本文结合精确线性化和二型模糊逻辑系统，提出一种自适应控制器实现PEMFC空气供给系统的建模与过氧比控制.该控制器不需要PEMFC空气供给系统模型结构和参数完全已知的条件，而是通过二型模糊逻辑系统在线逼近PEMFC空气供给系统中的未建模动态并从Lyapunov函数中导出自适应参数，从而保证系统收敛性与稳定性.

本文采用视频信号，利用电熔镁炉欠烧工况的时空特征，即在炉壳表面出现的局部不规则高亮区域的空间特征，以及该高亮区域随时间呈现出亮度增强、面积变大的时序特征，提出一种基于卷积循环神经网络的电熔镁炉异常工况诊断新方法.该方法包括图像序列一致性变换和时序残差图像提取预处理、基于卷积神经网络的空间特征提取、基于循环神经网络的时序特征提取、基于加权中值滤波的工况自动标记.

本文利用工业运行过程的在线数据，设计不依赖模型参数的跟踪控制器.首先，利用浓密过程运行在工作点附近的特点进行线性化，对流量过程设计Q-学习控制器，保证流量过程能够跟踪给定的流量设定值；然后采用提升技术，得到统一时间尺度的以底流矿浆流量设定值为输入，以底流矿浆浓度为输出的被控对象；最后，考虑到在无线网络环境下浓度过程存在反馈丢包，当前的状态可能无法获得，故采用史密斯预估器的思想，利用历史的数据估计系统当前的状态，设计丢包Q-学习设定值控制器为流量过程提供最优设定值.通过仿真实验验证所提算法的有效性.

Pendubot是以电机转矩为输入，主动臂角度和欠驱动臂角度为输出的强非线性、多变量、欠驱动机械系统，受到具有时变不确定性的摩擦影响，且模型参数随摆臂质量与长度的改变而变化.本文将上述被控对象采用确定线性模型与未知高阶非线性项来描述，设计消除前一时刻高阶非线性项及其变化率对系统输出影响的补偿器，叠加于基于确定线性模型设计的PD控制器，提出了补偿信号法驱动的自适应平衡控制方法，并对所提方法进行了稳定性和收敛性分析.

本文提出基于自适应区间二型（Type-2）模糊逻辑系统对系统摩擦进行补偿建模，并在该摩擦补偿方法的基础上设计出鲁棒自适应控制器，保证系统输出精度，且对摩擦环境的变化具有较强自适应性.区间二型模糊逻辑系统相对于传统一型模糊逻辑系统具有较强的处理不确定性问题的能力，在本文中使用自适应区间二型模糊逻辑系统不断逼近摩擦力，根据李雅普诺夫稳定性理论求出自适应律并证明系统跟踪误差的有界性.

本文提出了基于数据与模型驱动的水泥生料分解率软测量模型，由基于Kullback-Leibler（KL）散度密度比的异常值检测、基于机理模型的生料分解率模型、基于层级Sigmoid（S）核函数的生料分解率模型、生料分解率离线检测模型和基于模糊模型的协调因子组成.

本文通过建立以矿浆液位和矿浆流量为输入，以浮选过程的精矿品位与尾矿品位为输出的多变量、强耦合、非线性、时变的运行过程模型，利用未建模动态前一拍可测的特点，提出了包括矿物品位运行过程控制器驱动模型、PID控制器、反馈解耦控制器、未建模动态补偿器的数据驱动的一步最优未建模动态补偿PID解耦控制方法，实现了消除稳态误差、静态解耦与未建模动态的补偿，通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.

赤铁矿混合选别浓密过程是以底流矿浆泵频率为输入，以底流矿浆流量为内环输出，以底流矿浆浓度为外环输出的强非线性串级工业过程.由于受到频繁的浮选过程产生的中矿矿浆和污水的随机干扰，底流矿浆浓度外环和流量内环始终处于动态变化之中，控制器积分作用失效，内外环相互影响，使被控系统的动态性能变坏，底流矿浆浓度与流量超出工艺规定的控制目标的范围，甚至产生谐振.本文针对上述问题利用提升技术建立基于内环流量闭环动态模型的浓度外环动态模型，将基于未建模动态补偿驱动的一步最优PI控制和基于模糊推理与规则推理的切换控制相结合，提出了由浓度外环控制和流量内环控制组成的混合选别浓密过程的双速率智能切换控制算法，建立了由机理主模型和神经网络补偿模型组成的混合选别浓密过程动态模型.

本文建立了功率变化率与电流控制系统输出电流之间由线性项与未知非线性项组成的动态模型，其中线性项通过电流被控对象的参数和控制器的参数计算，未知非线性项采用基于偏自相关函数（Partial autocorrelation function，PACF）输入变量决策的径向基函数神经网络（Radial basis function neural network，RBFNN）来估计.本文提出了由当前k时刻的需量和功率，（k-n+1）时刻功率及k时刻功率变化率的估计组成的（k+1）时刻需量的计算模型.

