环境保护的严格要求与市场经济的竞争加剧,迫使过程生产必须采用先进控制方法,以保证把具有显著不稳定性与非线性特性的过程系统操作在要求的水平上.基于模型的控制策略能够有效地解决这一问题.模型预测控制(MPC)等在过程工程中的成功应用得益于高性能的过程模型.然而,随着过程生产系统变得越来越复杂,时变、非线性、不确定性、强耦合等特性更加显著,过程建模变得越来越困难.近年来,神经网络技术的进步,推动了非线性建模技术的发展.在过程工程领域,过程机理知识与智能建模技术的结合已经成为建模研究的焦点.该论文的选题以神经网络技术为主线,从理论、方法、应用三个层面探讨过程机理与智能建模技术的融合问题.论文首先回顾了过程控制的发展历史和过程建模的研究进展;然后列举了过程工程中常见的神经网络结构与算法,并对神经网络在过程控制、过程诊断及过程建模中的应用进行了综述;接着,一方面总结了该研究小组在过程建模领域长期以来的积累,另一方面简要介绍了国内外关于过程混合建模的一些理论与应用研究成果,并以此为基础提出了论文的主要思想.论文的重点部分是混合智能模型的体系结构与建模策略.在给出以工况识别机构、简化机理模型机构、稳态模型校正机构与动态模型调整机构为主要框架的模型结构以后,基于过程机理知识与神经网络稳态和动态建模技术,依次研究了模型各组成机构的工作原理与实现技术,并提出了过程工况识别、机理混合建模与模型结构自动设计的思想以及具体的实现方法;其次,针对工况变化后混合智能模型的在线参数寻优问题,提出了一种结合BFS算法与混沌优化算法的混合递推算法,并通过理论推导与仿真计算证明了该算法的全局收敛性,从而建立了一套完整的混合智能建模策略.然后,详细介绍了在自主开发的通用过程建模与控制实验平台上,以重整装置预处理单元中的预分馏塔为实验对象进行的基于混合智能建模策略的完整实验过程,以充分的结果进一步验证了这些思想与技术的可行性.最后,总结了论文的工作,并对将来的研究方向进行了展望.