本研究通过分析pH中和过程相关控制难题,设计了一种基于长短期记忆网络和动态矩阵控制的辨识方法及控制策略,该过程在许多工业生产中都有所涉及,如化工生产、废水处理、生命制药等。因此对pH值进行快速、高精度且稳定的控制具有十分重要的现实意义。这一大类被控对象有几个明显的特点:该对象反应过程复杂,存在较强的非线性特征;并且在实际过程中会存在较大的时间滞后特性。因此,用传统的建模方法所达到的辨识精度较低,不利于之后控制策略的实施。此外,实际中还存在许多未知扰动,会加大系统控制难度。针对这类复杂系统,使用传统的PID控制策略所达到的控制效果较差,而使用现代控制理论又会因为模型精度差使得控制失败,因此本文使用既能在线控制又对模型精度要求低的预测控制方法。本文将前人的研究成果进行整合,认真分析反应过程,并总结预测控制基础理论,通过设计一种新型的网络拓扑结构,结合长短期记忆网络以及普通神经网络的优点,能够较好的建立该中和过程模型,并在该网络辨识模型的基础上设计分段线性化动态矩阵控制算法,对该过程进行相关控制方案设计,并进行计算机仿真实验。本研究主要分为以下几个方面:本文设计了一种新的网络结构,即将长短期记忆网络单元与普通神经元进行融合,作为第一层隐含层,通过这种特殊的结构,使得该网络能够同时解决非线性以及时滞性问题,通过对比实验,结果证明了使用本文所提出的方法进行辨识,比其他方法有着更小的辨识误差、更快的学习速率、更优的辨识效果以及更好的泛化能力。在所提出的辨识模型基础上,我们提出一种分段线性化动态矩阵控制策略,该方法首先通过该网络模型得出系统的分段向量模型,进一步得到系统的动态矩阵,通过设计性能指标、滚动优化以及反馈校正方式,进而对该过程实现有效控制,并进行仿真验证。通过与其它方法进行研究对比,证明了该算法的可靠性与有效性,仿真结果表明使用所提出的方法可使系统能够快速准确地达到控制目标,并且具有良好的鲁棒性。