过程建模是过程控制和过程优化的重要基础。近年来，随着市场竞争的日益加剧和环保要求的不断提高，迫切要求企业从有限的资源中不断挖掘潜力，提高经济效益，这给过程控制和过程优化提出了新的要求，从而也对过程建模提出了更高的要求。 由于传统的黑箱建模策略只能利用相对比较单一的信息源，从而限制了其性能。如何合理有效地利用各种过程信息，以提高模型的整体性能是混合建模研究的主要内容。本文着重研究了新的混合模型结构、辨识算法及其应用，具体包括以下几部分内容： 1．提出了一种基于神经网络的自组织模糊系统，它可以根据训练样本数据的分布情况来灵活地划分模糊集合，从而保证能够以较少的规则达到理想的建模精度。并针对这种模糊神经网络提出了一种两步混合学习算法，其收敛速度要比传统的BP算法快得多。加热炉数据的仿真结果和丙烯丙烷精馏塔的应用结果表明，这种模糊神经系统具有结构简单、学习速度快、规则数少、相对建模精度高等优点。 2．针对样本数据信噪比较低的场合，提出将部分最小二乘学习算法引入径向基网络（RBF），以提高模型的抗噪性和外延性。首先将所有训练样本数据均作为径向基网络隐含层的节点，从而构成一个全径向基网络；然后利用部分最小二乘算法，将这些关联的基函数和网络输出投影到一组主元上，在各个主元上分别建立它们之间的对应关系。这样就形成了一个简约的多输入多输出非线性模型。仿真结果表明，这种径向基网络外延性好，且对噪声具有较强的鲁棒性。 3．提出了一种模糊—线性复合模型，并给出了在线递推辨识算法，其中的线性模型离线得到，不进行在线修正。复合模型通过模糊模型的在线自学习来逼近非线性对象的动态特性。这种复合模型具有任意逼近能力。在此基础上，进一步提出了基于模糊—线性复合模型的非线性自适应预测控制算法，并将其应用于pH中和过程的仿真和非线性液位控制实验装置，仿真和实验结果表明这种预测控制算法能达到较好的控制效果，特别是在离线样本数据较少的情况下。—— 4．提出了一种结合专家经验的模糊灰箱建模策略，利用模糊逻辑，将专家经验、线性模型以及根据历史数据辨识生成的模糊模型统一在一个整体框架一摸糊混合模型内．由于模型中充分利用了各种有用信息，从而大大提高了模糊朋模型的外延性。pH中和过程的仿真结呆说明了其有效性． 5．提出了一种基于线性准穗态数据校正的的容锗模型，利用线性准稳态数据校正技术对测量数据进行预处理，然后再将处理后的数据作为。模型的输入，从而大大减少了测量误差，特别是显另误差对模型的影响，提高了模型的可靠性．并进一步分析了模型的腑范围。串联pH中和过程的仿真结果说明了其有效性。 6．提出了一种新的基于模糊模型的非线性预测控制策略．T－S模糊模型用于描迷对象的非线性动态特性，由于每条规则的结论部分是一个线性模型，因此鳌个模糊模型可以看作一个线性时变系统，从而将模糊预测控制器中的非线性优化问题转化为一个线性二次寻优问题，以方便求解。pH中和过程的仿真结果说明了其有效性。 最后，在总结全文的基础上，指出了混合建模芳干有待深入研究的问题。