基于过程模型的优化方法是目前间歇过程质量控制与优化研究的主流方法。然而,这类方法不可避免地存在建模成本高和模型失配等问题。为了避免基于模型方法的上述问题,本文针对一类快速、低成本间歇过程提出了一种以在线试验代替过程模型的无模型优化的思路。不过,在线试验往往伴随着各种噪声和异常干扰,这使得无模型优化的实施面临很强的挑战性。为了应对这一挑战并提高无模型优化的效率,本文集成了无模型优化算法、动态质量估计策略和迭代终止控制方法,形成了一种系统的无模型优化架构。本文的主要研究内容总结如下：1.针对快速、低成本间歇过程的质量控制与优化,提出了无模型优化的思想,并设计了无模型优化的实施框架。2.将两种高效无模型优化算法,即并行摄动随机逼近算法和单纯形搜索算法,分别与无模型优化进行了集成,形成了两种不同类型的无模型优化方法。在一个半间歇反应器的仿真实例上对两种方法进行了对比测试,并对它们在不同噪声水平下的性能进行了比较分析。3.从质量估计精度与试验估计成本相权衡的角度出发,提出了一种基于小样本统计的迭代点在线质量估计方法。以该方法为基础设计了无模型优化的动态质量估计策略。实验结果表明该策略有助于提高无模型优化的收敛性、鲁棒性和抗噪声性。4.基于收敛深度控制的思想,提出了一种无模型优化的迭代终止控制方法,使得无模型优化方法在优化进程中具备一定的智能特性,能感知优化进程已经取得和将要取得的优化进展,控制优化进程的适时终止。5.在注塑成型过程质量控制问题上,利用无模型优化方法实现了重量、焦距、尺寸等制品质量指标的控制。大量试验结果表明无模型优化方法在此类快速、低成本间歇过程质量控制问题上有良好的控制性能。6.在注塑成型过程质量优化问题上,对无模型优化方法进行了试验验证,并对其迭代终止方法进行了测试分析。结果表明,无模型优化方法性能良好;同时,迭代终止方法能顺利实现无模型优化进程的智能终止最后,总结本文的工作,并对无模型优化方法的适用性和局限性进行了分析,同时对进一步的研究进行了展望。