随着信息技术的发展和经济的全球化,各个过程企业之间的竞争越来越激烈,如何将生产中的各个子过程,以及生产、经营、管理和销售各个环节进行集成,实现过程企业乃至供应链的整体优化和可持续发展成为过程系统工程研究者非常关心的问题。本文从系统科学的角度,结合计算机技术和网络技术,提出了面向智能体的系统分析方法,将过程运行系统分为对象和智能体两类。对对象和智能体的建模方法进行了研究,并应用于过程运行系统,分别建立了过程模型和运行任务模型。指出过程运行系统的集成问题可以归结为硬件集成、信息集成和任务集成。硬件集成就是要使过程运行系统具有实现资源共享和分布计算的硬件平台和环境。信息集成使过程数据、过程模型和知识标准化,便于不同领域人员理解和使用;同时使这些信息方便地在不同领域、不同厂商开发的过程系统应用软件之间进行传输。在信息集成的基础上,通过任务集成使过程运行系统中不同过程操作决策的计算机辅助运行系统(CAPO)有机集成起来,实现多个运行决策的全局规划和协调,达到过程运行系统整体优化的目标。过程系统中常见的分析方法有结构化方法和面向对象方法。本文在总结这两种方法优缺点的基础上,综合当前人工智能领域的新技术,提出面向智能体的分析方法(Agent-Oriented Analysis, AOA),并将其应用于过程运行系统中。面向智能体的分析方法将系统分成主动实体(智能体)和被动实体(对象)两部分。过程运行系统中的对象指的是操作单元(反应、精馏、萃取等)以及这些操作单元组成的流程,称之为过程模型。智能体是指在过程单元和流程上所进行相关运行任务(模拟、故障诊断等),称之为运行任务模型。整个过程运行系统是多个对象和智能体的集合。过程运行系统中对象的建模方法有机理方法、统计回归法、人工神经网络、专家系统。这些单一的建模方法各有优缺点,适用于不同的领域。本文针对过程运行系统中存在大量的生产数据和复杂非线性的动态特性,将数据分析和改进反馈神经网络结合起来,提出了基于主成分分析的输出集成反馈神经网络的过程对象建模方法。在对某一化工动态过程的建模和产品流量的预测上取得了较好的效果。对过程运行系统中智能体的建模,本文采用π演算的方法建立了智能体的理