针对实际工业过程中多变量系统存在着非线性、工况范围广的特点，本文提出了一种新的多模型建模方法。首先对系统调度变量进行满意模糊c均值聚类，在此基础上采用基于加权性能指标的多模型辨识算法辨识多模型系统，得到的模型在全局拟合与局部特性之间取得良好的权衡，同时能得到每个局部模型的适用域。以典型pH中和过程为对象，采用上述建模方法建立其系统多模型，仿真结果验证了该建模方法的有效性。

研究了一类相邻子过程具有输入关联的特殊的串联生产过程的分散辨识以及控制器的设计。首先，把串联过程划分为多个双入双出（TITO）系统，依次分别进行分散闭环辨识，得到相邻各子过程间的关联耦合模型。对于每个TITO系统，转化为四个具有相同输入作用的单回路等效系统辨识问题。然后，利用各子过程间的关联耦合模型对每个子过程分别设计分布式预测控制算法。

本文系统地研究了在约束条件可调整的情况下CMMO问题中可行性与目标协调的关系，论述了当系统优化不可行时，在进行软约束调整的过程中要兼顾系统的期望目标，以获得满意的优化结果。本文运用混合逻辑的方法来描述软约束调整的优先级，并将多目标协调问题转化为逻辑约束满足问题，从而系统地解决了稳态优化中软约束调整与目标 协调的问题，并以壳牌重油分馏塔标准问题为例，进行了仿真，仿真结果表明了本文算法的有效性。

本文充分考虑大多数复杂热工控制对象非线性特性与运行工况密切相关的实际特点，采用多模型动态矩阵控制方法。并将该方法应用于某电厂300MW机组锅炉过热汽温对象，在典型工况下通过试验数据获得其局部三阶子模型集，基于每个局部子模型分别设计子DMC控制器。通过跟踪实际工况变化来对子控制器加权以获得合适的控制增量。实验结果表明该方法对参数突变适应快，可取得令人满意的控制效果。

This paper is concerned with air handling units (AHUs), the performances of which directly influence those of heating, ventilation and air conditioning systems. An autotuning recedinghorizon optimization method is proposed to synthesize a proportional-integral-derivative (PID) type controller for AHUs. This algorithm is composed of two levels of control. The lower level adopts a conventional PID controller to obtain an acceptable, but not necessarily optimal, performance. The higher level provides optimal low-level controller parameters through minimization of the generalized predictive control criterion. Because the method does not require changes in hardware and the definitions of conventional controller parameters, it can be both easily accepted by process engineers and widely applied to industrial areas. Compared with the performance of a well-tuned conventional PID controller, simulation and experimental results show that the proposed method for AHU systems can achieve a better performance under a wide range of operating conditions.