本文针对控制领域中许多经典的理论难以成功应用的事实，指出其主要原因在于噪声处理问题上，诸如之类的控制理论和方法包括Kalman滤波、最小二乘辨识、多元统计分析、神经网络等。上述这些理论和方法基本上都是建立在白噪声的假设基础之上，至多扩展到平稳随机过程。然而，白噪声只是数学上的理想模型，在实际工业过程中并不存在，这样的假设偏离实际太多而无法在实践中得到成功应用。因此，需探索新的机理去研究工业过程噪声而不是总是遵循白噪声的假设。由于，非线性动力学的研究表明，许多看起来貌似随机的过程往往并不是随机的而是混沌的，因此本文提出从混沌的角度研究工业过程噪声。 本文以扬子石化PTA氧化反应工段中的脱水塔内采集到的温度信号为原始数据，基于以下两个假设，即(1)工业过程噪声具有零均值；(2)有效信号是慢变信号而噪声信号是快变信号，利用原始信号去除多点平均值的方法提取工业过程噪声。随后，利用相空间重构技术和G-P算法，计算表征工业过程噪声具有混沌行为的特征指标——关联维数，由此来确定其混沌性。结果表明，工业过程噪声是一个高维确定性的混沌系统而不是随机系统，更不是白噪声；同时又得出了描述工业过程噪声状态变化所需变量的个数。 本文的研究有助于实现工业过程噪声的预测与建模，从而突破传统参数辨识、Kalman滤波、多元统计分析及神经网络等技术要求工业过程噪声为白噪声的严格限制，有望提出新的滤波及辨识算法。这将大大推动这些经典理论与方法的工业应用，缩小控制理论研究与工业应用之间的鸿沟。另外，根据混沌辨识时得出的嵌入维数，还可估计出产生噪声的噪声源个数，为建立捕述工业过程噪声的确定性方程提供参考。