长流程连续反应过程协同优化与不确定性控制问题研究

Long continuous processes are commonly found in important industries in national economy, such as, metallurgy, petrochemical and pharmaceutical industries. This kind of the process consists of multiple stages where various reactors are connected and different physicochemical reactions are implemented. Due to the relevance between stages and uncertainties of their internals, it is difficult to effectively control each reactor in these stages and realize a high-quality and stable production of the whole process. To solve this problem, a coordinated optimization and uncertainty control strategy is proposed for long continuous processes. In the strategy, a graph presentation method of process network is proposed based on analysis of the connections between process stages. Based on the transferring rules of materials and energies in the graph, relevance matrixes of the neighbor stages are built. Using the matrixes, a relevant domain centered on the target stage is divided. And the product indexes are coordinated optimized according to a series of designed evaluation functions for the whole domain. Meanwhile, the uncertainties in the process model and production constraints (e.g. model parameters, material contents, etc.) are described in a series of proposed methods based on quantum probability theory and wave motion theory. After that, by using the uncertainty descriptions and the coordinated production indexes, an optimization and control method of multiple connected reactors are established to determine the operational parameters timely and properly for each reactor in the long continuous process. This research will be of great significance in promoting a high-quality, low-consuming and stable production of long continuous processes.

长流程连续反应过程普遍存在于冶金、石油化工、医药等多种国民重要经济产业中。这类过程一般由多道工序联接而成，每道工序由存在多种物理化学反应的多级反应器。工序间关联性和工序内不确定性，使控制系统难以保障整体流程的高质量稳定生产。为此，本项目提出一套针对长流程连续反应过程的协同优化与不确定性控制策略。首先，分析工序联接方式，构建多工序网络结构拓扑图；根据拓扑图中物料、能源等的传递规律，建立工序关联度矩阵。在此基础上，划分反应关联区域，设计区域整体性能多维评价指标，在关联区内协同优化产品指标。最后，基于反应概率原理和随机波动理论，研究过程模型和生产约束中模型参数、物料成分等的不确定性描述方法；以产品指标协同优化值为出口目标，研究具有不确定信息的多级反应器操作量优化控制方法，实现各级反应器操作量优化设定。本项目的研究对进一步提高长流程连续反应过程低耗、高质、稳定生产具有重要意义。

金属加工、电力生产等连续生产过程包含多道生产工序，工序关联性强、过程检测信息有限、工序生产存在多种不确定性变化，造成生产过程难以观测且优化控制精度低。现有的多工序连续生产优化控制多采用基于模型的优化控制策略。但由于多工序生产网络检测信息不完备、机理知识有限等，使生产优化控制效果有限。本项目针对上述问题，综合分析了这类生产过程的共性特点，结合生产过程智能化转型的实际需求，构建了一系列适应于复杂生产系统的过程状态估计器、指标预测以及优化控制方法。.针对生产过程关联性强，过程检测感知信息容易缺失等问题，提出了生产过程测量信息有限、检测信息出现故障等条件下的H∞状态估计器、有限域状态估计器设计方法，以及分布式卡尔曼滤波器，这些方法为金属加工、电力生产等生产过程提供了有效的过程估计与观测，作为过程关联分析的更进一步提升，为生产过程的优化与控制提供了基础。针对在金属加工等典型生产过程中，关键生产指标易波动给生产优化带来的不确定性问题，融合机理分析、数据建模与过程评估构建了生产指标预测方法，为过程优化提供预测基础。同时，针对非线性生产过程缺乏精确模型不利于生产优化的现象，提出了一种多级递归算法，利用MGR径向基神经网络逼近系统动态，以改善非线性生产系统的局部优化问题。针对实际生产中稳态过程随机跳变导致的过程优化控制问题，通过构建抽象于实际生产系统的马尔可夫过程，提出了面向随机跳变的马尔可夫过程自适应神经滑模控制方法，实现了过程优化控制。.在本项目实施过程中，共发表论文11篇，其中在IEEE汇刊上发表论文3篇，其他SCI期刊论文2篇，中文核心期刊论文4篇；申请专利9项，其中，授权专利7项，按计划完成任务。本项目成果可应用于电力生产预测与规划、金属加工生产优化控制等方面，所设计的生产过程状态估计与控制策略具有一定的推广前景。