流化床制粒过程是药物生产流程中的重要组成部分。在药物研发过程中,药物配方的调整使得流化床制粒过程的原料属性与质量指标发生改变,导致基于过程模型的质量控制方法面临困难。而基于数据驱动的质量控制方法是利用过程的输入输出数据直接进行控制器设计,所以,研究基于数据驱动的药物流化床制粒过程质量控制方法具有重要的理论与现实意义。本文首先介绍了药物流化床制粒过程的基本原理、工艺流程以及药物流化床制粒过程机理模型,并通过仿真实验验证了机理模型的有效性。然后,对基于数据驱动的控制方法的基本概念与基本思想进行了叙述,同时,介绍了两种基于数据驱动的控制方法即无模型自适应控制（MFAC）和数据驱动最优迭代学习控制（DDOILC）方法并分别将MFAC和DDOILC应用于药物流化床制粒过程的颗粒质量控制问题,通过仿真研究对两种数据驱动控制方法进行了控制性能分析。在此基础上,根据MFAC和DDOILC的各自优势,提出了两种改进的数据驱动无模型自适应控制（DDMFAC）方法。第一种DDMFAC改进方法是在设计DDMFAC控制器时,依据两种控制方法性能特点,将MFAC和DDOILC的控制目标加以融合,以期提高控制性能;第二种DDMFAC改进方法是依据系统输出平均粒度值与目标值的差值信息,通过模糊控制器分别确定MFAC和DDOILC的选用以及相关方法参数的整定。然后,讨论了上述改进控制方法的收敛性问题,并通过仿真研究比较了两种改进方法的控制性能结果。最后,利用随着药物研发不断进行积累下来的不同原料属性和质量指标条件下的历史数据和操作经验知识,并结合即时建模和基于案例的决策方法提出了基于原语的数据驱动药物流化床制粒过程颗粒质量控制策略,仿真结果验证了所提出策略的有效性。