在成品汽油罐式在线调和生产中,精准、长效的高质量调和配方生成,是确保成品油质量且趋近卡边生产的基础。由于调和主料的原油产地和性质不同、罐底留存余油等引起的批次现象,使单一模型生成的配方难以满足生产期许。因此,本文受成品汽油罐式批次调和过程中提升一次调和率和卡边生产需求的驱动,围绕调和配方的集成建模与维护问题开展了较为系统的研究,主要工作如下:1)为解决汽油罐式在线调和中产品质量过剩、一次调和率较低等问题,通过对工艺机理和生产数据的深入分析,基于前期团队提出的保守与卡边融合的混合建模框架,提出了两类集成模型的建模方案。一是基于并联集成方式建立保守批次配方模型,确保一次成功调和率;二是基于串联集成方式将知识蒸馏思想植入卡边配方建模中,以趋近油品卡边生产;进而通过线性加权融合与在线维护策略形成混合配方模型,确保提升一次调和率的同时,趋近卡边生产。2)为解决罐式批次调和保守配方的精准建模问题,首先针对MKFCM算法在样本数据特征具有差异性时存在不易分类、核参数选取困难等缺陷,提出了一种自适应核参数计算方法,对其改进以提升批次数据分类精度;其次,为确保批次子模型的建模质量,通过对10种常用建模算法的批次子模型比对分析,筛选出性能最优的XGBoost用以建立批次子模型;最后基于改进MKFCM算法的隶属度矩阵值使子模型得以融合。经用工业数据实验验证,较单一模型,并联多个子批次的集成模型,可有效提高罐式批次调和保守配方模型精度。3)为解决小样本下卡边配方的精准建模问题,考虑迁移学习中知识蒸馏算法,可通过已有趋同模型学习提升小样本数据建模能力的优势,首先提出了一种基于知识蒸馏与XGBoost（K-XGBoost）串联集成的卡边配方建模方法;其次,针对K-XGBoost模型中参数难以优选的问题,利用粒子群算法（PSO）对相关参数进行优化,进而用于成品汽油罐式批次调和卡边配方的预测建模。仿真结果表明,与常用小样本PSO-LSSVM算法对比,二者均可用于卡边配方模型的建立,而PSO-K-XGBoost性能略胜一筹。4)基于上述保守和卡边两种配方模型,首先采用计算简单、便于在线维护的线性加权融合策略,对二者进行融合得到混合配方模型;同时为应对工业生产中的不确定因素,进一步给出了两种在线维护策略,一是在线权值修正的自适应算法;二是基于PSO优化的权值阶段性更新算法。实验结果表明,基于两种维护策略的混合配方模型,不仅有利于罐式批次调和汽油的高效能生产,且对工况变化等具有更强的鲁棒性。5)为将前述配方模型及维护策略应用于工程实际,首先对配方生成与维护系统进行了需求分析,并结合系统研发需要,论证确定了My SQL、Python及C#等技术及软件平台;接着依据前述混合建模方案、在线维护策略,设计开发了具有系统登陆、配方预测、配方数据查看、配方维护、录入配方数据、报警与事件记录、用户管理等功能模块的汽油调和配方管理系统。测试结果表明,系统各功能均达到了预期目标,为下一步的工程应用进行了有益的技术探索。