能源是人类赖以生存和社会发展不可或缺的部分,面对日益严重的化石能源枯竭问题以及其滥用所带来的环境问题,新能源的研发和使用备受关注。微波能作为一种清洁、高效的能源目前广泛应用于工业加热和家庭烹饪中,但由于其复杂的加热环境并且加热过程容易出现热点、热失控和热不均等问题给微波的安全、高效应用带来了巨大挑战。本文主要致力于解决微波加热过程中的数学建模和加热媒质温度的热均匀性控制相关问题。针对已知媒质负载特性参数变化的均匀时变媒质,本文利用Lambert定律和Maxwell方程组分别对微波辐射下媒质内部的微波功率密度分布进行了近似和准确描述。实验结果表明,当媒质尺寸厚度大于微波的穿透深度时,Lambert定律计算微波功率分布能得到与Maxwell方程一样近似精确的结果;而当媒质尺寸厚度较小时,使用Lambert定律计算结果则误差较大,其简单的指数分布不能准确描述媒质内部微波功率分布的波动特性。针对未知时变的实际微波加热过程机理模型难以精确建立的问题,本文提出了一种递归模糊量子神经网络(RFQNN),用于建立微波加热过程的预测模型。传统的多层前馈神经网络和递归模糊网络应用于未知时变系统容易出现过拟合、泛化能力差、训练误差与测试误差矛盾难以调和等问题。本文所提出的RFQNN具有较强网络结构自学习能力以及快速的参数更新和收敛能力,并在后件项引进量子层替代了传统的TSK或泛函链接输入,通过将输入特征值的量子化、旋转以及反转等操作实现了网络对不确定系统的精准预测。在动态系统时间序列预测和实际微波加热过程模型预测应用中,RFQNN相较于经典自进化递归模糊网络(RSFNN-TSK)、局部反馈的自进化递归模糊网络(RSEFNN-LF)和全反馈泛函链接自进化递归模糊网络(IRSEFNN-FL)等表现出了更优越的预测性能。针对微波加热过程中媒质温度的热均匀性控制问题,本文提出了基于泛函链接的交互式自进化递归模糊网络(IRSFNN)的微波加热过程温度控制策略。对于未知时变系统,IRSFNN作为控制器具有良好的动态性能和泛化能力,基于此提出了一种微波加热温度控制系统设计方法。首先,利用IRSFNN对微波加热过程进行控制器离线学习。然后,针对加热过程中出现的未知变化进行在线学习,对控制器参数进行优化和更新。最后,采用去离子水和白布丁作为加热对象进行了仿真实验验证。结果表明,本系统设计方法具有较强的期望温度跟踪能力。