摘要：磨浆过程作为制浆和造纸工业最为重要的生产环节之一,其输出纤维长度随机分布(Fiber length stochastic distribution,FLSD)形状直接决定着后续造纸过程的能耗和纸品质量.针对传统的均值和方差难以描述输出FLSD特征,即具有非高斯分布特性,本文提出一种磨浆过程输出FLSD的预测概率密度函数(Probability density function,PDF)控制方法.首先,采用径向基函数(Radical basis function,RBF)神经网络逼近输出FLSD的PDF,在采用迭代学习方法完成基函数参数整定基础上对相应权值向量进行估计.其次,针对权值之间存在强耦合特点,利用随机权神经网络(Random vector functional-networks,RVFLNs)建立表征输入变量和权值之间关系的预测模型.最后,基于建立的输出FLSD模型设计预测PDF控制器,最终实现对期望输出PDF的跟踪控制.基于工业数据实验验证了所提方法的有效性,为磨浆过程优化运行和控制提供理论依据.