批次过程在工业生产中占有非常重要的地位,被广泛应用在化工、冶炼、食品、加工、制药等具有高附加值的工业领域中。随着工业过程发展对于产品质量要求的不断提高,批次过程优化可以在提高产品质量的同时降低产品生产成本。基于数据模型的方法以其方便、快速的优势在批次优化中得到了广泛的应用,然而这种方法需要大量的数据,新批次生产过程由于数据积累严重不足,使得对于新批次过程的优化很难实行。然而,在工业过程中存在着大量相似生产过程,这些过程积累了丰富的数据。传统的数据方法只是关注了过程本身的数据,而没有注意到多源数据的存在,造成资源的浪费。本文主要是基于过程迁移策略将相似旧批次过程中丰富的数据迁移以辅助新批次过程的建模和运行优化,从而加快新批次过程的优化,提高企业综合经济效益。本文的主要研究内容如下所示:(1)本研究主要以批次过程为研究对象,首先介绍了批次过程的特性以及批次过程优化的意义,并且对于批次过程的研究现状进行了总结。介绍了多变量统计回归建模方法,包括PCA(Principal Component Analysis),PLS(Partial least squares),以及产品迁移中常用的EPCA(Extended PCA)、JY-PLS(Joint-Y PLS)等方法。过程迁移模型的构建为后续运行优化打下了理论基础。(2)过程迁移可以辅助加快新过程模型的建立,但是旧过程和新过程之间难免存在差异,从而导致了迁移模型和对象之间的不匹配,最终导致了优化必须条件(Necessary Conditions of Optimality,NCO)不匹配,使得优化中的最优解只是次优解。因此,本文提出了基于过程迁移的批次间修正自适应优化策略,首先在线获取质量预测值和当前批次实际质量值,计算两者之间的误差以及迁移模型和实际对象之间的梯度差异,运用优化算法从而计算出下一批次最佳输入变量。同时为了将变量控制在有效的范围内,T2变量被用作限制变量的构建。随着整个过程的运行,优化过程可分为三个阶段:新数据补充阶段,新过程数据充足阶段,新获取的数据由于逐一替代旧数据。旧数据被完全剔除阶段。将所提算法应用到草酸钴结晶过程中,取得了良好的仿真效果。(3)批次间运行优化利用已有批次信息进行当前批次的运行优化,但是在批次运行过程中,由于受到过程不确定性以及干扰的影响,批次间运行优化无法保证在批次运行中不偏离正常范围。针对这个问题,本文提出了基于过程迁移的批次内和批次间相结合的优化方法。在批次间优化方法的基础上,使用MCC(Mid-Course Correction,MCC)方法,进一步将批次运行期间划分为若干个决策点,当批次过程运行到决策点处对过程进行优化。为了解决迁移模型和对象不匹配的问题给批次内运行优化的不利影响,使用Just-in-Time模型进行批次内优化补偿。将所提的方法应用到草酸钴结晶仿真过程中,验证了所提方法的有效性。