化学机械制浆中,高浓磨浆是制浆生产过程极为重要的生产单元,其运行性能及其输出纤维形态分布(如纤维长度的概率密度函数PDF形状)的特性直接影响后续造纸环节的功率消耗及产品质量。然而纤维束经过磨盘的挤压和帚化等一系列复杂的受力作用及其本身的物理特性,致使盘磨机输出纤维形态分具有非高斯随机分布特性,导致难以采用常规机理方法建立有效的磨浆过程纤维形态分布PDF模型,以及在此基础上的输出纤维形态PDF控制。因此急需研究针对高浓磨浆系统纤维形态分布PDF的建模和控制方法。解决化学机械制浆过程节能降耗和运行优化问题。另一方面,对于具有非高斯随机分布特性的动态系统建模与控制,随机分布控制理论是一种有效的解决手段,其核心在于对系统输出变量的PDF形状进行控制。本文针对上述实际工程问题,依托国家自然科学重点项目(61333007)和面上项目(614730646),基于随机分布控制理论,开展高浓磨浆系统输出纤维形态分布PDF的一系列建模与控制研究。本文主要工作如下:(1)首先介绍了化学机械制浆的生产工艺流程,重点对被控对象高浓磨随机动态系统进行了过程变量和动态特性分析,以纤维形态分布PDF作为系统的输出。基于有界随机分布系统输出概率密度函数瞬时逼近原理和B样条神经元网络,对高浓磨随机动态系统输出纤维形态分布PDF进行平方根逼近和权值解耦。(2)在建模方面,基于B样条基函数逼近系统输出PDF原理,首先借助小波神经网络强大的非线性逼近能力和自适应容错能力建立了基于小波神经网络与随机分布的高浓磨主要输入变量与输出纤维形态分布PDF对应权值的非线性关系模型。仿真试验显示了所提出的建模方法针对非高斯随机系统的有效性。然后运用子空间辨识建立了高浓磨输入变量与输出PDF对应权值的状态空间模型,为后续的纤维形态分布PDF控制提供模型基础。(3)在控制方面,首先设计了基于范数优化的随机分布系统输出PDF迭代学习控制算法,并将其具体应用在高浓磨随机动态系统模型中,通过最小化范数性能指标,逐代修正系统控制输入量,为加快反映引入自适应迭代学习律,最终达到对目标纤维形态分布PDF的跟踪。最后通过仿真试验验证了算法的有效性。(4)为了将上述控制算法进行拓展深入,在建立的线性高浓磨系统子空间模型基础上加入非线性、状态扰动和输出扰动项。将基于遗传算法与范数优化的鲁棒迭代学习控制算法应用于非线性随机分布系统输出PDF控制,分析了算法在非线性高浓磨随机动态系统模型中的控制策略。并分别对输出纤维形态分布PDF为恒定值和随动值两种情况进行跟踪。仿真试验显示了算法的准确性和有效性。