复杂工业多级系统的鲁棒协同优化与可重构控制

With the increasing complexity of industrial systems, the requirement for dynamic optimization and flexible control is growing significantly. To meet the huge challenge, data-driven robust collaborative optimization and reconfigurable control inspired by the stable coordinated control mechanism of biological networks are proposed for multi-stage complex industrial systems. Based on multidimensional co-evolutionary mechanism of biological networks, robust collaborative optimization for multi-stage industrial systems is developed. Taking into account both the overall performance of the system and the dynamic behavior of the closed-loop control system, this project is going to obtain robust reconfigurable control systems driven by the dynamical data for the multi-stage complex systems, which could improve the reconfigurable control performance of the complex industrial systems. Coordinated control model and structure based on robust collaborative optimization for complex reconfigurable industrial systems will be studied to establish the prototype of coordinated control system in complex industrial networks, which is inspired by the reconfigurability in bionic systems. This project will design the robust collaborative optimization and reconfigurable control systems for the multi-stage drafting system in the complex process of high performance fibers. The feasibility of robust collaborative optimization and bionic reconfigurable control systems will be verified by simulations and experiments. Innovative achievements in both theory and technology can be scored to solve the problems of robust collaborative optimization and reconfigurable control in complex industrial systems and have wide application perspective under the various unknown demand in uncertain environment.

针对复杂工业系统动态优化与柔性控制的挑战，受生物体稳态协同调控体系的启发，提出基于动态数据驱动的复杂工业多级系统的鲁棒协同优化与可重构控制理论与方法。构建生物网络启发的复杂多级系统鲁棒协同优化模型，提出基于生物多维协同进化机制的多级系统鲁棒协同优化方法；兼顾系统的整体性能及闭环系统的动态特性，提出基于动态数据驱动的复杂工业多级系统的可重构鲁棒分配控制方法，提高复杂多级系统的可重构控制性能；建立基于鲁棒协同优化的可重构复杂工业网络系统的协同控制模型和体系结构，设计并实现仿生可重构复杂工业网络的协同控制原型系统；针对高性能纤维的复杂加工过程，研究其多级牵伸过程的鲁棒协同优化与可重构控制系统，验证基于鲁棒协同优化的仿生可重构工业网络系统用于复杂工业多级系统控制的可行性。以上成果为解决复杂工业的鲁棒协同优化与可重构控制提供创新的理论和应用方法，在面对不确定环境下各种未知需求时有着广阔的应用前景。

本项目以碳纤维及聚酯纤维原丝生产的纺丝成形过程为研究对象，通过对复杂工业过程系统的建模与求解、优化和智能控制等理论与方法的有机结合，提高工业过程的生产技术水平。.首先，研究生产线数据安全云存储，为工业过程建模及控制提供研究基础。考虑模型变量的复杂噪声对模型的影响，采用鲁棒辨识模型。建立工业过程多模型系统，实现模型中的参数辨识。在基于数据驱动模型的基础上，将智能控制方法与传统的控制方法结合进行系统协同优化控制。第二，基于免疫系统的启发性原理，研究工业过程的多级系统可重构控制策略。建立纤维生产过程的多级拉伸过程模型，并采用智能方法优化模型的参数。第三，建立工业生产预测模型，并采用协同优化方法优化模型的参数。针对工业过程生产环境复杂，观测或测量数据由于传感器故障或干扰，会存在异常观测数据，建立了误差变量系统模型，采用期望最大化算法修正异常数据引起的偏差。由于不同的观测噪声之间大多具有相关性，并且工业过程常常是复杂非线性并包含多个模态，因此建立了多模型高斯过程控制系统，以增强控制过程的稳定性。最后，对采集的数据进行存储与分析，搭建云存储平台，将建立的数据驱动预测模型与协同优化结合，为纤维工业生产的预测提供理论支撑。.课题成功解决多个实际工业系统问题，包括碳纤维凝固浴的控制系统设计、碳纤维牵伸过程的控制设计、聚酯纤维纺丝过程的性能指标的预测及智能协同的复杂工业网络可重构控制与鲁棒动态优化。以上成果为解决复杂工业多级的鲁棒协同优化提供了理论和应用方法，在面对复杂工程可重构控制的系统有着广泛的应用前景。.项目执行期间在国内外期刊和学术会议上发表或录用标注受本项目资助的论文34篇，其中SCI检索论文17篇；申请国家发明专利11项，其中授权国家发明专利1项；登记软件著作权2项；出版专著2部。