随着科学技术的发展,规模庞大、结构复杂的系统日益增加。计算机技术的迅速发展,使得控制和管理这类系统成为可能。为了研究这类系统的正常运行条件和性能改进方法,在实际应用的推动下,大系统理论和方法应运而生。但是,大系统的复杂性、主动性、不确定性以及维数灾,使现有的基于数学模型的大系统理论陷于困境,面临严峻的挑战。因此,80 年代末以来,从事大系统理论和应用研究的学者们普遍感到需要突破传统框架,探索新的途径。正如著名科学家钱学森所指出:大系统理论要创新。而模糊大系统的优化控制一直是一个悬而未决的问题。为了探讨大系统控制的新途径,本文寻求解决模型不确定的或模型与实际有差异的大系统优化控制新方法,并取得了一些令人满意的结果。(1) 提出了复杂大工业过程的模糊建模新思想,即在保留原模型结构信息的基础上,通过对模型中的系数模糊化处理,得到新的模糊等式模型。这种模糊模型不同于由if-then 规则描述的、完全基于人类经验的模糊模型。它是在由数学方法辨识出的模型基础上,同时考虑到过程本身存在的模糊性,通过引入模糊参数的概念,得到的大系统综合模型。(2) 根据模糊数学的理论,提出了定义满足度函数对模糊等式进行去模糊运算的方法。将模糊大系统求解中的模糊规划问题,转化为一个普通的精确规划问题求解,并由此提出应用模糊规划方法与经典大系统递阶优化控制算法相结合的方法,求解具有模糊参数的大系统递阶优化问题。(3) 研究了基于模糊模型的复杂大工业过程稳态递阶优化控制的三种基本方法:关联平衡法、关联预测法、混合协调法。针对原混合协调法不适用于模糊模型的情况,重新导出了可用于模糊模型的混合协调法。仿真结果表明,基于模糊模型的关联平衡法在开环情况下能够得到比普通开环关联平衡法更好的实际过程目标函数,并已接近普通闭环关联平衡法所能达到的实际过程目标函数;闭环时,基于模糊模型的关联平衡法所需的在线迭代次数比普通关联平衡法少得多。同时,基于模糊模型的关联预测法开环时得到的实际过程目标函数比普通关联预测法好;而在闭环情况下,它得到的实际过程目标函数和在线迭代次数都要好于普通的关联预测法。最后,基于模糊模型的混合协调法在开环和闭环两种情况下,实际过程目标函数和迭代次数都比