基于数据的间歇反应过程产品质量智能学习控制研究

间歇式反应过程广泛应用于精细化工、生物制药等具有高附加值产品的工业生产中，以生产安全和稳定高产为目标的间歇反应过程操作优化和产品质量控制已成为一个研究热点，对提高我国生物化工产业的生产自动化水平，具有非常重要的意义。由于间歇式反应过程具有反应复杂、强非线性、过程数据有限等特点，基于反应机理分析的建模方法往往难以实现。本项目针对间歇反应过程的有限数据，拟采用神经网络、支持向量机等基于数据的建模方法，并根据间歇过程重复运行的特点，采用迭代学习控制方法来跟踪生产过程的最优轨线，保证最终产品质量。结合基于数据驱动的迭代学习控制中最优轨线的跟踪和学习规律，研究利用神经网络的记忆和学习能力来直接更新迭代学习控制律，形成间歇反应过程的智能学习控制方法。深入研究基于线性时变扰动模型的自适应迭代学习控制，采用2-D系统理论深入分析其稳定性和鲁棒性，克服初始条件波动、参数频繁变化等扰动，实现产品质量的稳定。