2022/12/9CIMS和CIPS技術與應用1

第六章CIPS實施工作的瓶頸問題與關鍵技術6.1人的問題

企業實施CIPS不僅是通過解決單純的技術問題的途徑，而是通過人、技術與經營三方面綜合集成的途徑來取得成功的(1)人在CIPS實施過程中起到了決定性作用哲理、全局過程的生產經營模式、組織機構(2)人在生產過程中起到了核心作用自動化技術應用水平及人們對它的認識程度人的創造性工作(3)人在CIPS系統中的地位

涉及到社會的、經濟的、有關人的行為及心理的、文化的等多方面問題，這些方面可能成為CIPS系統實施工作的瓶頸。2022/12/9CIMS和CIPS技術與應用1第六章2022/12/9CIMS和CIPS技術與應用2

6.2集成的技術方面問題

6.2.1綜合自動化面臨的挑戰a)工業過程復雜性

過程對象特性復雜

對象的特性和反應機理十分復雜，精確的機理建模日益困難，所得的模型往往具有非線性、分布參數、時變、時滯和不確定性基于解析數值計算和單一形式的模型（參數化的數學模型）很難刻畫系統的真實運動狀態，需要采用多種多樣的描述方式的描述模型來反映生產過程的真實系統的行為和狀態，支持不同層次、不同要求的控制目標動態系統還具有多時間標度，有時還會發生動態突變；環境的復雜性

系統常常處于不確定的環境中，擾動頻繁，且常常是不可測量的；

任務的復雜性完成監督、預測、控制、安全保護、經濟、最優等目標；2022/12/9CIMS和CIPS技術與應用26.22022/12/9CIMS和CIPS技術與應用3

綜合自動化面臨的挑戰(續1)b)關聯性

控制對象一般是多變量的系統，生產的規模龐大，生產裝置的操作存在著強關聯c)信息復雜性

信息獲取存在問題在許多的場合下，關鍵變量不可測量，導致信息的不完全；信息模式復雜信息往往呈現定量、半定量、定性語義的模式，不同深度不同層次地反映實際系統，提供關于系統不同模式的信息知識。傳感器和執行器分布于過程之中，信息量龐大信息通常受到噪聲的干擾，有效的信息的獲得較為困難2022/12/9CIMS和CIPS技術與應用3綜合自動化2022/12/9CIMS和CIPS技術與應用4

綜合自動化面臨的挑戰(續2)d)知識及其表達的多樣性和復雜性信息模式的多樣性客觀上造成了系統信息層次結構的形成：

越是高層的信息其數據量越少，但它包含的信息知識量越大，其模式越表現為定性描述的知識表示；層次越低的信息其包含信息量越簡單、直觀，數據量越大，其模式越表現為基于定量描述的數值形式。

信息層次結構要求對象模型呈現相應的分層結構：較低層的信息模型趨向與采用傳統的基于數值計算的微分或差分方程等模式表達，過程較高層次的模型則趨向于采用定性的符號描述模型表達過程的行為特性，不同層次的知識表達方法相應于多樣性和層次性的信息處理的需要。

e)管理、控制任務的通常是多目標、多約束的命題2022/12/9CIMS和CIPS技術與應用4綜合自動化2022/12/9CIMS和CIPS技術與應用5

6.2.2系統協同的問題

由一系列完成特定任務和目標子系統集成而成的復雜系統，具有分布性（時間上的分布、空間上的分布或功能上的分布）的特點。限于知識、能力、處理速度、信息、資源等因素以及待求解問題的規模、復雜性造成的實現困難，在CIPS系統增強系統性能(快速性、可靠性、智能程度、完成質量)、有效地利用資源(信息、知識、物理裝置等)，個體間的協作是必然的。通過并行性提高任務的完成率通過共享資源（信息、專門知識、物理裝置等）擴大完成任務的能力范圍通過備份任務，采用不同的方法去完成指定任務，以提高完成任務的可能性及可靠性通過避免任務間有害的相互作用,減少任務間的沖突2022/12/9CIMS和CIPS技術與應用56.2.22022/12/9CIMS和CIPS技術與應用6

系統協同的四種協作類型水平協作(horizontalcooperation)

由于能力、知識處理、速度、資源利用等因素的限制，單獨的個體（人/機構，子系統）都不具有解決全局問題的能力，將全局問題分解成子問題后交給適當的個體采用協同工作的方式分別去完成，獲得求解綜合問題的能力。為提高對綜合問題求解的結果的可信度，可以基于系統不同個體的獨立解決問題的能力，采用不同的信息與知識或不同的信息處理機制獲得問題的結果，通過個體之間的相互作用，最終獲得高可靠性的結果。2022/12/9CIMS和CIPS技術與應用6系統協同的2022/12/9CIMS和CIPS技術與應用7

系統協同的問題(續)(2)樹型協作(treecooperation)

系統中高層的功能系統或人/群體依據下層獲得的結果做出進一步處理工作。

(3)循環協作(recursivecooperation)

為了求得問題的結果，系統的個體之間相互依賴，往復協作。(4)混雜協作(hybridcooperation)

整個系統在某些級上采用水平協作的類型，而在系統整體上又是樹型協作或循環協作類型，或整體上采用水平協作類型而局部上采用樹型或循環協作類型。2022/12/9CIMS和CIPS技術與應用7系統協同的2022/12/9CIMS和CIPS技術與應用8

系統的兩種協作形式CIPS系統內主要存在任務共享(Tasksharing)、結果共享(Resultsharing)兩種協作形式：任務共享

各系統相互協作，分擔各子任務的處理負荷，而且當一個單元的任務太重而無法完成時，它將把任務分解，讓其它單元承擔并完成。結果共享系統內的各單元相互傳遞并共同利用根據不同觀點方法所得出的有關總體問題得部分結果，通過相互交換部分暫時得結果相互協同工作。2022/12/9CIMS和CIPS技術與應用8系統的兩種2022/12/9CIMS和CIPS技術與應用9

系統協同的關鍵技術問題-沖突的消解資源沖突、目標沖突、結果沖突-CSCW(ComputerSupportedcooperativeWork)理論與應用-群件技術-分布式智能控制理論和方法、MAS多智能體MultiAgentSystem、移動智能體mobileAgentSystem-人-人、人-機系統2022/12/9CIMS和CIPS技術與應用9系統協同的2022/12/9CIMS和CIPS技術與應用10

