温控制进行了仿真试验,取得了较好的效果。基于Mercer理论对核偏PLS引进了支持向量机来处理内部非线性问题。这样不仅考虑了数据外部的非线性关系,也考虑了输入和输出之间内部的非线性关系,从而使所提出的算法较之一般的非线性PLS算法有更强的非线性处理能力。将该方法应用于火电厂烟气飞灰含碳量软测量模型的建立,并通过实验验证了该算法具有较好的实用价值。