实际工业过程中往往存在较强的非线性特性,因此,针对强非线性系统的模型辨识及优化控制问题,成为了当前控制理论领域的研究热点之一。其中Hammerstein模型是一种具有代表性的非线性模型,该模型针对一类静态非线性和动态线性可分离的非线性过程,可以处理大多数化工过程中的非线性问题,具有广泛的应用场合。针对具有较强非线性特性的系统辨识及控制问题,本文采用了基于B样条函数的Hammerstein模型辨识及控制方法。在模型辨识中,采用了有约束的高斯-牛顿辨识算法,该算法不仅通过构造辅助函数作为优化目标减少了计算量,而且通过施加约束避免了混合参数分离的不确定性。在模型控制中,采用了两种控制算法。基于Hammerstein模型的自适应PID控制算法将PID控制器参数纳入非线性预测控制目标函数中,通过De Boor算法推导出模型预测值及其导数来得到最优控制律,实现了PID控制器参数的预测更新;而基于De Boor逆运算的Hammerstein模型控制算法通过对B样条函数求逆成功的将静态非线性部分移出,从而只需要针对动态线性部分来设计极点配置线性控制器。通过数值仿真,验证了辨识及控制算法的有效性。针对大范围多工况的非线性过程控制问题,给出了基于多Hammerstein模型的预测控制算法,结合自适应PID控制和De Boor逆运算控制算法的优点,通过预先辨识的多个Hammerstein模型求逆融合来得到实际控制量,在辨识过程中,需要辨识多个静态非线性模块,而只需要辨识一个动态线性模块,从而减少了一部分计算量,而在设计线性模型预测控制器时,通过多个Hammerstein模型的融合表示当前模型预测值,进而可以减少模型失配程度,提高控制器性能,该算法能够有效地控制大范围多工况的非线性过程。在pH中和过程上进行仿真验证了该算法的有效性及可靠性。为了验证基于多Hammerstein模型的预测控制的实际控制效果,在实际的水箱液位控制实验装置上进行基于多Hammerstein模型的预测控制算法、自适应PID控制算法和单模型预测控制算法的实验研究比较。实验结果表明,基于多Hammerstein模型的预测控制对大范围不确定非线性过程有良好控制效果。