6.2.3控制、決策與管理集成問題CIPS系統本質上是一類混雜（Hybrid）系統:離散事件系統和連續時間系統的混合，分布參數和集中參數的混合，符號系統與數值系統的混合，模糊系統和精確系統的混合，定量系統與定性系統混合。信息和數據獲取與處理

系統的控制、決策依賴于獲取數量眾多，性質各異的定量、半定量、定性語義的不同模式、不同深度及不同層次的過程信息。數據信息常常因受工業噪聲、傳感器精度、傳感器故障以及檢測技術技術手段等因素的影響，不夠精確、不一致、不完整，有些信息不能以定量的形式表達。1.過程數據的預處理技術

數據變換、數據校正、濾波等預處理手，將真實信號從含有噪聲的混合信號分離出來2022/12/9CIMS和CIPS技術與應用106.2.2022/12/9CIMS和CIPS技術與應用11

數據校正問題(1)隨機誤差的處理

數字濾波方法利用信號與噪聲隨自變量改變的頻率不同將真實信號與噪聲分離。高通濾波、低通濾波、數據平滑等

數據協調(DataReconciliation)技術根據由物料平衡和能量平衡等方程建立起來的精確數學模型，以估計值和測量值的方差最小為目標，構造估計模型，為測量數據提供一個最優估計，以及時準確地檢測誤差的存在，近而剔除或補償其影響。(2)顯著誤差的處理a)基于理論分析可能導致顯著誤差的因素并進行相應處理

b)基于硬件冗余，借助不同的測量手段對同一過程變量進行測量，通過結果比較來識別顯著誤差。

c)

基于測量數據的統計特性進行檢驗(統計假設檢驗、殘差分析、廣義似然法、貝葉斯、主元分析法)2022/12/9CIMS和CIPS技術與應用11數據校正2022/12/9CIMS和CIPS技術與應用12

數據協調化工過程測量的基本模型可以表示為：

其中：為被測變量測量值；為被測變量真實值；代表測量誤差。

其中：是測量數據的估計是測量誤差的方差是未測向量的估計值2022/12/9CIMS和CIPS技術與應用12數據協調2022/12/9CIMS和CIPS技術與應用13

數據變換

數據變換影響過程模型的精度和非線性映射能力以及數值優化算法的運行結果。包括標度(Scaling)、轉換和權函數三各方面

標度對工業過程中出現的工程單位不同或數值數量級相差較大的測量數據，利用合適的因子進行標度，避免因為計算機字長而丟失有用信息或引起算法的不穩定。

轉換包括直接轉換和尋找新變量代替原變量，通過轉換可有效地降低原對象的非線性特性(如對數轉換)。

權函數實現對變量動態特性的補償，使穩態模型實現對過程動態估計成為可能。2022/12/9CIMS和CIPS技術與應用13數據變換2022/12/9CIMS和CIPS技術與應用14

2.過程數據的軟測量技術

軟測量技術的理論根源是20世紀70年代Brosillow提出的推斷控制。把自動控制技術與生產工藝過程知識有機結合起來，應用計算機技術對生產過程中一些難于測量或不能測量的重要變量(主導變量)，選擇另外一些容易測量的變量(輔助變量或二次變量)，通過構成某種數學關系來推斷和估計，以軟件來代替硬件(傳感器)功能。過程ud1d2yθy–主導變量；θ–可測的輔助變量d1–可測擾動；d2–不可測擾動；u–控制變量2022/12/9CIMS和CIPS技術與應用142.過2022/12/9CIMS和CIPS技術與應用15

軟測量系統結構測量數據預處理模塊簡單機理模型軟測量模型長期校正模塊初始模型在線校正模型歷史數據模型參數修正的模型參數歷史數據化驗數據2022/12/9CIMS和CIPS技術與應用15軟測量系2022/12/9CIMS和CIPS技術與應用16

軟測量模型(1)機理方法

基于物料平衡、能量平衡、動量平衡、相平衡、傳熱傳質等基本動力學方程(2)經驗方法系統辯識用測量數據直接求取模型的方法參數估計根據既定的模型結構由測量數據確定參數的方法a)基于狀態估計的方法Luenberger觀測器、Kalman濾波器b)基于回歸分析的方法最小二乘法、主元回歸法、部分最小二乘法(PLS)2022/12/9CIMS和CIPS技術與應用16軟測量模2022/12/9CIMS和CIPS技術與應用17

軟測量模型(續)(3)基于人工智能方法a)人工神經元網絡b)模糊技術2022/12/9CIMS和CIPS技術與應用17軟測量模2022/12/9CIMS和CIPS技術與應用18

3.復雜過程數據處理技術

不同信息控制與決策層次之間的信息表達、傳遞、通訊和融合處理機制，混雜信息的變換、信息與數據的壓縮、信息特征的提取與恢復、信息與數據的挖掘。復雜工業對象模型化(1)模型化方法

白箱方法、灰箱方法、黑箱方法(3)分層系統信息模式的非同態性導致系統模型形式的復雜化(2)模型化的精度和模型的適應性2022/12/9CIMS和CIPS技術與應用183.復2022/12/9CIMS和CIPS技術與應用19

基于模型的控制和基于知識的控制(1)基于模型的控制技術實例：預測控制技術

預測控制技術的產生并不是理論發展的需要，而首先是工業實踐向控制提出的挑戰。現代控制理論(基于狀態空間的分析設計方法、最優性能指標的設計理論)取得空前成果但仍面臨巨大挑戰：i)現代控制理論的基點是對象精確的數學模型ii)工業對象的結構、參數和環境都具有很大的不確定性(魯棒性/最優性)iii)工業控制中必須考慮到控制手段的經濟性，對工業控制計算機的要求不能太高(簡易性/實時性)2022/12/9CIMS和CIPS技術與應用19基于模型2022/12/9CIMS和CIPS技術與應用20

A)預測控制的基本構成i)預測模型根據對象的歷史信息和未來的輸入預測其未來的輸出(動態行為)。模型的功能狀態方程傳遞函數階躍響應脈沖響應非線性模型……….漸近穩定的線性對象，非參數模型ii)滾動優化

通過優化控制算法，追求某一性能指標的最優來確定未來的控制作用。性能指標構造通常基于對象輸出在未來采樣點上跟蹤某一期望軌跡的方差為最小；控制能量最小而同時保持輸出在某一給定的范圍等

