模拟移动床是一个能实现化工等产品连续分离的装置。由于其模型比较复杂,基于常规算法很难对其进行仿真优化和控制,因此利用智能算法对模拟移动床色谱分离过程进行控制与优化方法的研究,已经成为现今研究的热点之一。本文研究的目的在于结合多种智能算法解决模拟移动床控制与优化问题,使模拟移动床装置能更有效地应用到化工、制药等行业的连续分离中。首先对模拟移动床色谱分离技术的发展历程与相关理论进行简单介绍,并对色谱柱的模型进行分析,并利用Matlab软件对不同模型进行仿真,然后针对模拟移动床速率模型利用线上求解法进行模型求解,通过仿真分析得出了不同床层下两组分的浓度变化情况。在模拟移动床操作分离方面,首先设计了模拟移动床吸附等温线确定程序,然后基于三角理论,利用Matlab的GUI针对模拟移动床线性吸附等温线、标准Langmuir吸附等温线、Anti-Langmuir吸附等温线、M₁-Langmuir吸附等温线、M₂-Langmuir吸附等温线开发了一套完整的操作分离程序,并利用遗传算法对不同吸附等温线的参数进行确定,以便可以应用到操作分离程序中。最后利用操作分离程序结合KNAUER公司模拟移动床装置对甲苯和对二甲苯混合物进行分离,并利用岛津高效液相色谱仪进行检测,分离结果比较理想。在模拟移动床控制方面,针对模拟移动床非线性吸附等温线下速率模型,以三角理论的流速比M₂,M₃作为输入,提取液纯度与抽余液纯度作为输出,利用预测误差法与子空间辨识法对模型进行辨识,然后利用预测控制算法对模型加以控制,并通过仿真分析了控制效果;针对模拟移动床提纯工艺,只考虑提取液纯度,利用模型辨识方法辨识出了两入一出的传递函数模型,然后分别利用PID算法、模糊PID算法、状态反馈控制算法、预测控制算法对模型分别设计控制器,利用Matlab得出仿真结果图并加以对比,得出了预测控制算法对比其它算法的优越性,进一步验证了模型预测控制算法可以对模拟移动床分离工艺和提纯工艺进行控制。在模拟移动床优化方面,分别从单目标优化和多目标优化两个方面展开研究。对于单目标优化,一方面,基于模拟移动床机理模型,分别利用遗传算法、粒子群算法对模拟移动床单目标进行寻优,并与加入量子行为的遗传算法和粒子群算法做比较。仿真结果表明,加入量子行为的遗传算法和粒子群算法比基本的遗传算法和粒子群算法收敛速度快。另一方面,分别利用BP和RBF神经网络算法对模拟移动床数据进行拟合得到神经网络模型,利用鱼群算法、细菌觅食算法、量子遗传算法对神经网络模型进行参数寻优,仿真结果表明RBF神经网络结合鱼群算法在数据量较小的情况下就可以完成模拟移动床单目标优化任务。对于多目标优化,分别运用NSGAII算法、MOPSO算法对模拟移动床线性吸附等温线下的性能指标（抽余液纯度、提取液纯度、总生产率、回收率最大,脱附剂总消耗最小）进行多目标优化,通过仿真研究了算法的有效性,并结合实际工业需求情况,将浓度设为约束条件,以能耗最低（回收率最大,脱附剂流量最小,生产率最大）为优化目标,利用MOPSO算法进行寻优,得出了帕累托最优解集,为工业生产提供指导性建议。最后,对模拟移动床色谱分离技术的控制与优化问题本文所展开的研究进行总结梳理,并进一步分析了研究工作的局限性以及今后的研究方向。