基于多智能体的连续轧制过程智能控制方法的研究

板带材连续轧制是典型复杂的多变量多目标系统，日益呈现出复杂化、大型化、强耦合的特点，缺少"分解-协调"相关框架和理论支持，将连续轧制等复杂工业过程作为一个整体对控制系统的设计愈加困难。为优化控制系统设计，提高产品质量和控制系统的综合性能指标，以连续轧制过程为研究背景，对控制系统进行功能分解，模块分割，基于多智能体理论，设计适合过程控制实时性特点的智能体内部结构，并进行单智能体映射与建模；采用层次递阶和分布式相结合的异构混合体系结构，建立针对连续轧制过程的多智能体控制系统，并设计具有学习和容错能力，基于强化学习自协调的协作协调机制；通过开发仿真系统，搭建测试平台，进行仿真实验，基于综合优化性能指标，对连续轧制过程多智能体控制系统不断改进、优化和完善。最后，实现控制系统的优化设计，并形成基于多智能体的连续轧制过程智能控制方法，为多智能体理论在复杂工业过程控制中的应用提供理论支持和方法参考。

本项目为优化控制系统设计，提高产品质量和控制系统的综合性能指标，以连续轧制过程为研究背景，对控制系统进行功能分解，基于多智能体理论，实现控制系统的优化设计，并形成基于多智能体的连续轧制过程智能控制方法。通过对宝钢、本钢等典型连轧生产线进行充分的企业现场调研，收集到大量的过程数据和目前自动化系统的应用情况，总结和提炼出典型连续轧制控制系统。分别针对冷连轧和热连轧的自动化控制系统，按照控制功能和设备分布进行控制模块分解，基于多智能体理论进行单智能体映射与建模，分别对每一个子模块进行映射、建模和封装，对于功能相同或相似的控制子模块，利用智能体借用或重构，设计适合连续轧制过程的单智能体结构，构建和封装单智能体模型。依据实际连续轧制过程的工艺要求和功能，采用分层递阶结构和分布式结构的混合控制体系结构，组织各个单智能体，建立起面向连续轧制过程的多智能体控制系统。基于连续轧制过程中行为和参数之间的相互影响程度和相互约束条件，以及智能体之间解耦或补偿的期望要求，采用强化学习的多智能体协作协调机制，建立适用于连续轧制过程控制并具有自学习能力的协作协调机制，避免了BDI模型速度慢和协商协作模型很难满足实时和全局控制系统的要求。综合考虑控制系统中每个性能指标对综合优化性能指标的不同影响程度，以权重来表征各性能指标的重要程度，并考虑随产品的用途和轧机优化的偏好不同而动态改变各性能指标的重要程度，设计系统的动态综合优化性能指标，解决了各个控制系统独立运行情况下，产品的性能指标顾此失彼的弊端，达到总体满意的综合控制效果。在实验室连续轧制过程半实物仿真系统对象模型的基础上，依照所设计多智能体控制系统的体系结构，将映射和封装的若干智能体组织起来，开发了连续轧制过程多智能体智能控制的仿真实验平台。基于以上研究成果，在国际杂志及重要国际会议上发表论文19篇、在国内杂志及国内重要会议上发表论文21篇。其中被SCI收录5篇，EI收录36篇，ISTP收录3篇。申报国家发明专利2项，其中已经授权1项。参加国内外（含香港地区）学术会议和学术交流16人次。通过该项目的研究，在国家自然科学基金委的资助下，培养中青年骨干教师1名；培养研究生9名，其中，博士研究生5名，硕士研究生4名；建立基于连续轧制半实物仿真实验平台，开发出多智能体控制系统设计测试平台一套，收集和整理现场测试数据超过1000GB。