有限時段的滾動優化，優化不是一次離線進行，而是反復在線進行2022/12/9CIMS和CIPS技術與應用20A)2022/12/9CIMS和CIPS技術與應用21

預測控制的基本構成(續)iii)反饋校正

閉環控制算法(不僅基于模型，同時利用實際輸出的反饋值)。基于優化性能指標確定了一系列未來的控制作用后，為了防止模型失配或環境的干擾引起的控制效果與理想狀態的偏離，通常的作法不是把求得的控制作用序列逐一全部實施，而只是實現本時刻的控制作用，到下一采樣時刻，首先檢測對象的實際輸出，并利用它對基于模型的相應預測值進行修正，在進行新的優化。2022/12/9CIMS和CIPS技術與應用21預測控制2022/12/9CIMS和CIPS技術與應用22

B)動態矩陣控制算法(DMC)i)預測模型

對于漸近穩定的對象，動態信息可近似用單位階躍響應的采樣參數構成有限集合描述：

根據線性系統的比例疊加性質，可以利用上述的階躍響應模型參數預測對象在未來時刻的輸出值。在k時刻控制作用有一增量時，在其作用下未來深刻的輸出

在M個連續的控制增量u(k),…,u(k+M-1)的作用下未來時刻輸出值(B-1)(B-2)(B-3)2022/12/9CIMS和CIPS技術與應用22B)動2022/12/9CIMS和CIPS技術與應用23

預測模型（單位階躍響應）2022/12/9CIMS和CIPS技術與應用23預測模型2022/12/9CIMS和CIPS技術與應用24

ii)滾動優化動態矩陣控制算法(續1)

在每一時刻k，M個連續的控制增量u(k),…,u(k+M-1)(控制時域)，使被控對象在其作用下未來P個時刻(優化時域)的輸出預測值盡可能接近給定的期望值w(K+i),i=1,…,P，規定MP，PN，同時考慮控制增量變化不能過分劇烈的要求構成優化性能指標為：(B-4)

在不考慮約束的情況下，求在預測模型(B-3)下使性能指標(B-4)最小的優化問題2022/12/9CIMS和CIPS技術與應用24ii)2022/12/9CIMS和CIPS技術與應用25

基于模型的預測控制Referencek+Mk+PProcessModelPredictionfuturepastInput2022/12/9CIMS和CIPS技術與應用25基于模型2022/12/9CIMS和CIPS技術與應用26

模型輸出反饋校正2022/12/9CIMS和CIPS技術與應用26模型輸出2022/12/9CIMS和CIPS技術與應用27

基于模型的預測控制機制2022/12/9CIMS和CIPS技術與應用27基于模型2022/12/9CIMS和CIPS技術與應用28

動態矩陣控制算法(續2)

以向量的形式改寫(B-3)、(B-4)(B-5)

其中：(B-6)

其中：2022/12/9CIMS和CIPS技術與應用28動態矩陣2022/12/9CIMS和CIPS技術與應用29

動態矩陣控制算法(續3)(B-5)代入(B-6)(B-7)

求極值的必要條件：

得到：

僅將控制作用序列中即時控制質量構成控制作用施加給對象：(B-8)(B-9)

其中：(B-10)表示取首元素運算控制向量2022/12/9CIMS和CIPS技術與應用29動態矩陣2022/12/9CIMS和CIPS技術與應用30

動態矩陣控制算法(續4)iii)反饋校正k時刻將控制u(k)加于對象，相當于在對象得輸入端加了一個幅值為u(k)的階躍激勵，根據(B-2)可以計算在控制作用下未來時刻的輸出預測值：(B-11)

經移位處理，可以作為k+1時刻的初始預測值進行新的優化計算。但是由于實際過程中存在模型失配、環境干擾等因素，由(B-11)得到的預測值肯定偏離實際值，需要利用實時檢測信息進行反饋校正：

構造輸出誤差：(B-12)

采用對e(k+1)加權的方式對輸出的預測值進行修正(B-13)2022/12/9CIMS和CIPS技術與應用30動態矩陣2022/12/9CIMS和CIPS技術與應用31

模型輸出反饋校正2022/12/9CIMS和CIPS技術與應用31模型輸出2022/12/9CIMS和CIPS技術與應用32

動態矩陣控制算法(續5)

其中：為校正后的輸出預測向量為校正向量

在k+1時刻，時間基點的變動，k+1時刻的初始預測值可以通過移位獲得，構造移位陣：2022/12/9CIMS和CIPS技術與應用32動態矩陣2022/12/9CIMS和CIPS技術與應用33

動態矩陣控制算法(續6)k+1輸出初始預測值為：(B-14)

基于(B-14)又可以像上述以k時刻為基點的方法進行k+1時刻的優化計算，反復在線進行。2022/12/9CIMS和CIPS技術與應用33動態矩陣2022/12/9CIMS和CIPS技術與應用34

動態矩陣控制對象控制預測校正2022/12/9CIMS和CIPS技術與應用34動態矩陣2022/12/9CIMS和CIPS技術與應用35

C)多變量系統的動態矩陣控制

設被控對象有m個控制輸入，p個輸出，假定已測得每一輸出yi對每一輸入uj的階躍響應aij(t)，則模型向量表達為：(C-1)i)預測模型

考慮uj有一個增量uj(k)時,yi在未來N個時刻的輸出預測值：(C-2)2022/12/9CIMS和CIPS技術與應用35C)多2022/12/9CIMS和CIPS技術與應用36

多變量動態矩陣控制算法(續1)

在uj依次有M個增量uj(k),…,uj(k+M)時,yi在未來P個時刻的輸出預測值：(C-3)2022/12/9CIMS和CIPS技術與應用36多變量動2022/12/9CIMS和CIPS技術與應用37

多變量動態矩陣控制算法(續2)

根據線性系統的疊加性質處理系統輸出yi受到u1,…,um共同作用時的情況：(C-4)u1,…,um從k時刻起均變化M次時，共同作用時的情況：(C-5)為了簡潔化，記：2022/12/9CIMS和CIPS技術與應用37多變量動2022/12/9CIMS和CIPS技術與應用38

多變量動態矩陣控制算法(續3)則可得到一般的多變量系統的預測模型：(C-6)(C-7)2022/12/9CIMS和CIPS技術與應用38多變量動2022/12/9CIMS和CIPS技術與應用39

