不断发展的传感、计算和通信技术驱动着信息物理系统和物联网深入到了社会的各个领域,如智能工业过程、智能电网和智能交通等。在工业控制领域,传统的基于可编程逻辑控制器或微控制器的控制系统面临着计算能力较弱、交互能力较差等问题,而随着边缘计算模式的出现和应用,为工业控制系统中智能和复杂控制方法如基于迭代的最优和鲁棒控制方法、模型预测控制等的应用提供了新的思路。本文以工业温度场控制为场景,尝试将边缘计算与控制系统相结合,将基于数据驱动的鲁棒控制算法放置在边缘侧服务器上,为现场控制过程提供最优的控制策略。主要工作如下:（1）结合工业控制领域中的温度场控制问题,对多输入-多输入（MIMO）温度场进行建模和分析,考虑热传导引起的不同输入-输出之间的复杂耦合关系。将H∞性能指标引入控制过程中,结合强化学习相关理论设计基于数据驱动的多输入-多输出鲁棒温度控制方法,在温度场系统模型参数无法确定的情况下自适应地求解鲁棒控制策略。（2）对边缘计算模式下的阵列式温度场控制系统实施策略进行实现,设计了一种基于边缘计算的分层采集和控制方法,由边缘控制器实施传感器采集和执行器驱动,并由边缘服务器计算并迭代控制策略,从整体上设计并实现了多输入-多输出温度场控制系统的实时数据采集、周期计算和控制方法。（3）最后,完成了具体的边缘控制系统的软件和硬件实现,包括基于ARM MCU的边缘控制器的软件和硬件设计和实现,以及边缘服务器上所运行的边缘存储和边缘通信机制的实现。设计了一种面向边缘控制器的控制逻辑语言,能够对运行于边缘控制器上的控制逻辑进行动态安装、更新和卸载。本文将边缘计算引入至过程控制系统中,相比于基于传统本地或远程服务器的控制系统有以下优点:1)提高了边缘侧计算能力,为运行更复杂的先进控制算法提供可能;2)提高了边缘侧系统的协同能力,解决多控制器协作难题;3)控制策略生成和更新能够实时进行,减轻了网络时延带来的不确定性;4)连接和数据均经由边缘服务器到达云端,能够很大程度减轻服务器压力。