火电厂热工过程是一个复杂的非线性、时变系统，对于此系统，传统建模与控制方案目前所遇到的困难主要来自于机组负荷经常性的大范围变动。在这种情况下，采用基于分解-合成原则的多模型策略以简化原有的建模与控制是一种有效的尝试。本文对适用于复杂热工过程的多模型建模与控制方法作了研究和探索。主要研究内容包括： 1. 针对复杂热工过程大工况范围内的建模问题，设计了两种多模型辨识方法：基于递阶G-K模糊聚类的多模型建模方法和基于T-S模糊模型的多模型建模方法。前者提出了递阶聚类的思想，不仅可快速确定出系统样本集的最优分类数，而且显著降低了多模型建模计算量；同时提出一种改进的G-K模糊聚类算法，它综合考虑了样本间几何距离和样本子空间线性化度两方面因素，从而使样本空间的划分更符合多模型建模中局部线性化的思想，并提出采用免疫遗传算法优化求解改进的聚类算法。后者针对非线性机炉协调系统的T-S模糊多模型建模，提出了一种简单有效的三阶段辨识算法，综合利用了系统先验知识、启发性知识、最小二乘法及梯度下降法，并且充分考虑了模型精度和可解释性两个因素。通过对典型SISO和MIMO热工系统的仿真表明，两种方法辨识过程简单，取得了满意的仿真结果。 2. 针对非线性机炉协调系统大工况范围内的控制问题，在T-S模糊多模型建模的基础上，设计了多变量约束预测控制算法。通过工作点线性化将全局T-S模糊模型转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，较好地解决了非线性多变量系统预测控制中如何获得全局模型以及约束优化在线求解的难题：在每一采样时刻，基于预测时域内的线性模型序列作为预测模型，减小了模型预测误差，提高了控制性能。Bell- str m机炉协调控制系统的仿真表明：基于该方法设计出的协调控制系统在大工况范围内具有优良的调节品质和较强的鲁棒性。 3. 针对非线性机炉协调系统大工况范围内的控制问题，提出了一种新的基于免疫优化的增益调度多模型鲁棒控制方法。通过将定性推理(模糊逻辑)和定量优化(免疫算法)相结合，给出了增益调度控制系统中增益调度器的一种系统化、最优化设计方案，避免了现有方法中依赖经验设计增益调度器的盲目性以及无法保证系统全局控制性能的不足:同时，提出采用H<,∞>/混合灵敏度方法设计局部协调控制器，显著减少了增益调度控制系统中局部控制器的数量，有利于算法的工程实现。通过对Bell- str m机炉协调控制系统的仿真验证了该方法的有效性和可行性。 4. 针对一类具有较强耦合特性的单元机组协调系统大工况范围内的控制问题，设计了一种多模型自适应前馈解耦控制算法。采用多个固定模型和两个自适应模型(常规自适应模型和可重新赋值的自适应模型)并行辨识被控对象特性，在每一采样时刻基于切换性能指标选出最优局部模型，并以此设计前馈解耦控制器。同时对控制系统的闭环稳定性进行了证明，并去掉了现有文献假设被控对象为最小相位的限制。通过对某国产300MW直流机组协调控制系统的仿真表明，采用该方法设计的控制系统不仅具有良好的静、动态解耦性能，而且能够快速适应负荷工况点的大范围变化。 5. 针对火电厂过热蒸汽温度系统大工况范围内的控制问题，提出了一种多模型自适应预测控制方法。该方法将传统多模型自适应控制中的一步提前最小方差控制率推广到基于多步滚动优化的预测控制率，从而显著提高了算法对大惯性、大滞后特性对象的控制性能；同时证明了闭环系统输入输出有界稳定。通过对某典型锅炉过热汽温系统的仿真表明：采用该方法设计的控制系统对负荷变化适应快，在大工况范围内具有良好的动、静态调节品质。