多變量動態矩陣控制算法(續4)ii)滾動優化在不考慮約束的情況下，可以求得全部控制增量：(C-8)(C-9)2022/12/9CIMS和CIPS技術與應用39多變量動2022/12/9CIMS和CIPS技術與應用40

多變量動態矩陣控制算法(續5)即時控制增量：(C-10)(C-11)(C-12)(C-13)2022/12/9CIMS和CIPS技術與應用40多變量動2022/12/9CIMS和CIPS技術與應用41

iii)反饋校正多變量動態矩陣控制算法(續6)(C-14)(C-15)2022/12/9CIMS和CIPS技術與應用41iii)2022/12/9CIMS和CIPS技術與應用42

D)動態矩陣控制的參數設計(i)采樣周期T(ii)優化時域P，控制時域MP：穩定性(魯棒性)、動態快速性M：優化變量的個數，在P確定的情況下，M越小，越難保證輸出在各采樣點緊密跟蹤期望值，所得到得性能指標也就越差。(iii)誤差權矩陣Q和控制權矩陣(iv)校正矩陣H

直接可調得運算參數，僅在對象受到未知干擾或存在模型失配造成預測輸出與實際輸出不一致時才起作用，而對控制的動態響應沒有明顯的影響2022/12/9CIMS和CIPS技術與應用42D)2022/12/9CIMS和CIPS技術與應用43

E)有約束的多變量動態矩陣控制

二次規劃問題，非線性規劃方法2022/12/9CIMS和CIPS技術與應用43E)2022/12/9CIMS和CIPS技術與應用44

F)預測控制技術在工業過程的應用PrimaryControlProcessingUnitPrimaryControlProcessingUnitPrimaryControlProcessingUnitPrimaryControlProcessingUnitMPCMPCMPCMPCModelBasedOptimizerProductionSchedulerHierarchyinproductionplantcontrolofacontinuousproductionsite2022/12/9CIMS和CIPS技術與應用44F)2022/12/9CIMS和CIPS技術與應用45

預測控制的工業應用00.20.40.60.811.21.41.61.82x10414001402140414061408141014121414141614181420MeasuredthroattemperaturetimeTemperature(0C)00.511.522.53probabilitydensityfunctionprobabilitydensityCpk=0.96024681012Cpk=0.96Cpk=4.3024681012Cpk=0.96Cpk=1.6EconomicbenefitStandardControlModelPredictiveControlwithoutoptimizationModelPredictiveControlwithperformanceoptimization2022/12/9CIMS和CIPS技術與應用45預測控制2022/12/9CIMS和CIPS技術與應用46

(2)基于知識的控制技術智能控制理論與方法的研究-模糊控制技術-人工神經網絡-專家系統2022/12/9CIMS和CIPS技術與應用46(2)基2022/12/9CIMS和CIPS技術與應用47

工況監測和過程故障診斷技術干擾和異常事件的發生

盡管基于性能優良的控制系統的基礎上，但是生產過程的運行仍離不開操作人員經常性的干預，以預防操作工況的惡化。(1)工況監測正常操作工況的統計學模型過程對象的反應機理模型操作經驗和專業知識…………..集成化方法過程的監視、評估操作的指導化工過程的動態仿真技術2022/12/9CIMS和CIPS技術與應用47工況監測2022/12/9CIMS和CIPS技術與應用48

(2)故障檢測和診斷(FaultdetectonanddiagnosticsFDD)故障(Fault)

系統至少一個特性或參數出現了較大的偏差，超出了可以接受的范圍，系統性能明顯低于正常的水平，難于完成系統預期的功能。故障檢測和診斷(FDD)

根據系統癥候，確定是否發生了故障，確定故障的種類，故障發生的部位，并確定故障的大小以及故障發生的時間故障檢測和診斷(FDD)工作環節故障建模按照先驗信息和輸入輸出關系，建立系統故障的數學模型，作為故障診斷的依據。2022/12/9CIMS和CIPS技術與應用48(2)2022/12/9CIMS和CIPS技術與應用49

(5)故障的評價與決策判斷故障的嚴重程度及其對診斷對象的影響和發展趨勢，針對不同的工況采取不同的措施。故障檢測和診斷(續1)(2)故障檢測從可測量或不可測量變量的估計中，判斷被診斷系統是否發生了故障。(3)故障分離在檢測出故障后，給出故障源的位置，區別出故障原因是執行器、傳感器、被控對象或者是特大擾動。(4)故障辨識在分離出故障后，確定故障的大小、發生時刻及其時變特性。2022/12/9CIMS和CIPS技術與應用49(5)2022/12/9CIMS和CIPS技術與應用50

故障檢測和診斷(續2)性能指標檢測靈敏度及時性漏報率誤報率診斷分離能力故障辯識的準確性2022/12/9CIMS和CIPS技術與應用50故障檢測2022/12/9CIMS和CIPS技術與應用51

故障檢測和診斷(續3)故障診斷的方法2022/12/9CIMS和CIPS技術與應用51故障檢測2022/12/9CIMS和CIPS技術與應用52

綜合自動化系統集成優化與決策理論與方法

本質上是有約束、多目標、多自由度的優化與決策，所追求的往往不是單一的最優指標，而是多種要求經過協調后的綜合結果。追求一個“精確的”最優的工作點方式來實現優化與決策策略滿意的過程操作工況區域，立足于滾動優化機制僅靠傳統“自主型”控制決策的方法解決工業系統的整體優化與決策這

個命題顯得力不從心通過人－機協同工作方式，發揮人與計算機各自的特長，將人直覺思維

能力與計算機學習能力相結合，可以減少系統的搜索空間，使復雜的問

題在有限的時間內，有限的背景知識條件下得到解決，共同解決優化與

決策復雜命題。2022/12/9CIMS和CIPS技術與應用52綜合自動2022/12/9CIMS和CIPS技術與應用53

2022/12/9CIMS和CIPS技術與應用532022/12/9CIMS和CIPS技術與應用54

6.2.5信息的綜合利用問題生產過程信息的巨大存儲量拙劣的數據分析、挖掘，綜合利用能力數據倉庫(DW)

