生物化工和精细化工等以间歇生产方式为主的技术密集型产业,在国民经济中占有重要地位。间歇过程的建模和控制困难、质量波动大等亟待解决的关键问题制约了化学工业的精细化进程。本文以发酵和炼胶这两类典型的间歇过程为例,对其建模和控制方面存在的问题进行研究,采用递推核学习(Recursive KernelLearning,RKL)理论开发简单、有效、适合工业应用的建模与控制方法,旨在促进自动化和信息技术在间歇过程中的应用。本文主要的创新性研究工作包括:(1)提出一种适合非线性MIMO过程的在线建模方法:选择性递推核学习(Selective RKL,SRKL)。它能有效结合过程先验知识控制模型的复杂度;采用在线递推算法进行节点增加和删减以减小计算量;研究了节点删减和模型推广性能的内在联系,保证模型在节点删减时的推广性能。SRKL有效克服了普通递推KL方法无稀疏性和随意删减样本两大缺点。在青霉素和链激酶等发酵过程在线建模的研究结果表明,SRKL能快速、准确的预报菌体等关键变量浓度,性能优于传统神经网络、递推偏最小二乘和普通KL方法;同时模型能适应工况的变化,随发酵批次的增加,精度逐渐提高。(2)提出一种适合MIMO过程的基于自适应局部KL在线建模方法。考虑样本间的距离和角度信息以获得更全面合理的相似样本集,推导了采用快速留一交叉验证法在线优化模型参数的准则,并给出了间歇过程在线自适应模型选择的策略。通过链激酶流加发酵过程菌体和产物浓度的在线预报为例,验证了该方法从过程的第2批次开始能自适应的建立准确的预报模型,较普通的全局和局部KL具有更高的预报精度和自适应性。(3)提出并系统研究了稀疏核学习辨识模型的单步预测控制框架(Sparse KLOne-step-ahead Predictive Control,SKL-OPC),主要设计了SKL-PKR(PolynomialKernel & Root)和SKL-ATL(Adaptive Taylor Linearization)两类控制器。(3A) SKL-PKR是一类特殊的适用多项式核的直接控制器,在求取最优控制律时可将调节变量从目标函数分离出来,并最终转化为求解一奇数次代数方程根的问题。PKR方法较为巧妙,无需复杂的非线性优化技术,为其它核函数控制器的设计提供有效的参考。通过一Benchmark控制问题和一非线性釜式反应器验证该方法简单和有效,比传统PID等控制器具有更好的性能。(3B) SKL-ATL是适用所有核函数的自适应控制器,利用Taylor线性化方法获得解析的控制律,并以一自适应校正项提高控制性能。采用中值定理证明了控制律收敛的存在性,同时获得自适应调整策略。ATL具有很好的鲁棒性和自适应能力,有效克服了其它方法需调整控制器参数的缺点,综合控制性能最好。通过两个Benchmark控制问题和一非线性釜式反应器验证了该控制器简单有效且具有自适应调整能力,比传统PID等控制器具有更好的性能。(4)以SKL-ATL控制器为例,将SKL-OPC框架拓展为节点增长和删减均可在线递推更新且复杂度可控的控制器,以更好学习和适应过程的变化,提高控制器的性能。在非线性液位系统和发酵过程的仿真研究表明了通过在线更新的ATL控制器较优化整定的PID和无在线更新的控制器等具有更好的控制性能,对噪声、扰动和系统的时变等有更好的鲁棒性和自适应性。(5)门尼粘度对混炼胶的质量起着重要的作用,实时测取混炼胶门尼粘度,最终获得合格的、均一性能好的胶料是橡胶和轮胎厂十分关心和亟待解决的问题。基于模型可自适应选择的RKL建模和控制方法,研发了先进密炼信息集成与控制系统,在国内多家大型橡胶和轮胎厂上线应用,取得了很好的工业应用效果,对橡胶混炼过程具有重要的现实和经济意义:(5A)在线预报门尼粘度能提供产品的终端质量和批次间的过程信息,减轻各阶段质检工作强度和压力,减少对质量检测设备的投入,降低企业成本。(5B)实现门尼粘度的先进排胶控制,提高了门尼的合格率和均一性,保证炼胶质量,减少炼胶时间,节能减排,提高企业效益。(5C)系统集成过程和整厂信息,给控制和工艺人员提供参考和决策支持;并从中挖掘出炼胶过程的本质规律,促进炼胶过程的自动化和信息化。最后,总结了核学习建模与控制方法及其工业应用,探讨了本文涉及的理论基础和哲学思想,阐述了作者的研究观点和工业应用经验,并展望了未来的相关研究方向。