Kitsios利用遣传算法的多目标特性进行结构已选定的 次优控制器的设计，克服 无穷控制器阶数过高的问题，用于病态精馏塔仿真对象控制器的设计。Gonzalez-Trejo提出了一种由名义输入输出线性补偿器、状态观测器、不确定性估计器组成的线性反馈自适应控制器结构，将其应用于精馏装置的数值仿真试验，有较好的抗干扰性能。Zhu等采用一 种改进的内模控制算法和基于奇异值分解的控制算法对高纯度热集成精馏过程进行控制，有效地克服了装置的非线性与对操作参数的敏感性。 

在智能控 制应用于精馏塔对象的研究方面，Dutta提出了使用神经网络进行基于模型的增益预测方法，并实现了一般模型控制。吴迎春使用神经网络构建三元精馏塔预估器及控制器，进行了数值仿真。Canete采用神经网络对精馏塔建模，提出自适应基于神经网络的模糊控制器，并在二元精馏塔上进行了仿真。Baratti使用NN建立过程的逆模型，以消除扰动对过程造成的干扰，实现被控变量的稳定运行。Yang使用遗传算法在频域内对二元精馏塔的PID控制器参数进行整定，收到了比Ziegler-Nichlos方法更好的控制效果。Maidi通过引入补偿器，有效减小了精馏控制回路之问的相互影响， 并在此基础上设计了模糊控制系统，对精馏过程进行控制。 

近十几年来，对精馏塔两端组分控制、控制系统结构分析综合逐渐成为研究热点， 而且由于现阶段组分的在线测量装置的精度很难满足在线控制的需要。因此推理控制受到了越来越多的关注。但由于精馏过程的强关联性，最常用于构建推理模型的递推最小二乘算法效果不佳。因此常采用偏最小二乘法来构建成分估计器。Fuji报道了此类成分估计器在实际工业精馏装置中的应用。Kano等人进一步对基于PLS的成分估计器进行了研究。将稳态、静态和动态推理模型进行了比较，指出动态推理模型有最好的估计精度。在此基础上，Kano又提出了一种“预测推理控制”，使用在线辨识的推理模型估计未来成分的变化，并依此对其进行控制。张缇、薄翠梅等建立了塔顶塔底成分的非线性回归模型和人工神经网络模型，选用较为简单的回归模型构成了软测量仪表，提出了基于软测量的推断控制方案，并在推断控制算法中增加了约束控制功能。高峰同样采用软测量的方法实现了对产品组分的预估，并在此基础上构建了多变量预测控制器。翟军勇将基于多元逐步回归分析软测量方法与避免约束边界上跳变约束控制方法结合起来，应用于丁二烯精馏塔的优化控制。Olanrewayu对精馏塔构建了线性状态空间模型， 用于组分估计器的构建与控制器的设计。   

但在这些对精馏控制的研究中， 绝大多数仍是局限于理论推导仿真或实验室装置， 工业实际应用的报道较少。随着过程工业对精馏过程要求的提高，迫切需要控制界提出更多有实际应用价值的控制策略，并将其付诸实际，以满足工业过程控制的需要。 

 发展趋势

精馏塔是一个多输入多输出的多变量过程，内在机理较复杂，动态响应迟缓，变量之间相互关联，滞后大，模型阶次高，动态响应慢，非线性严重，控制变量多，控制回路关联性强，在线测量困难不同的塔工艺结构差别很大，而工艺对控制提出的要求又较高，所以确定精馏塔的控制方案是一个极为重要的课题。通过熟悉精馏塔系统的动态特性，掌握其数学模型及对开环系统进行根轨迹和频率特性分析，对精馏塔系统设计PID控制器，并进行参数整定，形成一个性能较高且容易实现的控制系统，在保证对被控变量的控制效果前提下，实现对操纵变量的优化，即能耗降低。基于Kingview的仿真软件用于模拟精馏过程的变化，十分简单。这一课题的研究在化工生产等领域都具有很大的应用意义。