基于局部建模的大范围工况系统优化控制

本项目针对大范围工况、多变量的工业过程，在自适应预测控制的框架下，深入研究局部建模与模型预测控制器设计之间的内在关系。以自适应局部建模为出发点，研究当前工况下局部模型的辨识方法，包括局部模型最佳估计以及融合模糊聚类、分层递阶、逐维定位技术快速性算法。通过多层并行结构优化的方法，求解系统的最优设定点，通过滚动时域观测器克服系统的不可测扰动，在上述内容的基础上，研究系统的稳定性。并以典型大范围工况系统为例，开展实验研究，以期形成一种面向实际控制需要的、系统化的动态系统建模与优化控制理论方法。

由于实际工业过程往往具有多变量、非线性、工况范围大等特点，很难用单个全局数学模型精确描述。本项研究直接从系统的输入输出数据出发，借助于机器学习、统计学理论以及数据挖掘等手段，采用基于分治策略的局部建模方法，分析与了解被控过程相关特性，达到对工业过程建模与控制的目的。将减法聚类与局部模型网络相结合，提出在线自适应的多模型策略；以滚动时间窗口捕获系统的工况变化，提出动态典型相关分析的自适应建模算法；引入机台效应与产品效应，提出基于p-value统计值的机台聚类算法与MANCOVA的软测量模型；将基于数据驱动的模型辨识与推论控制相结合，提出基于知识引导的优化控制；以即时学习算法调节PID参数，设计一种在线自适应的PID控制器；采用k-means聚类算法研究多产品混合制程的自适应控制，并提出基于牛顿迭代法，求解控制器权重因子的最优设定值；以汽电共生系统与多产品加工过程为背景进行应用研究，考察理论方法的有效性，形成一种面向实际控制需要的、系统化的动态系统建模与优化控制理论方法。本项目已发表学术论文27篇（其中：SCI收录12篇，EI收录26篇，ISTP收录2篇；期刊论文18篇，会议论文9篇），发明专利6项（其中：授权中国发明专利2项，申请中国发明专利1，申请美国发明专利3项），申请国家计算机软件著作权1项。