论文研究过程控制回路中调节阀粘滞非线性的建模、诊断及其量化参数辨识问题。工业生产中广泛使用各类调节阀作为过程控制系统的执行机构,调节阀粘滞非线性可导致过程回路产生显著的振荡现象,影响产品质量、降低生产成品率、增大能源消耗,是过程工业急需解决的重要问题。　　 物理建模和数据驱动建模是建立阀门粘滞非线性模型的两种方法。物理建模方法基于阀门的运动分析建立运动方程,需要确定一定数量的方程参数;数据驱动建模方法则主要考察阀门的输入输出数据,借助于少量外部参数通过程序加以实现。由于物理建模方法中对阀门运动分析的复杂性以及获取运动方程参数的困难,数据驱动建模方法得到了更广泛地接受和应用。论文介绍了两种数据驱动模型,即Choudhury模型和Chen模型,并通过对阀门的运动逻辑分析提出了一种新的三状态数据驱动模型。借助于这些数据驱动模型,使用Matlab Simulink仿真模块可搭建仿真过程回路,进而通过仿真分析展示阀门粘滞非线性导致过程振荡的具体表现。非线性环节的描述函数分析法是进行非线性闭环回路振荡分析的主要手段,论文推导了阀门粘滞非线性的描述函数,并对阀门粘滞非线性导致过程回路振荡的本质原因进行了理论分析。　　 过程回路非线性检测是进行阀门粘滞非线性检测的先行工作,回路非线性的检测结果可作为阀门粘滞非线性诊断的参考。论文介绍了基于过程信号高阶统计量分析的BIS双谱图谐波检测法和基于过程输入输出序列的DCT频率分解非线性检测方法。论文着重介绍了辨识阀门粘滞非线性量化参数的Stiction-Wiener算法,即使用三状态数据驱动模型来描述阀门粘滞非线性,采用Wiener模型来描述被控对象,通过基于Wiener模型的迭代辨识算法和全局网格搜索结构,来估计阀门粘滞非线性量化参数和Wiener模型参数。论文通过仿真算例分析和Monte-Carlo数值模拟对算法的辨识能力和参数估计性能进行了研究,并通过对一组实验数据的分析验证了算法的辨识效果。