磨矿分级过程(GCP)是冶金选矿企业的关键流程,其产品粒度指标必须严格控制,以保证精矿产品品位和金属回收率。GCP在本质上是一个多输入多输出过程,具有多变量强耦合、大时滞和逆向特性,且过程中存在强扰动,常规的PID控制方法在处理这类问题时存在很多不足。　　 论文在介绍了GCP工艺流程后,阐述了GCP控制的难点及控制要求。GCP具有多变量强耦合、大时滞特性,常规PID控制存在超调大、稳定性差等不足；而解耦控制策略对模型依赖程度强,完全解耦在实际运行中难以实现。为了提高控制性能,根据GCP特点,决定选择多变量模型预测控制(MPC)。　　 MPC对模型要求低,能够方便处理变量约束问题等优点。论文以两输入两输出GCP为研究对象,研究MPC在GCP中的应用。仿真结果表明,与常规PID控制相比,MPC可以取得更优的系统动静态性能、鲁棒性,并有效处理变量约束问题,满足GCP对自动控制的要求。　　 GCP存在如矿石硬度变化等的外部强扰动。扰动的存在使系统性能变差,甚至不稳定,而这类扰动不可在线测量,因此传统的前馈补偿方法无法应用。针对GCP的时滞和逆向特性提出了一种改进的扰动观测器(DOB)设计方法,得以对扰动进行在线估计。　　 结合DOB和MPC的优点,把基于DOB的在线估计与MPC相复合,形成一种抗扰动多变量复合控制结构DOB-MPC,这种复合控制方案不仅可以抑制GCP的外部强扰动,而且可以处理因模型失配、变量之间的耦合导致的内部扰动。仿真研究表明了其有效性。　　 研究成果具有良好的工业应用价值,除GCP之外,对具有时滞、多变量强耦合和逆向特性的工业流程都具有一定的借鉴意义和参考价值。