支持管理決策過程的、面向主題的、集成的、穩定的、不同時間的數據集合。存儲面向管理應用與綜合分析的集成化和綜合性信息，從歷史的角度描述系統結構和狀態的變化，要求采用能夠反映時間維特征的數據結構基于傳統的面向業務的數據庫或外界數據庫作為數據源，經過提煉、加工、匯總和歸一化整理，生成符合數據應用語義規范要求的數據集合；支持多種復雜的數據應用和綜合性的管理決策分析；2022/12/9CIMS和CIPS技術與應用546.2.2022/12/9CIMS和CIPS技術與應用55

數據倉庫(DW)2022/12/9CIMS和CIPS技術與應用55數據倉庫2022/12/9CIMS和CIPS技術與應用56

知識發現(KDD)與數據挖掘(DM)KDD(KnowledgeDiscoveryinDatabase)是從大量的數據信息中獲取正確、新穎、有潛在應用價值和最終可被理解的模式的非平凡過程。DM(DataMining)是KDD綜合過程中的一個具體但卻是關鍵的步驟，DM是從數據中提取模式的過程。數據挖掘是KDD最核心的部分，是采用機器學習、統計等方法進行知識學習的階段。

模式按功能可分有兩大類：預測型（Predictive）模式和描述型（Descriptive）模式。預測型模式:根據數據項的值精確確定某種結果的模式。描述型模式：對數據中存在的規則做一種描述，或者根據數據的相似性把數據分組。2022/12/9CIMS和CIPS技術與應用56知識發現2022/12/9CIMS和CIPS技術與應用57

六種具體的DM模式(1)分類模式分類模式是一個分類函數（分類器），能夠把數據集中的數據項映射到某個給定的類上。分類模式往往表現為一棵分類樹，根據數據的值從樹根開始搜索，沿著數據滿足的分支往上走，走到樹葉就能確定類別。(2)回歸模式

回歸模式的函數定義與分類模式相似，它們的差別在于分類模式的預測值是離散的，回歸模式的預測值是連續的。(3)時間序列模式

時間序列模式根據數據隨時間變化的趨勢預測將來的值。

受監督模式提取過程，在建立模式前數據的結果是已知的，建立這些模式時，使用一部分數據作為樣本，用另一部分數據來檢驗、校正模式。2022/12/9CIMS和CIPS技術與應用57六種具體2022/12/9CIMS和CIPS技術與應用58

(4)聚類模式

聚類模式把數據劃分到不同的組中，組之間的差別盡可能大，組內的差別盡可能小。六種具體的DM模式(續)(5)關聯模式

是數據項之間的關聯規則。(6)序列模式

序列模式與關聯模式相仿，而把數據之間的關聯性與時間聯系起來。為了發現序列模式，不僅需要知道事件是否發生，而且需要確定事件發生的時間。

模式建立前結果是未知的，模式的產生不受任何監督。2022/12/9CIMS和CIPS技術與應用58(4)2022/12/9CIMS和CIPS技術與應用59

決策支持系統(DSS)的理論和方法2022/12/9CIMS和CIPS技術與應用59決策支持2022/12/9CIMS和CIPS技術與應用60

(1)決策支持系統的產生和發展決策

人們在日常工作和生活中做出的選擇和決定事務處理系統(TransactionProcessingSystemTPS)

20世紀50年代,電子計算機作為信息處理工具，廣泛用于政府、企業等場合進行信息的收集、存儲、加工和整理。

（財物、生產統計）等業務的數據處理，減輕人的工作負擔，提高工作效率。決策支持系統(DecisionSupportSystemDSS)2022/12/9CIMS和CIPS技術與應用60(1)2022/12/9CIMS和CIPS技術與應用61

管理信息系統(ManagementInformationSystemMIS)

20世紀60年代，計算機系統在全面掌握組織內部信息流通與處理的基礎上，合理組織信息處理方式，生成各種報表。

提高信息處理的效率能力，工作的協調一致性決策支持系統(DecisionSupportSystemDSS)

20世紀70年代，計算機系統在信息分析基礎上，根據主客觀情況作出判斷和選擇。

面向決策問題，基于交互式計算機系統幫助決策使用數據和模型，解決半結構化和非結構化的問題2022/12/9CIMS和CIPS技術與應用61管理信息2022/12/9CIMS和CIPS技術與應用62

決策趨于困難和復雜由于技術進步，可選用的方案增多決策失誤的代價可能很大(連鎖反應)決策所需的信息可能難以獲取必須迅速作出決策

計算機決策支持快速計算克服人類處理和存儲中認知能力的限制減少費用，減少專家群體的規模技術支持(數據庫、多媒體、數據處理)質量支持(更多方案，評價、分析、仿真)競爭支持企業過程再造工程

2022/12/9CIMS和CIPS技術與應用62決策趨于2022/12/9CIMS和CIPS技術與應用63

(2)決策支持系統的組成數據庫DB模型庫MB數據庫管理系統DBMS模型庫管理系統MBMS對話管理系統DGMS用戶2022/12/9CIMS和CIPS技術與應用63(2)2022/12/9CIMS和CIPS技術與應用64

計算機決策支持系統的基本部件人機接口(對話系統/語言系統)數據庫(數據庫管理系統)模型庫(模型庫管理系統)知識庫(知識庫管理系統)方法庫(方法庫管理系統)LS問題處理系統PPS數據庫模型庫知識庫KS用戶2022/12/9CIMS和CIPS技術與應用64計算機決2022/12/9CIMS和CIPS技術與應用65

(3)DSS的功能(1)人機協同作用的系統

(2)支持決策、輔助決策，不是代替決策者

(3)由用戶主導進行決策分析

(4)可以對組織的各層次(高層、中層、基層)進行決策支持

(5)主要支持半結構化決策，能支持結構化決策，在一定程度上支持非結構化決策。(6)較高的使用靈活性、適應性和靈活性(7)較好用戶友好性，非計算機專業人士使用(8)提高工作效能而非提高效率(9)作用不全是提供決策結論，是在支持過程中提高決策者的洞察力和決策水平2022/12/9CIMS和CIPS技術與應用65(3)2022/12/9CIMS和CIPS技術與應用66

(4)DSS的相關技術領域(1)過程專業技術

(2)管理科學、運籌學與系統工程

(3)計算機技術(數據庫、編程語言、操作統)(4)人工智能

(5)行為科學2022/12/9CIMS和CIPS技術與應用66(4)2022/12/9CIMS和CIPS技術與應用67

(6)企業生產與管理過程計算機決策支持案例分析(A)煉油生產工藝過程2022/12/9CIMS和CIPS技術與應用67(6)2022/12/9CIMS和CIPS技術與應用68