本文结合中国自动化科学与技术的发展状况和中国绝大多数大学设有自动化专业的现状，借鉴自动化科学与技术发展历程中的成功经验，结合国家社会经济发展和国家安全对自动化系统的未来需求，以生产制造系统、重要运载工具和人参与的信息物理系统为主要对象，以自动化系统的发展方向—智能自主控制系统、智能优化决策系统和智能优化决策与控制一体化系统的愿景功能为目标，以研究实现愿景功能的建模、控制与优化新算法和新的自动化系统的设计方法和实现技术以及结合重大应用领域开展的应用研究为主线，提出了自动化科学与技术的发展方向，并结合新兴应用领域对自动化科学与技术的需求与挑战，提出了未来自动化科学与技术的发展方向.

本文提出一种基于虚拟样本生成（Virtual sample generation，VSG）技术的多组分机械信号建模方法.首先，将机械信号自适应分解为具有不同时间尺度的平稳子信号并变换为多尺度谱数据；接着，采用适合于小样本高维数据建模的改进选择性集成核偏最小二乘（Selective ensemble kernel partial least squares，SENKPLS）算法构建面向真实训练样本的基于可行性的规划（Feasibility-based programming，FBP）模型，提出一种综合先验知识和FBP模型等手段面向高维谱数据的VSG技术，用以弥补真实训练样本的短缺问题；然后，基于互信息（Mutual information，MI）对由真实和虚拟训练样本组成的混合建模数据进行自适应特征选择；最后，基于约简的混合训练样本采用SENKPLS构建软测量模型.

工业换热过程是蒸汽与循环水在换热器中进行热交换，使供水温度达到工艺规定的目标范围内的复杂工业过程.由于存在蒸汽压力、回水流量波动以及换热器内管壁结垢的扰动，导致被控对象模型参数发生未知随机的大范围变化，使控制器积分作用失效，造成内环蒸汽流量和外环供水温度波动，相互影响，甚至谐振.针对上述问题，利用工业换热过程运行在工作点附近的特点，用确定性低阶线性模型和虚拟未建模动态来描述被控过程.将自适应信号法与双率控制技术相结合，提出了以蒸汽流量为内环输出、以供水温度为外环输出的双率自适应控制器，并给出了该控制器的稳定性和收敛性分析.本文将工业换热过程机理模型作为被控对象，进行了半实物仿真.

流程工业是制造业的重要组成部分，是我国国民经济和社会发展的重要支柱产业.新一代信息技术和人工智能技术为流程工业的发展带来新的挑战和机遇.只有与流程工业的特点与目标密切结合，充分利用大数据，将人工智能、移动互联网、云计算、建模、控制与优化等信息技术与工业生产过程的物理资源紧密融合与协同，实现流程工业智能优化制造，才可能实现流程工业的跨越式发展.本文聚焦流程工业的复杂生产过程，从其智能优化决策系统的角度，描述了复杂工业过程优化决策系统的问题、回顾总结了复杂工业过程全流程优化决策系统的现状，分析了智能优化决策系统的必要性，提出了智能优化决策系统的发展目标及愿景，并对智能优化决策系统的下一步重点研究方向进行了展望.

针对随机权神经网络建模存在的过拟合和泛化能力差的问题，集成自编码和主成分分析技术，提出一种新型的改进RVFLNs算法，即AE-P-RVFLNs算法，用于建立高炉多元铁水质量在线估计的NARX模型.首先，为了尽可能挖掘实际复杂工业数据中的有用信息和充分揭示输入数据之间的内在关系，采用Autoencoder前馈随机网络技术训练建模输入数据，并将训练得到的输出权值作为后续RVFLNs的输入权值；然后，引入PCA技术对RVFLNs的高维隐层输出矩阵进行降维，避免隐层输出矩阵多重共线性问题，从而解决由于隐层节点过多导致模型过拟合的问题；最后，基于所提AE-P-RVFLNs算法建立某大型高炉多元铁水质量在线估计的NARX模型.

电熔镁砂熔炼过程是以三相电机转动方向与频率为输入，以三相电极电流为输出的强非线性工业过程，其模型参数埋弧电阻率、熔池电阻率和熔池高度随熔炼过程和原矿颗粒长度及杂质成分的变化而变化.本文采用线性模型和未知高阶非线性项来描述电熔镁砂熔炼过程，其中未知高阶非线性项用已知的前一时刻高阶非线性项和其变化率来描述，采用线性模型设计PID控制器，并设计消除前一时刻高阶非线性项的补偿器和消除其变化率的补偿器，提出了带输出补偿的PID控制器，同时采用一步最优前馈控制律和一步最优调节律设计控制器参数.