现代化大型工业过程的计算机生产系统通常采用分层管理的模式。不同层级的系统单元的执行周期不同,并出于不同的考量作出不同的决策。本文主要围绕分层管理系统中的实时优化层和预测控制层构成的双层结构进行研究,其中预测控制层主要负责系统的动态控制,跟踪给定的设定点或者参考轨迹;实时优化层需要解读由各种不确定性生产环境导致的系统变化,对这些信息进行及时处理和应对,同时更新系统的稳态工作点,并将更新后的工作点作为预测控制器的设定点。针对实时优化和预测控制双层之间的模型不一致以及优化问题求解的时效性等问题,展开以下研究来保证优化的实时性和整体的经济性,主要内容如下:1.在实时优化和预测控制构成的双层框架下,由于上层和下层使用的模型不同,上层计算的工作点对于下层来说可能是不可达到的。传统的稳态目标计算在保证工作点的可行性时,往往忽略了经济性。针对这一问题,提出一个协调算法,在构造的优化问题中不断调整代表可行性和经济性的目标项的权重,来更好的平衡稳态工作点的可行性和经济性。尤其当经济指标函数为非凸函数时,协调算法相比常规稳态目标计算更加有效。协调算法在连续搅拌反应釜(CSTR)标准模型上得到验证。此外,借助Aspen Plus流程模拟软件,建立了乙酸乙酯的酯化反应过程模型,同样验证了算法的有效性。2.在系统经济指标发生变化时,需要重新计算最优工作点。在得到最优工作点之前,为了及时调整预测控制器的设定点,可以预先设置一组可行的系统平衡点,构成一个查找表。每当经济性能指标发生变化时,首先在查找表中找到经济性能最优的工作点,作为下层MPC临时的设定点。然后利用上层严格求解得到的最优工作点替换临时设定点。带有查找表的实时优化框架,可以对突发的不确定经济环境做出快速的反应,为上层的精确计算争取时间。3.对于过渡过程较长的系统,通过为MPC设计一条“柔性的”参考轨迹来替代固定的设定点,以此来提高过渡过程的经济性能。在每一个采样时间,重新计算这条参考轨迹,逐渐将系统的状态从初始点牵引到最优工作点。整个设计思路借鉴图论中的最短路算法,利用网格化的处理方法,将连续的无穷的状态空间转化成离散的有限个状态点之间的关系,转化过程需要保持一定的精度。状态点之间的一步可达关系可以通过邻接矩阵表示,其连边的权值代表系统从相应的起点到终点变化过程需要的经济成本。邻接矩阵和权矩阵的计算量很大,往往需要显卡处理单元(GPU)进行并行处理。此外,通过提取系统当前状态周围的局部信息,来降低邻接矩阵的维数,从而提高在线的计算速度。4.在实际的生产过程中,由于种种原因系统对象的参数会发生变化,因此会导致模型–对象失配,从而使控制性能和经济性能受到影响。根据参数的取值特点,分两种情况设计了系统参数的在线估计方法。对于参数取值数量有限的情况,由于不同的参数对应不同的模型–对象失配情形,所以根据不同情形下的过程量训练支持向量机来判断系统的参数;对于参数取值在有界范围内变化的情况,利用参数和过程测量值建立高斯回归模型来估计参数,并构造了带有模型验证的实时优化框架。合理估计系统的参数,在线进行模型验证,同时利用构造的理想控制系统对参数的估计值进行修正,从而实现对系统的动态实时优化。实时优化技术是生产过程中非常重要的一个环节,对上层的调度和下层的控制起到协调作用,需要对随时可能发生的不确定环境变化作出快速的反应。本文提出的方法在连续搅拌反应釜模型以及酯化反应模型上进行了验证,对于更加复杂的系统,实时优化技术依然存在很多挑战。