(B)生產經營決策活動的特點(i)范圍廣、跨度大

從決策的范圍：有例行的(如生產計劃、生產調度等)、非例行的(如企業發展規劃、經營決策等)

從決策的跨度：時間跨度有短期的(幾天)、中期的(月、季、年等)和長期的(幾年、十幾年)；空間跨度，有燃料油生產系統、潤滑油生產系統和石蠟生產系統。(ii)涉及的因素多

要考慮到各種內部的、外部的多種因素。

-生產系統有關(生產裝置、油罐、產品、工藝流程、生產成本等等)，

-國家計劃、市場需求等經營環境有關(原油、產品品種、價格、供給／需求量等等)。2022/12/9CIMS和CIPS技術與應用68(B)2022/12/9CIMS和CIPS技術與應用69

(iii)決策的好壞對企業的經濟效益影響很大(iv)突發性的決策活動增加(C)

生產經營決策活動的類型(a)制訂企業生產發展規則

企業的發展規則確定企業今后生產的發展方向，根據確定的企業發展目標制訂企業發展規劃，選擇合理的工藝流程(包括確定新建裝置、規模、和原來工藝流程的銜接、裝置配套、產品選擇、原油選擇等等)，尋求達到目標的最佳方案。2022/12/9CIMS和CIPS技術與應用69(iii2022/12/9CIMS和CIPS技術與應用70

(b)制訂企業年、月生產計劃、庫存計劃

在系統外部給出的約束條件和系統內部固有的約束條件下，最大限度地增加企業的利潤。年生產計劃

在原油供應量一定，國家指令性指標和市場情況基本確定的情況下，在保證國家計劃的完成、滿足市場需求、工藝條件要求的前提下，確定一個能獲得最大利潤的產品結構，達到有效地利用有限的資源，取得最好經濟效益月生產計劃

在保證國家計劃的完成、滿足提運要求、工藝條件要求的前提下，綜合考慮生產以及需求情況的合理期末庫存水平基礎上，確定一個能獲得最大利潤的加工方案，充分發揮設備的能力，有效地利用有限的資源2022/12/9CIMS和CIPS技術與應用70(b)制2022/12/9CIMS和CIPS技術與應用71

庫存計劃

綜合考慮計劃期到年末整個期間各個月的市場需求、裝置生產能力等情況，在保證國家計劃完成、滿足市場需求、充分發揮設備能力的前提下，從整體最優出發，為月生產計劃的編制確定一個最佳的期末庫存水平。(c)制定生產作業計劃

在滿足產品提運計劃、產品工藝流程約束的條件下，怎樣合理地給出一段時間內每一套生產裝置在時間上的運行安排，使生產系統的運行費用最小。2022/12/9CIMS和CIPS技術與應用712022/12/9CIMS和CIPS技術與應用72

(d)生產經營決策

主要解決突發性決策問題。原油加工決策(如煉高價油、加工進口原油、代煉、混煉，等等)和產品決策(如根據國際市場需求組織生產、新產品開發的經濟效益分析等等)。(D)生產經營決策支持系統的困難(a)提供意向決策支持

所謂“意向“，是指決策者的一個想法、打算、意圖、目的，但這種想法尚不能構成一個明確提出來的決策問題。2022/12/9CIMS和CIPS技術與應用72(d)生2022/12/9CIMS和CIPS技術與應用73

(b)提供問題求解過程的元決策支持

所謂元決策，是指對于決策過程進行決策，即關于如何決策的決策。管理問題求解一般要交替執行三種作業；問題／機會識別；制訂元決策；制訂具體決策。利用問題／機會識別作業起動一個決策制訂過程，它包括針對問題選擇適當的決策工具、決策方法、收集必要的信息、數據等，然后運用它們實際制訂具體決策。這個“決策如何進行決策”的過程就是所謂的“元決策”，也稱二次決策或稱預決策。意向決策問題、系統集成問題2022/12/9CIMS和CIPS技術與應用73(b)2022/12/9CIMS和CIPS技術與應用74

(E)IPDSS概況2022/12/9CIMS和CIPS技術與應用74(E)2022/12/9CIMS和CIPS技術與應用75

(F)生產調度專家系統

煉廠生產計劃涉及的是一段時間內(年、季、月等)生產的安排問題，在給定的條件下確定最佳的產品結構、裝置加工方案等等。生產計劃的落實要靠每天的生產安排來實現，這種具體而明確的短期執行計劃，就是所謂的生產作業計劃，也稱為日程計劃(Scheduling)。煉廠生產作業計劃的編制一般要考慮到以下因素。(1)產品提運計劃(2)生產計劃(3)生產裝置(4)原料、半成品、成品儲存能力(5)產品2022/12/9CIMS和CIPS技術與應用75(F)2022/12/9CIMS和CIPS技術與應用76

生產作業計劃編制問題

在滿足生產系統的外部要求(產品提運計劃、生產計劃等)、內部約束(生產工藝流程，原料、中間產品、產品的儲存能力，裝置加工能力、收率、品種切換要求，裝置計劃檢修，等等)的情況下，怎樣合理地給出每一套生產裝置在一段時間內的運行安排(加工的品種、處理量、加工批量、加工次序、品種的切換、開停工，等等)，使整個系統的運行費用(包括裝置加工費用、切換損失等)盡可能小。這是一個典型的多工序、多加工裝置、多產品品種過程系統的運行優化問題。2022/12/9CIMS和CIPS技術與應用76生產作業2022/12/9CIMS和CIPS技術與應用77

第六章CIPS實施工作的瓶頸問題與關鍵技術6.1人的問題

企業實施CIPS不僅是通過解決單純的技術問題的途徑，而是通過人、技術與經營三方面綜合集成的途徑來取得成功的(1)人在CIPS實施過程中起到了決定性作用哲理、全局過程的生產經營模式、組織機構(2)人在生產過程中起到了核心作用自動化技術應用水平及人們對它的認識程度人的創造性工作(3)人在CIPS系統中的地位

涉及到社會的、經濟的、有關人的行為及心理的、文化的等多方面問題，這些方面可能成為CIPS系統實施工作的瓶頸。2022/12/9CIMS和CIPS技術與應用1第六章2022/12/9CIMS和CIPS技術與應用78

