动态数据信号驱动的系统分析和控制理论研究及其在钢铁工业中的应用

Today's industry faces many challenges, among which the future availability and price of raw materials and energy, environmental issues, combined with greenhouse effect, are the most acute ones. These challenges require much more strict control of the systems in order to optimize the operation conditions with respect to the use of manpower and raw material, simultaneously minimizing environmental impact. As far as complex industrial processes for which it is not possible to develop a first-principles model are concerned, dynamic data signals driven system analysis and control may form an attractive alternative. The key research issues in this project include: developing the quality analysis methods, features extraction and integration algorithms of massive data to construct stable and strong real-time data analysis system; developing system analysis methods based on dynamic data signals, like identification algorithms of multiple mechanisms and multi-pattern models, etc.; developing data mining and rules discovery approaches from massive database to form data-based modeling languages; designing data-based controller for real applications to iron and steel industry with high yields. This project serves to greatly enrich the research on data-driven control theories, to reduce the gap between control theories and applications, to improve the control capacity of complex industrial processes and to promote the energy saving and consumption reduction of production processes.

当前工业生产面临着资源稀缺、环境污染和能量消耗带来的全球变暖等挑战，这要求工业生产过程必须被严格地控制在最优状态下进行，以使资源消耗和环境污染达到最小。对于难以建立过程模型的复杂工业过程而言，研究动态数据信号驱动的系统分析和控制方法是实现其优化运行的有效途径。本项目主要研究内容：研究面向复杂工业过程的海量数据质量分析方法、特征提取及整合算法，构建能够稳定运行、实时性强的数据分析系统；研究动态数据信号驱动的系统分析方法，包括基于数据的多重机理辨识算法和多模式模型辨识算法等；研究从海量工业生产数据库挖掘知识和发现规则的方法，形成基于数据的建模方法和建模语言，初步建立基于数据模型的控制理论体系，并完成其在钢铁工业中的应用验证，取得明显应用成效。课题研究将大大丰富数据驱动控制理论的研究内容，对缩小控制理论研究与应用之间的鸿沟、提高复杂工业过程的控制水平、促进生产过程节能降耗具有十分重要的战略意义。

当前工业生产面临着资源稀缺、环境污染和能量消耗带来的全球变暖等挑战，这要求工业生产过程必须被严格地控制在最优状态下进行，以使资源消耗和环境污染达到最小。对于难以建立过程模型的复杂工业过程而言，研究动态数据信号驱动的系统分析和控制方法是实现其优化运行的有效途径。本项目主要研究内容：研究面向复杂工业过程的海量数据质量分析方法、特征提取及整合算法，构建能够稳定运行、实时性强的数据分析系统；研究动态数据信号驱动的系统分析方法，包括基于数据的多重机理辨识算法和多模式模型辨识算法等；研究从海量工业生产数据库挖掘知识和发现规则的方法，形成基于数据的建模方法和建模语言，初步建立基于数据模型的控制理论体系，并完成其在钢铁工业中的应用验证，取得明显应用成效。课题研究将大大丰富数据驱动控制理论的研究内容，对缩小控制理论研究与应用之间的鸿沟、提高复杂工业过程的控制水平、促进生产过程节能降耗具有十分重要的战略意义。经过四年的研究，项目组已完成本课题所设定的研究目标，包括开发了面向工业生产过程海量数据的质量分析方法、特征提取方法；开发了动态数据信号驱动的系统分析方法，如信号的多重机理辨识方法、数据中蕴含的知识和规则提取方法等，并拟应用于俄罗斯Magnitogorsk iron and steel works钢铁公司10号高炉的实际硅预报模型研发；形成了基于数据的建模方法，并给出输入受扰动时端口Hamiltonian系统的输出表达式和控制器设计方法。