针对复杂批次过程的2维自校正模型预测控制理论与应用研究

批次过程是工业中的一类重要生产过程。特别是以生产高附加值产品为目标的复杂批次过程，一般都要求对关键过程变量实施严格的动态控制，以保证最终的产品质量。本项目针对复杂批次过程难以机理建模和高精度、高稳定性控制需求之间的矛盾，通过分析迭代学习控制的思想本质和批次过程动态特点，计划将批次过程看做一类同时具有时间维和批次维动态的特殊2维动态过程，然后综合应用模型预测控制思想和基于批次重复性量化指标的自校正控制策略，从理论和方法上发展并研究一种完全由批次过程数据信息驱动的2维自校正模型预测控制策略。该控制策略主要用以解决目前迭代学习控制策略面对复杂批次过程非重复特性时不可避免的各种控制问题，实现提升复杂批次过程控制技术和控制理论水平的目的。

批次过程作为小批量、高附加值产品的一种重要生产过程，在现代化的工业生产中正逐渐得到广泛应用。为了保证产品质量, 批次生产过程中一般都要求对关键过程变量或工艺参数实施高精度和高稳定度的控制。为了解决复杂批次过程动态特性复杂、强非线性与控制性能要求高之间的客观矛盾，本项目在深入分析迭代学习控制思想本质以及批次过程重复运行特点的基础上，制定了将复杂批次过程看作一类特殊的2维时间动态过程，然后在2 维系统理论框架下，发展适用于批次过程的先进建模和先进控制技术的研究思路。基于这一研究思路，本项目历经四年的研究，在如下三个方面取得了重要进展：.1、.在先进控制算法研究方面，提出了一系列基于批次过程2维动态模型描述的2维模型预测控制方案，主要研究成果包括：(1)、提出了具有内嵌PID控制器的2维模型预测控制方案；(2)、发展了基于2维性能参考模型的2维模型预测迭代学习控制方案；(3)、提出了间接型2维模型预测迭代学习控制的设计方法；(4)、提出了具有串级控制结构的2维模型预测迭代学习控制设计方法。与传统的迭代学习控制方案相比，这些控制方案能够同时有效利用复杂批次过程的2维动态特性（重复特性和非重复特性），显著提高控制系统稳定性、收敛性和鲁棒性。基于该方面的研究成果，已发表相关期刊论文7篇，待发表期刊论文1篇，发表会议论文4篇，形成专著1部。.2、.在针对批次过程的建模方面，提出了一种专门针对批次过程时变动态模型的3维在线递推最小二乘模型辨识算法，攻克了设计2维自校正模型预测迭代学习控制的核心难点问题。基于该方面的研究成果，已整理待发表期刊论文1篇。.3、.在控制方案的工业应用研究方面，开发了高压蒸汽灭菌过程这一典型批次生产过程的全流程仿真模型以及基于AspenPlus软件的间歇精馏仿真模型，并在这些仿真平台上对控制算法进行了验证。此外，已经有三种2维模型预测控制方案成功地用于实际的注射成型过程。在此方面发表相关论文4篇。.