组合积分系统广泛存在于各种流程工业中，但关于此类系统的控制研究仍处于起步阶段。目前，对组合积分系统的控制仍采用传统控制算法，将其近似处理为低阶纯滞后过程并实施控制。但传统控制策略需要精确数学模型且存在控制精度低、稳定性较差、无法实现控制量约束等问题；此外，随着能源环境和经济效益要求的提升，对工业控制的要求也愈加严格，因此打破传统控制策略，寻求控制质量更好的组合积分系统先进控制算法十分必要。
　　广义预测控制算法(Generalized Predictive Control ，GPC)是在实际工业应用中发展起来的一种具有预测模型、滚动优化和在线反馈校正环节的先进控制算法。控制系统设计灵活，对象建模方便，无需深入了解内部机理即可对含大纯滞后环节、控制量约束、非线性及非最小相位过程进行控制，且控制鲁棒性与稳定性较好。
　　基于以上背景，本文主要进行了以下研究工作：
　　(1)通过对组合积分系统模型结构的分析得出组合积分环节的性质及应用。研究几种常见的控制策略对组合积分对象的控制效果，主要包括PID控制、Smith预估控制和组合积分控制策略。在实验结果的基础上，分析各种控制方法的优缺点，由此引出组合积分系统的GPC控制器研究与设计。
　　(2)研究 GPC 算法的基本原理，说明 GPC 算法以预测模型为基础，不断滚动优化并在优化过程中实时反馈的控制思想。在分析广义预测控制算法中各参数对控制性能的影响后，针对组合积分系统设计GPC控制器，在此过程中，首先对组合积分系统进行离散化处理以获得模型参数，随后在分别考虑了白噪声和有色噪声干扰的情况下，仿真得到GPC对组合积分系统的控制效果，最后分析GPC控制性能的优点与不足并给出原因。
　　(3)提出基于可变遗忘因子递推增广最小二乘算法(Variableforgetting factor recursive extended least square, VFFRELS)的隐式广义预测控制。使得算法的在线辨识环节既可以辨识有色噪声大小，又能够同时满足快速性与稳定性的要求，此外算法简化，计算量减小。研究表明，改进后的广义预测控制算法对组合积分系统的参数辨识具有速度快、稳定性好的优点，同时控制系统的抗干扰性能提升、动态响应加快，控制性能优于常规GPC算法。
　　(4)提出基于改进量子粒子群优化算法(Improved quantum particle swarm optimization，IQPSO)的广义预测控制。在量子粒子群算法中加入高斯扰动和粒子早熟收敛的判定标准，提高全局搜索能力。在无约束条件下利用梯度寻优法得到最优控制增量并判断是否满足约束条件，若满足则直接求出控制律并求解预测输出，否则利用 IQPSO 算法寻优，将控制增量序列中不满足约束条件的量处理为边界值并将处理后的序列作为部分粒子的初始值以加快收敛速度。将采用 IQPSO优化的改进 GPC 算法应用到组合积分系统中，仿真结果表明该算法能够在保证控制性能良好的同时实现控制量约束，并有较好的实时性。
　　(5)建立烘丝过程出口水分传递函数模型，将改进后的GPC算法应用于出口水分过程的控制中，通过实时调整输入的中压蒸气，使水分含量达到理想的指标并在Opto22软件套件中工程化实现。