基于PLS隐变量空间的控制方法研究及在故障恢复控制中的应用

深入进行基于PLS隐变量空间的控制器设计和分析方法的研究，提出一类PLS隐变量空间中"同时具有常规控制功能和故障恢复控制功能"的约束预测控制命题；得到至少一类动态非线性PLS模型结构和算法实现；提出一种"保真"的空间约束域投影算法和一种最优的主元操作变量逆映射规则；提出一类适用于多变量闭环控制的PLS模型在线更新算法；构造出至少一类安全、优化性指数并确定其"分级"或连续变化的控制限（阈值）；研究PLS隐变量空间控制系统稳定性、收敛性、鲁棒性分析方法，初步得到一些能推动后续研究的理论成果。通过上述研究，获得关于主元隐变量控制策略的新理论、新技术和新算法，探讨面向工业系统应用的解决方案并提供理论依据和技术借鉴，为将来走向实际工业应用扫清基本障碍，为故障控制的更深入研究奠定技术基础。本项目的成果提供形式主要为学术研究论文、发明专利、软件著作权、现场试验报告、结题研究报告和人才培养等等。

PLS 作为一种重要的数据驱动方法，其解决变量共线性和降维去噪的能力在软测量、系统辨识、过程监控和故障诊断等领域取得了许多成功应用，但其在控制系统设计方面的研究仍然处于探索发展阶段。本项目运用 PLS 隐变量空间正交投影理论作为主要工具，通过 PLS 模型将 MIMO 系统的控制问题从原始控制空间映射到主元隐变量空间中，构成多个 SISO 系统的主元隐变量控制策略，并将其进一步延伸到解决一类缓变故障的恢复控制问题中。.四年来经过项目组全体的努力，取得了一些重要研究成果，部分填补了该领域的研究空白，主要体现在：.（1）将 MIMO 系统的控制问题从原始控制空间映射到PLS隐变量空间中，设计了多种不同类型的PLS型预测控制器（MPC、GPC、IMC、PFC等），尤其是通过三种技术方案解决了长期以来未解决的约束预测控制问题，对控制系统设计的机理模型路线走向数据模型路线具有重大科学意义；.（2）对隐变量空间的非线性动态优化问题进行了研究并给出了一个解决方案，颠覆了传统上依赖于机理DAE方程的动态优化模式，对于机理复杂、规模巨大的工业优化问题（不限于控制问题）具有开创性的科学意义和重要学术价值；.（3）针对典型的预测控制算法，如MPC、GPC、IMC，开创性地在隐变量空间框架下进行了稳定性、收敛性和鲁棒性分析，给出了一些原创性结果，并由此引申到一些相关方面的探讨，这些工作对隐变量空间预测控制理论的发展具有重大科学意义；.（4）将之前文献中的PLS模型结构形式拓展到4种，可有效描述多种不同情况的动态非线性特性，并将传统预测控制中的自适应方案引入到隐变量空间中，解决了PLS框架下预测控制器的自适应问题，为实际应用奠定基础；.（5）进行了故障恢复性控制的探索性研究，得到了一种可用于隐变量空间故障恢复性控制的安全控制算法，但其科学意义尚待检验。.在成果的量化指标上，共见刊发表了学术论文26篇（其中SCI论文15篇、EI论文7篇、一般性论文4篇），已经录用和正在审稿中的论文6篇（其中SCI期刊源论文5篇）。同时，共培养博士研究生10名（其中已毕业4名），硕士研究生13名（其中已毕业7名）。圆满地完成了研究任务，达到了预期目标。