先进控制可以给生产企业带来显著的经济效益,这已成为一个世界性的共识,但国内的先进控制投运状况并不理想,很多装置的先进控制难以长期运行。针对目前先进控制应用中存在的问题,本课题以现有工业生产控制系统为基础,利用现代控制理论并结合现场实际,研究基于DCS层面的先进控制,确保装置的平稳运行和获取最大经济效益,同时也为基于DCS层面之上的先进控制和优化控制得以长期稳定运行打下基础。本课题研究目的是在现有装置和工艺不改进的条件下,如何使用先进控制技术提高装置的平稳性和自控率,降低能耗,减少操作人员的劳动强度,提高装置的综合水平,获得更大的经济效益。基于上述目的,本课题以基于IMC的先进控制来解决装置的自控率和平稳性问题,以模糊控制与常规控制相结合来减少前后工序间的负荷波动,以改进的RBF神经网络建模方法提高软仪表的预测精度。IMC是基于对象模型的先进控制技术,模型辨识的准确与否直接影响其控制效果,为提高对象辨识的准确性,针对一些因干扰滞后等原因,其过渡过程较长的对象,本课题研究了非稳态条件下的对象辨识问题。提出对象参数和系统状态方程初值同时辨识的方法。该方法的提出,为控制系统的在线辨识、PID参数整定难于在线进行的一系列问题提供了新的解决方案。工业过程对象一般用一、二阶加纯滞后来表示,针对这类对象的求解,文献上一般使用Pade近似法来解决。但对于一些大的滞后系统,使用这种算法进行对象辨识,会出现误差过大现象。为此本课题进行了纯滞后对象求解问题的研究,提出了移位插值法求解纯滞后项,新算法在不增加计算复杂性的情况下,可获得比Pade近似更为精确的计算结果。现有工业生产装置的控制系统由多家供应商提供,所提供的控制算法有多种。在对象辨识与控制器设计过程,如果对每一种类型的对象或控制器都进行总传递函数计算,就会给工程实施和程序设计工作带来很大困难,为此本课题应用矩阵模块法解决对象辨识的通用性求解问题。应用矩阵模块法进行求解,当系统中的模块参数发生变化时,只需改变相应数值,而无须改变整个系统结构,从而避免了重复性劳动。对于包含纯滞后的环节,使用移位插值法避免Pade近似带来的计算误差。由于辨识时考虑了状态空间方程初值,这样可以方便的使用现场数据进行模型辨识,而不必考虑测试数据的状态,使得辨识工业对象更方便,辨识结果精度更高。为减少因前后负荷变化过大而影响装置平稳性的问题,利用液位允许在一定范围内变化的特点,本课题以模糊控制理论和常规PID相结合,研究了输出缓慢变化的液位非线性自适应区域控制技术。液位非线性自适应区域控制基于DCS操作人员的操作思想,当液位在允许范围内波动时不进行调节,以确保后续系统的稳定操作。液位非线性自适应区域控制在实现上只需调节一个参数——比例系数,参数的调节并不需要掌握模糊控制的知识,只要参考前几次的调节数据,一般操作人员就可容易地进行设定。液位非线性自适应区域控制使前一工序的稳定性大大提高,从而减少了后继工序的操作频次,进而减小操作人员的劳动强度。针对神经网络软仪表在实际应用过程中会出现预测误差过大问题,为提高软仪表预测的准确性,针对原算法的不足之处,本课题经多方分析,找到了影响网络精确度的原因,提出了以K均值和递推下降算法相结合的RBF神经网络建模改进算法,从而提高了软仪表的数据预测精度。最后应用IMC技术,对DCS控制回路的PID控制器进行了IMC-PID控制器改造,解决了IMC的实际应用问题。