热工对象多是大惯性、非线性、耦合性非常强的复杂多变量系统,多年来,对热工对象的建模和控制一直是研究的热点。基于现场数据的建模以及先进控制更是具有非常重要的理论意义及实际价值。本文主要对热工多变量系统基于现场数据的模型辨识方法以及先进控制策略进行研究。其中,模型辨识部分,针对热工多变量系统的主要模型类型,研究了对输入输出模型的辨识方法和对状态空间模型的辨识方法;先进控制策略部分,考虑到工程实际存在的物理约束,主要对预测控制算法进行了研究,对不同的被控对象和控制目标,设计不同的预测控制算法。最后,将这些辨识方法以及先进控制策略应用于火电机组协调系统和有机朗肯循环余热利用系统中,对算法的可行性和有效性进行了验证。本文的主要内容主要有以下几个方面:1.系统辨识的本质是利用输入输出数据将模型参数估计问题转化为优化问题,提出一种基于精英选择和反向搜索的分布估计算法作为系统辨识的优化方法。该算法对目标函数可行域的凸性以及目标函数的连续性无要求,比传统优化方法适用性更强,从选择机制和搜索机制上对分布估计算法进行了改进,精英选择策略和反向搜索算子的加入,使得算法在兼顾种群多样性的同时迭代导向性更强,收敛到全局最优解的速度更快。通过与其他分布估计算法和智能优化算法在标准函数上的测试对比,表明改进后的分布估计算法在同类智能优化算法中具有出色的寻找到全局最优解的能力和速度,为系统辨识算法的研究打下基础。2.针对系统辨识的准则问题,提出一种对非线性非高斯系统同样具有普遍适用性的最小熵分布估计系统辨识方法。将最小误差熵准则作为系统辨识的准则函数,扩展了对非线性非高斯系统辨识的适用性,基于精英选择和反向搜索的分布估计算法,能够以出色的速度和能力搜寻最优参数估计值。通过对Benchmark非线性系统的辨识,结果表明了该算法对于非线性系统的适用性。将该系统辨识算法应用于基于现场运行数据的火电机组协调系统和基于阶跃响应实验的有机朗肯循环余热利用系统的输入输出模型辨识中,仿真试验表明,该算法应用于热工系统辨识建模是可行和有效的。3.考虑到很多闭环子空间辨识算法应用于实际大规模工业过程算法太过复杂,提出一种较为简便的基于新息估计的改进闭环子空间辨识算法。在对矩阵结构进行分析的基础上,规避了复杂的随机实现和辅助变量的求取等过程,通过简单的矩阵行列元素的提取等运算,获得状态空间模型的参数矩阵。将该算法应用于基于现场闭环数据的火电机组协调系统状态空间模型的辨识中,仿真试验表明了该方法对于热工系统状态空间模型辨识的可行性和有效性。4.针对工业控制系统由于模型失配或者被控对象特性在运行过程中发生改变造成的控制性能下降问题,设计了基于数据驱动的闭环子空间预测控制策略。将闭环子空间辨识算法与预测控制算法结合起来,直接根据输入输出数据对系统未来输出进行预测,避免了建模不准确所造成误差,提高了控制准确性,且被控对象特性发生改变时,能够及时根据输入输出数据对控制器进行调整,提高了系统的鲁棒性。对火电机组协调系统的仿真试验表明,相较于基于模型的预测控制和传统的PID控制,该算法能够提高系统的设定值跟踪性能和鲁棒性能。5.针对热工系统大范围运行工况问题,设计了基于辨识模型的多模型预测控制策略,并将其应用于有机朗肯循环余热利用系统。仿真试验表明,该控制策略能够在保证输入变量约束的基础上,使得系统在大范围工况运行时具有良好的设定值跟踪能力和抵抗扰动的能力。