近20年来,各种智能计算方法的兴起极大地促进了智能软测量和智能控制在工业过程中的应用。另一方面,一些传统的化工生产装置由于反应机理复杂、生产介质多相、大测量滞后等多方面原因,仍然处于操作人员参考定期的化验分析数据,基于自身经验人工调整生产过程参数的状态。本文主要以某磷肥企业磷酸装置萃取槽中SO₃浓度的软测量及其控制为背景,研究了如何将神经网络、模糊系统以及智能预测控制等智能控制方法应用于磷酸生产过程。 论文第一章综述了智能控制技术的发展历程及其在工业过程建模与控制中的重要作用,分析了磷酸生产过程控制的现状和需求,提出了采用智能控制技术实现磷酸生产过程先进控制的研究课题。 在此基础上,第二章分析了磷酸生产工艺原理,重点介绍了二水法湿法磷酸生产流程,分析了萃取槽中SO₃浓度在磷酸生产过程中的重要性,并指出建立SO₃浓度的软测量模型和实现基于软测量模型的智能预测控制是实现磷酸生产过程先进控制与优化的关键。 在分析磷酸生产过程SO₃浓度影响因素的基础上,第三章采用T-S模糊神经网络、FCM-RBF多模型神经网络和RBF多模型神经网络等三种智能计算算法进行SO₃浓度的软测量建模研究。工业现场数据的验证结果表明:基于多模型的软测量方法的精度要明显优于基于单模型的软测量方法,从而为SO₃浓度软测量模型的工业应用提供了一种有效的策略。 为了进一步探讨磷酸生产过程SO₃浓度的先进控制策略,论文第四章采用了一种基于T-S模糊神经网络模型的广义预测控制改进算法,利用了T-S模糊神经网络模型自身的结构特点,避免了对非线性模型线性化的复杂过程。仿真研究结果表明:该控制算法具有良好的控制效果和抗干扰能力,是实现磷酸生产过程非线性预测控制的一种有效途径。 第五章对论文工作进行了总结,并对今后的工作进行了展望。