工业过程中的不确定干扰因素尤其是非高斯干扰使得传统控制理论在很多情况下很难符合现代工业的发展要求,而以概率密度函数(Probability Density Function,简称PDF)为控制对象的非高斯随机分布系统正成为控制界的研究热点之一。通过优化性能指标函数,可以找到使输出PDF跟踪目标PDF的控制输入。通常在优化性能指标时,采用的方法为梯度下降法,而梯度下降法计算过程复杂,耗时长,一般找不到全局最优解,不适合本身就很复杂的实际系统。本文针对目前工业过程的实际情况和遗传算法的特点,提出将遗传算法应用到模型的PDF最优控制算法中,从而简化了控制算法。本文还结合仿真对该优化控制算法进行了初步探索,将该控制算法应用到磨矿系统,ORC系统,光纤数据模型上,主要的研究工作如下:1.基于磨矿系统的PDF控制针对单输入单输出一维非线性系统,首先采用核密度估计(Kernel Density Estimation,简称KDE)的方法估计出输出的PDF,然后根据基于泛函算子模型的随机分布控制理论建立性能指标函数,采用适当调整的遗传算法对建立的性能指标函数进行优化,寻找最优控制输入。2.基于有机朗肯循环(Organic Rankine Cycle,简称ORC)系统的PDF控制针对存在不确定外扰的二维状态非线性系统,选择合适的带宽矩阵和核函数后,采用二维KDE的方法估计出输出的PDF,然后根据泛函算子模型的随机分布控制理论,将输出PDF与目标PDF之间的距离和控制项建立性能指标函数,采用适当调整的遗传算法对建立的性能指标函数进行优化,寻找最优控制输入。3.基于光纤数据模型的PDF控制将根据在埋光纤的地面上小跑时所采集光纤数据建立的动态模型作为待控制模型,根据控制目标建立性能指标函数,采用基于遗传算法的优化控制算法寻找待控制模型的最优控制输入。