迄今为止,多变量控制仍是众多研究学者关注的一个领域,存在许多有趣但较难解决的问题,如复杂多变量系统的解耦控制、非线性多变量系统的控制等等。由于工业过程复杂的内在机制、各种随机噪声和干扰的存在、高维的系统变量,建立动态或稳态的纯机理模型十分困难,这将影响甚至制约基于机理模型的优化和控制算法在实际过程中的应用前景。随着信息产业和计算机技术的迅猛发展,基于数据驱动(Data-driven)的方法和理论取得了巨大的应用突破,越来越受到工业界和学术界的重视。偏最小二乘(PLS)作为一种多元回归技术,虽然已经成功地在建模、故障诊断和软测量等多个领域得到应用,然而在控制上却鲜有研究。针对多变量控制中存在的强耦合、非线性等问题,本文结合PLS方法降维、自解耦和去除变量共线性等优点,分别提出了在PLS隐变量空间内设计多回路内模控制器、自适应内模控制器和非线性内模控制器的方法。主要的研究工作包括:(1)针对常规控制策略在大滞后多变量系统上的控制问题,本文的第三章结合Kaspar/Ray等学者提出的PLS控制框架,提出了在隐变量空间设计内模控制器的方法,并在理论上分析了该系统的鲁棒稳定性和鲁棒性能。由于PLS子空间是互相正交的,因此强耦合的多变量系统控制难题便能转化为子空间内的简单多回路控制问题。针对于多变量扰动对系统的影响,又提出了基于动态PLS模型的多回路前馈控制器,有效解决了传统前馈控制策略在多变量扰动控制上难以与输出变量配对的问题。在与传统的多变量控制算法的比较中,两个精馏塔的仿真例子验证了基于动态PLS模型的多回路内模控制策略在处理特殊的大滞后系统上的优越性。(2)由于过程对象时常受到环境、工况变化或设备老化等的影响,随着时间的推移,原始模型便会与实际对象产生较大的误差,严重影响控制系统性能,甚至导致系统不稳定。针对此问题,本文在第四章提出了一种基于PLS隐变量空间的自适应内模控制算法,并分析了自适应算法的参数收敛性。算法通过应用递归最小二乘方法消除模型误差,重新镇定系统,保证内模控制器获得良好的控制性能。(3)非线性是任何一个实际工业过程都具有的特性。当非线性程度较高时,传统的线性控制的方法很难获得满意的性能指标。而基于严格数学模型的非线性控制策略又较为复杂,且满足的约束条件和假设比较多。针对此问题,第五章给出了一种新的非线性动态PLS建模方法,在PLS子空间内设计基于串联结构的ARX-NN模型,实现了在隐变量空间中设计多回路非线性内模控制器,并在典型的pH中和滴定过程上验证了算法的可行性。