6.2集成的技術方面問題

6.2.1綜合自動化面臨的挑戰a)工業過程復雜性

過程對象特性復雜

對象的特性和反應機理十分復雜，精確的機理建模日益困難，所得的模型往往具有非線性、分布參數、時變、時滯和不確定性基于解析數值計算和單一形式的模型（參數化的數學模型）很難刻畫系統的真實運動狀態，需要采用多種多樣的描述方式的描述模型來反映生產過程的真實系統的行為和狀態，支持不同層次、不同要求的控制目標動態系統還具有多時間標度，有時還會發生動態突變；環境的復雜性

系統常常處于不確定的環境中，擾動頻繁，且常常是不可測量的；

任務的復雜性完成監督、預測、控制、安全保護、經濟、最優等目標；2022/12/9CIMS和CIPS技術與應用26.22022/12/9CIMS和CIPS技術與應用79

綜合自動化面臨的挑戰(續1)b)關聯性

控制對象一般是多變量的系統，生產的規模龐大，生產裝置的操作存在著強關聯c)信息復雜性

信息獲取存在問題在許多的場合下，關鍵變量不可測量，導致信息的不完全；信息模式復雜信息往往呈現定量、半定量、定性語義的模式，不同深度不同層次地反映實際系統，提供關于系統不同模式的信息知識。傳感器和執行器分布于過程之中，信息量龐大信息通常受到噪聲的干擾，有效的信息的獲得較為困難2022/12/9CIMS和CIPS技術與應用3綜合自動化2022/12/9CIMS和CIPS技術與應用80

綜合自動化面臨的挑戰(續2)d)知識及其表達的多樣性和復雜性信息模式的多樣性客觀上造成了系統信息層次結構的形成：

越是高層的信息其數據量越少，但它包含的信息知識量越大，其模式越表現為定性描述的知識表示；層次越低的信息其包含信息量越簡單、直觀，數據量越大，其模式越表現為基于定量描述的數值形式。

信息層次結構要求對象模型呈現相應的分層結構：較低層的信息模型趨向與采用傳統的基于數值計算的微分或差分方程等模式表達，過程較高層次的模型則趨向于采用定性的符號描述模型表達過程的行為特性，不同層次的知識表達方法相應于多樣性和層次性的信息處理的需要。

e)管理、控制任務的通常是多目標、多約束的命題2022/12/9CIMS和CIPS技術與應用4綜合自動化2022/12/9CIMS和CIPS技術與應用81

6.2.2系統協同的問題

由一系列完成特定任務和目標子系統集成而成的復雜系統，具有分布性（時間上的分布、空間上的分布或功能上的分布）的特點。限于知識、能力、處理速度、信息、資源等因素以及待求解問題的規模、復雜性造成的實現困難，在CIPS系統增強系統性能(快速性、可靠性、智能程度、完成質量)、有效地利用資源(信息、知識、物理裝置等)，個體間的協作是必然的。通過并行性提高任務的完成率通過共享資源（信息、專門知識、物理裝置等）擴大完成任務的能力范圍通過備份任務，采用不同的方法去完成指定任務，以提高完成任務的可能性及可靠性通過避免任務間有害的相互作用,減少任務間的沖突2022/12/9CIMS和CIPS技術與應用56.2.22022/12/9CIMS和CIPS技術與應用82

系統協同的四種協作類型水平協作(horizontalcooperation)

由于能力、知識處理、速度、資源利用等因素的限制，單獨的個體（人/機構，子系統）都不具有解決全局問題的能力，將全局問題分解成子問題后交給適當的個體采用協同工作的方式分別去完成，獲得求解綜合問題的能力。為提高對綜合問題求解的結果的可信度，可以基于系統不同個體的獨立解決問題的能力，采用不同的信息與知識或不同的信息處理機制獲得問題的結果，通過個體之間的相互作用，最終獲得高可靠性的結果。2022/12/9CIMS和CIPS技術與應用6系統協同的2022/12/9CIMS和CIPS技術與應用83

系統協同的問題(續)(2)樹型協作(treecooperation)

系統中高層的功能系統或人/群體依據下層獲得的結果做出進一步處理工作。

(3)循環協作(recursivecooperation)

為了求得問題的結果，系統的個體之間相互依賴，往復協作。(4)混雜協作(hybridcooperation)

整個系統在某些級上采用水平協作的類型，而在系統整體上又是樹型協作或循環協作類型，或整體上采用水平協作類型而局部上采用樹型或循環協作類型。2022/12/9CIMS和CIPS技術與應用7系統協同的2022/12/9CIMS和CIPS技術與應用84

系統的兩種協作形式CIPS系統內主要存在任務共享(Tasksharing)、結果共享(Resultsharing)兩種協作形式：任務共享

各系統相互協作，分擔各子任務的處理負荷，而且當一個單元的任務太重而無法完成時，它將把任務分解，讓其它單元承擔并完成。結果共享系統內的各單元相互傳遞并共同利用根據不同觀點方法所得出的有關總體問題得部分結果，通過相互交換部分暫時得結果相互協同工作。2022/12/9CIMS和CIPS技術與應用8系統的兩種2022/12/9CIMS和CIPS技術與應用85

系統協同的關鍵技術問題-沖突的消解資源沖突、目標沖突、結果沖突-CSCW(ComputerSupportedcooperativeWork)理論與應用-群件技術-分布式智能控制理論和方法、MAS多智能體MultiAgentSystem、移動智能體mobileAgentSystem-人-人、人-機系統2022/12/9CIMS和CIPS技術與應用9系統協同的2022/12/9CIMS和CIPS技術與應用86

6.2.3控制、決策與管理集成問題CIPS系統本質上是一類混雜（Hybrid）系統:離散事件系統和連續時間系統的混合，分布參數和集中參數的混合，符號系統與數值系統的混合，模糊系統和精確系統的混合，定量系統與定性系統混合。信息和數據獲取與處理

系統的控制、決策依賴于獲取數量眾多，性質各異的定量、半定量、定性語義的不同模式、不同深度及不同層次的過程信息。數據信息常常因受工業噪聲、傳感器精度、傳感器故障以及檢測技術技術手段等因素的影響，不夠精確、不一致、不完整，有些信息不能以定量的形式表達。1.過程數據的預處理技術

數據變換、數據校正、濾波等預處理手，將真實信號從含有噪聲的混合信號分離出來2022/12/9CIMS和CIPS技術與應用106.2.2022/12/9CIMS和CIPS技術與應用87

