基于数据驱动的非高斯随机分布系统优化设定控制

Optimal operational control has been an important subject of control theory and applications and has attracted huge attention in the past years. The operational control for complex industrial processes usually consists of two layers: loop control layer and operational control layer. In most existed approaches, it is assumed that the systems are subjected to non-stochastic or Gaussian disturbances. However, it is not realistic in most real systems because the disturbances can be non-Gaussian or from multi-sources. This forms the purpose of this project. In this project, the following four aspects will be included: a) data information driven optimal setting control scheme; b) data information driven optimal setting control for systems subjected to non-Gaussian disturbances; c) data information driven optimal setting control for systems subjected to slow time-varying disturbances and fault; d) Simulation platform design. Optimal setting control is a big challenge in design because once the controller is fixed, the performance indices optimization will rely on dynamic set points adjusting.

运行优化控制是控制领域中较活跃的一个研究分支，近几年来在国际上吸引了越来越多的关注。实际工业过程中的控制一般分为两层：回路控制层和运行控制层。对于系统受到的非随机或高斯型干扰，已有许多理论研究成果实现在这两层同时对性能指标进行优化。然而，对于系统经常受到的非高斯或非随机的多源干扰，尚没有相关的研究成果。本项目以非高斯随机分布系统为研究对象，以实现整个系统的性能指标优化为研究目标，考虑基于数据驱动的非高斯随机分布系统优化设定控制问题，具体包含四个方面：第一，建立基于数据信息驱动的优化设定控制框架；第二，基于数据信息驱动的非高斯随机分布系统设定值优化控制方法；第三，基于数据信息驱动的慢时变多源干扰和故障环境下的优化设定控制方法；第四，仿真平台开发。优化设定控制预设鲁棒控制器，但在系统受到不可预料的干扰时不重构控制器，而是在回路优化层通过动态调整设定值优化性能指标，因此在设计上具有很大的挑战性。

运行优化控制是控制领域中较活跃的一个研究分支，近几年来在国际上吸引了越来越多的关注。实际工业过程中的控制一般分为两层，下图为回路控制层，采用PID控制器或其他结构十分简单的控制器，上层为运行优化层。目前已针对线性回路、满足Lipschitz条件的非线性回路中可能出现的谐波干扰或范数有界复合干扰，建立了较为完善的动态优化设定控制理论；对回路中可能出现的非高斯干扰，基于随机分布控制理论初步研究了设定值控制问题。该项目的研究成果降低了PDF控制算法的计算量，证明了Pareto算法的收敛性，且基于光纤振源检测搭建了一个初步的仿真平台。