阳极焙烧温度系统是一个含有耦合、大时滞、非线性的多变量控制系统。为了实现对火道温度的精确控制,首先要解决的是系统模型的准确性问题,与传统的系统辨识方法相比,本文采用了粒子群优化算法的智能辨识方法。然后要解决的问题是阳极焙烧温度系统的火道温度之间的耦合,以粒子群优化算法(Particle Swarm Optimization)辨识出来的模型为初始预测模型,提出阳极焙烧温度的多变量预测函数解耦控制方法。将粒子群优化算法应用在阳极焙烧温度系统的模型辨识、参数优化中,依据在现场采集的大量温度数据,辨识出阳极焙烧炉温度的二阶惯性滞后控制模型。该方法将系统辨识问题转化为参数空间寻优问题,利用粒子群优化算法在寻优过程中有效的避免局部最优,在整个参数空间内并行寻找,从而获得阳极焙烧温度系统的最优解。通过在真空冷冻干燥设备和阳极焙烧温度系统中的仿真和试验表明,粒子群优化算法在辨识模型参数上有一定的优越性,它最具吸引力的特征是简单容易实现和更强的全局优化能力。多变量预测函数解耦控制方法主要是利用PFC的技术特点,将多变量系统的解耦控制问题化简为若干个单变量系统的预测函数控制来预测各个模型的输出值。该控制方法主要是以牺牲总体性能为代价,采取分散智能优化策略代替整体的优化策略,跟踪参考轨迹,寻找一组基函数加权系数,得到一个解析的解耦控制量计算方程,从而将一个多变量系统化简为多个单变量的子系统,也就解决了复杂多变量控制系统的耦合问题。阳极焙烧温度系统是一个9维的多变量控制系统,且火道之间存在着耦合,考虑相邻两个火道之间的主要耦合,应用多变量的预测函数控制解耦方法,通过仿真及运行的结果可以表明,多变量的预测函数解耦控制效果明显优于传统的PID控制,提高了控制系统的稳定性和鲁棒性。基于本文控制方法的阳极焙烧温度解耦控制,能够很好的实现火道温度的精确跟踪控制。