融合物质流分析的大范围过程网络分布式预测控制研究

It is significant and difficult to solve the control problem from the convective and diffusive process of the mass/energy flow and the data transfer through sensors and actuators for plant-wide process networks.By using the theory of graph and optimization, this project will design an optimized I/O variables selection algorithm to obtain the optimal control structure. By analyzing the relationship among mass flow network topology and node properties, the intensive variables are determined to describe the properties of the mass network. Integrating the intensive variables, the distributed models are built.Based on the dissipative theory, exploring the relationship between the global optimization aim and the local MPC cost function, the distributed model predictive control strategy is given.Moreover, for the plant-wide process networks with communication constraints, the project will design a distributed MPC strategy based on dynamical scheduling approach to guarantee the global performance.It is expected that the project will make significant contributions based on fully analyzing the micro mass/material dynamics, effective combination of network science and predictive control science, and thus provide new theory and methods for the control design in plant-wide process networks.

如何解决由过程网络的内部物质/能量流的流动、扩散过程和传感器、执行器间的信息传输带来的大范围过程网络系统控制的问题，是一个重要且困难的课题。本项目将基于图论及优化等理论，以最大化分布式网络性能为目标设计最优控制结构的选择算法；探索物质流网络拓扑结构和节点属性，提出表征物质流网络特性的强度变量，从而建立融合物质流信息的大范围过程网络分布式模型；揭示过程网络系统的整体优化控制目标与局域预测控制器的目标函数之间的关系，基于耗散性理论设计分布式预测控制器；进一步，针对通讯受限的信息传输场景，设计基于能量供需关系指标的分布式滚动优化控制器，采用动态规划策略解决有限带宽下的信息传输问题，以保证系统的全局控制性能。项目期望通过充分分析过程网络微观物质流动态过程，基于网络控制理论与预测控制理论有效结合，来取得重要创新性成果，为大范围过程网络的控制设计给出有效的方法和理论框架。

针对大范围过程网络系统，考虑到物质流网络和信息流网络具有传感器和执行器的信息交互和物质/能量的交互，本项目研究了系统存在网络丢包、量化、离散分布时延等情况下，具有不同物质流特性的过程网络系统的模型构建问题与控制器设计问题，具有一定的理论研究与应用价值。首先提出了基于在线加权的全变量降维方法，有效的获取原有特征的同时降低数据维度，提出了基于时空分离的神经网络模型估计了时空耦合系统的空间分布动态，给出了基于模糊分析的神经网络模型估计交通网络中交通流状态的变化，然后针对存在网络丢包、离散分布时延、量化等情况，提出了基于状态估计器的鲁棒反馈控制器，提出了输入输出带有量化的空间分布系统预测控制器和基于一致性估计的分布式卡尔曼滤波方法，针对组织工程中生长因子浓度释放这一典型的过程网络，基于神经网络模型解析过程的空间状态变化，基于过程的输入输出关系，设计了基于神经网络模型的控制器实现过程的空间浓度分布要求，针对交通信息传输网络，提出了基于自适应事件触发机制的交通网络系统预测控制器设计方法，解决了量化环境下的控制问题，为交通网络的控制提供新的解决方案。