《數據與模型融合驅動的間歇聚合過程學習控制》是依託北京化工大學，由王晶擔任項目負責人的面上項目。
基本介紹
- 中文名：數據與模型融合驅動的間歇聚合過程學習控制
- 依託單位：北京化工大學
- 項目類別：面上項目
- 項目負責人：王晶
項目摘要,結題摘要,
項目摘要
近年來，為適應多品種、多規格和高附加值的市場要求，間歇聚合過程生產重新受到重視，已成為決定企業生存的重要因素。總體來看，目前國內間歇聚合生產的自動化水平普遍較低，且能耗巨大。本項目立足於提高產品質量與降低能耗之間的平衡，提高質量控制精度的同時，明顯降低綜合能耗，增加企業經濟效益。與現有常規方法不同的是，從實用性角度出發，針對不可線上測量的質量指標和線上可測的過程變數，提出了數據驅動與模型驅動融合的學習控制方案。具體如下：首先採用改進支持向量機方法對產品質量與過程變數之間的關係進行建模，並探討部分輸出不可測情況下的模型學習機制；基於該模型對質量與能耗指標進行最佳化計算，獲得最優的過程變數操作曲線；最后綜合學習控制由基於模型的線上最佳化和基於數據的學習控制兩部分組成，多方位對產品質量進行精確控制。本項目的實施為間歇聚合控制領域的研究提供新的思路和解決方案，有助於推進間歇過程的自動化進程。
結題摘要
為推動國內快捷回響製造過程的自動化進程，本項目立足於提高產品質量與降低能耗之間的平衡，針對不可線上測量的質量指標和線上可測的過程變數，重點研究數據驅動與模型驅動融合的最佳化、學習與控制方案。項目主要完成內容有以下幾方面：（1）採用複合結構，對間歇聚合反應過程的產品質量與過程變數之間的關係進行建模，並探討部分輸入不可測情況下的模型學習機制；（2）從產品質量要求出發，進行最佳化控制方法研究，給出最佳的操作條件；（3）特別是針對間歇過程分布參數質量指標，採用非最佳化控制技術實現產品質量跟蹤控制，降低控制難度；（4）從間歇過程的時間和批次三維特徵出發，構建基於模型的線上最佳化與基於數據的學習控制融合的綜合學習控制策略，研究數據驅動與模型驅動融合的自適應與疊代學習控制方法，多方位實現對產品質量的精確控制。（5）考慮到必須輔以合理的過程監控手段才能確保整個過程的完美運行，本項目在數據驅動的間歇過程故障診斷方面也做了一定的研究。本研究項目從多年的工程實踐中抽出共性的規律，針對反應機理、類型各異的間歇過程，給出了相對簡捷、統一的建模方法，把系統的產品質量與過程操作變數之間的關係以解析的形式表示出來，面向不可線上測量的質量指標和線上可測的過程變數，給出了數據驅動與模型驅動融合的最佳化、學習與控制綜合方案，從而把產品質量最佳化學習與過程操作自適應控制問題聯繫起來，為間歇過程的高精度質量控制問題提出新的研究思路和解決方案。
