很多工业过程都带有明显的非线性特征，这使得这类过程的建模和控制比较困难，这个问题也一直是学术界和工业界关心的热点。建立有效实用的过程模型，是先进控制技术应用的瓶颈。本文针对两个典型非线性工业对象进行了建模与控制方法的研究。　　 丙烯酸酯共聚物树脂(Acrylate Copolymer Resin，ACR)聚合釜和燃煤循环流化床(Circulating Fluidized Bed，CFB)锅炉都是典型的工业过程，都具有强非线性、参数时变、工况时变、机理复杂、大滞后等特点。本文针对这两个工业对象，分别进行了机理建模与辨识建模，研究了ACR聚合釜机理模型，提出了相应的混合智能控制方法；辨识出工业循环流化床锅炉在高低负荷不同工作点的模型，建立了基于线性权重、三次样条权重和高斯权重的线性变参数(LinearParameter Varying，LPV)模型；研究了关于循环流化床的非线性模型预测控制(Model Predictive Control，MPC)方法，进行仿真分析，此外还进行了现场投入的测试。　　 论文主要工作有：　　 (1)建立ACR聚合釜的机理模型。ACR生产的核心设备是乳液聚合反应釜。由于涉及聚合反应动力学与热力学等多方面的困难，乳液聚合反应的建模在目前还没有成法可循。我们根据乳液聚合在反应机理上的特点，并结合实验室尺度测得的数据推断聚合速率变化规律，建立了ACR反应釜动态模型，实验数据表明该模型能够反映聚合釜温度系统的主要规律。　　 (2)给出ACR聚合釜的智能控制方案。提出一种包括智能预估器和模糊控制器的混合智能控制方案。分别在系统参数非时变和时变两种情形下验证该控制方案的性能，并与其它三种可能的替代控制方案进行了比较分析。结果表明即使在参数时变的情形下，混合智能控制方案也能够达到更好的性能和鲁棒性。　　 (3)循环流化床锅炉的辨识建模。循环流化床燃烧过程具有强非线性、强耦合、工况复杂等特点。论文基于渐近辨识法(Asymptotic Method，ASYM)，采用多变量系统辨识的步骤，进行了实验设计、参数估计、模型阶次选择和模型校验，辨识出锅炉在高负荷和低负荷下的模型，以此基于线性权重、三次样条权重以及高斯权重建立全局LPV模型。与实际过程输出数据比较说明所建立的三次样条权重LPV模型的拟合效果较好。　　 (4)循环流化床锅炉的非线性MPC控制研究。提出了基于循环流化床锅炉的LPV模型的MPC控制方案，并进行了仿真，得到较满意的控制效果。另外，分别在高负荷和低负荷下基于所建立的LPV模型进行了MPC实际投运测试，这都为实现工业循环流化床锅炉在负荷变动、过程参数变化的复杂工况条件下的稳定、安全、经济运行提供了前期实施经验。　　 本文针对非线性、工况复杂、参数时变的复杂工业生产过程，以控制为目的，尝试了机理建模和辨识建模两种不同方式，并给出相应的控制方法。仿真表明所建立的模型较好地体现了系统的非线性动态特性。将所研究的MPC控制技术进行了实际现场投入的测试，为实现全面优化控制奠定了基础。