传统的模糊集合在表达和处理不确定性问题时具有很大的局限性,针对这一问题,美国模糊控制领域的专家Zadeh教授在其基础上进行了扩展,首次引入了二型模糊集合的概念。它是对传统的模糊集合中的隶属度值再次进行模糊化处理,使其具有三维隶属度函数特性,这样可以扩展隶属度函数及模糊推理的设计自由度,能够更好的处理不确定性复杂问题。然而,二型模糊集合的三维隶属度函数特性也带来了计算复杂、计算量过大的问题。为此,提出了区间二型模糊集合的概念,其具有易于表达、结构简单和计算成本低的特点,由其组成的系统叫做区间二型模糊系统。目前,区间二型模糊系统是二型模糊系统的研究热点问题,在很多领域得到了大量地应用。本文以区间二型模糊系统理论为基础,充分利用其处理不确定性复杂问题的优势,以乙烯裂解过程为应用背景,重点研究区间二型模糊系统在复杂工业过程中的建模与控制方面的理论和应用。本文的主要研究工作如下:(1)针对非线性系统的辨识和复杂工业过程的建模问题,提出了一种改进的区间二型模糊神经网络建模方法。在改进的算法中,网络的模糊规则前件采用区间二型模糊隶属度函数,规则后件采用Mamdani模型。在解模糊计算中,设计一种能够学习的?因子可自适应的调节降型集合的左、右端点值替代常用的均值计算方法,以此来提升系统的精度。改进的区间二型模糊神经网络由结构和参数学习构成,网络模糊规则前件参数通过自适应模糊c均值算法确定,网络规则后件参数的初值为区间随机数。改进的区间二型模糊神经网络的前件参数、后件参数和权重因子?利用一种自适应梯度下降方法进行学习和调整。最后,通过一个非线性系统辨识的例子和建立乙烯裂解炉软测量模型,验证了所提出的改进区间二型模糊神经网络的有效性。(2)针对具有不确定性的复杂非线性系统的辨识和建模问题,提出了一种具有非对称隶属度函数的自组织区间二型模糊神经网络。首先采用具有四个不同模糊化参数的模糊c均值算法对输入数据进行划分获得模糊规则的不确定均值和标准差。然后根据聚类有效性标准可以确定模糊规则数,从而自动完成区间二型模糊神经网络的结构和规则前件参数辨识。网络的规则后件部分采用Mamdani模型,后件参数的初值为区间随机数。最后,将提出的具有非对称隶属度函数的自组织区间二型模糊神经网络应用到了非线性系统辨识和乙烯裂解炉收率预测问题上。实验结果与模糊神经网络和区间二型模糊神经网络相比较,证明了提出的方法拥有更好的性能。(3)针对复杂化工过程的软测量建模问题,提出了一种基于自组织递归区间二型模糊神经网络的软测量模型。它合并了区间二型模糊系统和递归神经网络的优点,可以避免数据的不确定性带来的困扰。高斯区间二型模糊隶属度函数用来描绘网络规则的前件,网络规则后件为Mamdani类型。一种基于高斯核有效性指标的自适应最优聚类数模糊核聚类算法用来确定网络的结构和参数,网络参数采用梯度下降法进行学习。最后,提出的自组织递归区间二型模糊神经网络应用到了乙烯裂解炉收率建模中。通过实验比较提出的方法与模糊神经网络和区间二型模糊神经网络,结果表明提出的方法拥有更佳的性能。(4)乙烯裂解炉出口温度控制系统存在非线性、多变量耦合、大时滞等干扰因素,使得它在实际的生产过程中很被难精确控制。为了解决这个问题,提出了一种基于区间二型模糊模型的逆控制器设计的控制策略。所提出的控制方案分为两部分:一部分是区间二型模糊模型的逼近结构,其用来逼近过程输出。另一部分是区间二型模糊模型逆控制器,其用来控制过程输出跟踪目标值。此外,大量的工业现场数据用来测试并取得了乙烯裂解炉平均出口温度控制系统的数学模型。最后,将提出的基于区间二型模糊模型的逆控制器设计方案用在了乙烯裂解炉平均出口温度控制系统中,仿真结果表明所提出的方法是可行的。(5)针对区间二型模糊控制器的降型过程损失系统不确定信息的问题,提出了一种基于遗传算法的改进区间二型模糊控制器。首先,利用区间二型模糊推理和Wu-Mendel不确定边界降型算法得到区间二型模糊输出的四个不确定边界值,然后对其进行再次优化。通过利用遗传算法优化区间二型模糊控制器的量化因子、比例因子和隶属度函数,构建遗传算法的适度函数作为性能指标,使其与系统输出直接相关,以此来提升整个控制系统的性能。最后,提出的方法应用在了乙烯裂解炉平均出口温度系统中,仿真结果表明所提出的方法是有效的。