间歇生产过程具有小批量、多品种、系列化、合成步骤复杂、技术密集等特点,能够满足现代过程工业的要求,应用越来越广泛。间歇生产企业对生产自动化和实现高效低耗的过程优化控制提出了更迫切的需求。因此,研究间歇生产过程优化控制问题具有重要的理论与实际意义。基于迭代学习控制思想的批次间迭代优化控制策略能够充分利用间歇过程运行时间的有限性和操作的重复性,以非常简单的方式处理不确定度较高的非线性强耦合系统的优化控制问题。但由于过程模型的不确定性和各种干扰的存在,给基于模型的间歇过程批次间迭代优化控制的实现带来障碍。本文主要研究在过程模型存在误差甚至较大误差情况下如何有效进行间歇过程优化控制的问题,即考虑模型误差影响的间歇过程优化控制。本文首先提出处理小样本的Boosting集成训练算法建立间歇过程模型,并以批次间迭代优化控制为基础,提出基于集成训练复合模型的批次间迭代优化控制策略。该策略将复合模型误差梯度引入迭代控制学习律,使批次间迭代优化在模型有效域内寻优,从而,改善模型误差对优化控制的影响。在批次间迭代优化过程中,依据优化指标实际值的变化自适应调整复合模型误差梯度的权值,在模型误差相对较大的情况下,实现自适应迭代优化控制。通过酒精补料分批发酵过程优化控制仿真,验证了该方法的有效性。尽管,批次间迭代优化控制能够有效改善过程模型误差对优化控制的影响,但对于批次运行时及批次内发生的扰动无能为力,为此,将批次间迭代优化思想引入批次内,提出批次间和批次内相结合的综合优化控制方法,仿真实验验证了方法的有效性。