在工业生产过程控制研究中,对复杂工业过程的有效控制一直是控制领域面临的主要难题之一。对于一个复杂工业过程,它的被控参量的状态受许多因素影响,并且这类生产过程往往都具有随机性、模糊性等诸多不确定性,以及时变、强非线性等特点,仅仅使用常规的物理化学机理方法,很难对其建立相对精确的系统模型。然而基于数据的控制方法,它不需要过多的了解被控过程的先验信息,它可以通过对系统的输入、输出数据进行学习运算就可以得到被控过程的各种动态、静态参数品质,因此本课题中采用基于数据的方法,从而实现对复杂工业生产过程的智能优化控制。本文主要针对联合制碱生产过程中出现的过程收敛速度慢、控制精度不足等问题提出控制方案。根据联合制碱生产过程的过程数据,建立该复杂工业过程的离线数据库,并对系统状态进行估计与预测。利用迭代学习方法实现过程变量的控制模式更新,利用联合制碱碳化过程数据进行试验验证,并与之前使用的模糊神经网络控制方法进行对比,通过对比实验得出基于数据的控制方案具有可行性和优越性。最后根据重碱的结晶粒径工艺质量指标,利用方差最小原则和系统输出与工艺质量输出比对准则,对控制质量做出评价。这种评价方法可以直接的反应出系统的控制效果,并且保证系统的性能始终能够维持在较为理想的工作状态,因此在现代工业生产过程中,控制质量评价具有十分重要的应用价值。