數據校正問題(1)隨機誤差的處理

數字濾波方法利用信號與噪聲隨自變量改變的頻率不同將真實信號與噪聲分離。高通濾波、低通濾波、數據平滑等

數據協調(DataReconciliation)技術根據由物料平衡和能量平衡等方程建立起來的精確數學模型，以估計值和測量值的方差最小為目標，構造估計模型，為測量數據提供一個最優估計，以及時準確地檢測誤差的存在，近而剔除或補償其影響。(2)顯著誤差的處理a)基于理論分析可能導致顯著誤差的因素并進行相應處理

b)基于硬件冗余，借助不同的測量手段對同一過程變量進行測量，通過結果比較來識別顯著誤差。

c)

基于測量數據的統計特性進行檢驗(統計假設檢驗、殘差分析、廣義似然法、貝葉斯、主元分析法)2022/12/9CIMS和CIPS技術與應用11數據校正2022/12/9CIMS和CIPS技術與應用88

數據協調化工過程測量的基本模型可以表示為：

其中：為被測變量測量值；為被測變量真實值；代表測量誤差。

其中：是測量數據的估計是測量誤差的方差是未測向量的估計值2022/12/9CIMS和CIPS技術與應用12數據協調2022/12/9CIMS和CIPS技術與應用89

數據變換

數據變換影響過程模型的精度和非線性映射能力以及數值優化算法的運行結果。包括標度(Scaling)、轉換和權函數三各方面

標度對工業過程中出現的工程單位不同或數值數量級相差較大的測量數據，利用合適的因子進行標度，避免因為計算機字長而丟失有用信息或引起算法的不穩定。

轉換包括直接轉換和尋找新變量代替原變量，通過轉換可有效地降低原對象的非線性特性(如對數轉換)。

權函數實現對變量動態特性的補償，使穩態模型實現對過程動態估計成為可能。2022/12/9CIMS和CIPS技術與應用13數據變換2022/12/9CIMS和CIPS技術與應用90

2.過程數據的軟測量技術

軟測量技術的理論根源是20世紀70年代Brosillow提出的推斷控制。把自動控制技術與生產工藝過程知識有機結合起來，應用計算機技術對生產過程中一些難于測量或不能測量的重要變量(主導變量)，選擇另外一些容易測量的變量(輔助變量或二次變量)，通過構成某種數學關系來推斷和估計，以軟件來代替硬件(傳感器)功能。過程ud1d2yθy–主導變量；θ–可測的輔助變量d1–可測擾動；d2–不可測擾動；u–控制變量2022/12/9CIMS和CIPS技術與應用142.過2022/12/9CIMS和CIPS技術與應用91

軟測量系統結構測量數據預處理模塊簡單機理模型軟測量模型長期校正模塊初始模型在線校正模型歷史數據模型參數修正的模型參數歷史數據化驗數據2022/12/9CIMS和CIPS技術與應用15軟測量系2022/12/9CIMS和CIPS技術與應用92

軟測量模型(1)機理方法

基于物料平衡、能量平衡、動量平衡、相平衡、傳熱傳質等基本動力學方程(2)經驗方法系統辯識用測量數據直接求取模型的方法參數估計根據既定的模型結構由測量數據確定參數的方法a)基于狀態估計的方法Luenberger觀測器、Kalman濾波器b)基于回歸分析的方法最小二乘法、主元回歸法、部分最小二乘法(PLS)2022/12/9CIMS和CIPS技術與應用16軟測量模2022/12/9CIMS和CIPS技術與應用93

軟測量模型(續)(3)基于人工智能方法a)人工神經元網絡b)模糊技術2022/12/9CIMS和CIPS技術與應用17軟測量模2022/12/9CIMS和CIPS技術與應用94

3.復雜過程數據處理技術

不同信息控制與決策層次之間的信息表達、傳遞、通訊和融合處理機制，混雜信息的變換、信息與數據的壓縮、信息特征的提取與恢復、信息與數據的挖掘。復雜工業對象模型化(1)模型化方法

白箱方法、灰箱方法、黑箱方法(3)分層系統信息模式的非同態性導致系統模型形式的復雜化(2)模型化的精度和模型的適應性2022/12/9CIMS和CIPS技術與應用183.復2022/12/9CIMS和CIPS技術與應用95

基于模型的控制和基于知識的控制(1)基于模型的控制技術實例：預測控制技術

預測控制技術的產生并不是理論發展的需要，而首先是工業實踐向控制提出的挑戰。現代控制理論(基于狀態空間的分析設計方法、最優性能指標的設計理論)取得空前成果但仍面臨巨大挑戰：i)現代控制理論的基點是對象精確的數學模型ii)工業對象的結構、參數和環境都具有很大的不確定性(魯棒性/最優性)iii)工業控制中必須考慮到控制手段的經濟性，對工業控制計算機的要求不能太高(簡易性/實時性)2022/12/9CIMS和CIPS技術與應用19基于模型2022/12/9CIMS和CIPS技術與應用96

A)預測控制的基本構成i)預測模型根據對象的歷史信息和未來的輸入預測其未來的輸出(動態行為)。模型的功能狀態方程傳遞函數階躍響應脈沖響應非線性模型……….漸近穩定的線性對象，非參數模型ii)滾動優化

通過優化控制算法，追求某一性能指標的最優來確定未來的控制作用。性能指標構造通常基于對象輸出在未來采樣點上跟蹤某一期望軌跡的方差為最小；控制能量最小而同時保持輸出在某一給定的范圍等

有限時段的滾動優化，優化不是一次離線進行，而是反復在線進行2022/12/9CIMS和CIPS技術與應用20A)2022/12/9CIMS和CIPS技術與應用97

預測控制的基本構成(續)iii)反饋校正

閉環控制算法(不僅基于模型，同時利用實際輸出的反饋值)。基于優化性能指標確定了一系列未來的控制作用后，為了防止模型失配或環境的干擾引起的控制效果與理想狀態的偏離，通常的作法不是把求得的控制作用序列逐一全部實施，而只是實現本時刻的控制作用，到下一采樣時刻，首先檢測對象的實際輸出，并利用它對基于模型的相應預測值進行修正，在進行新的優化。2022/12/9CIMS和CIPS技術與應用21預測控制2022/12/9CIMS和CIPS技術與應用98

B)動態矩陣控制算法(DMC)i)預測模型

對于漸近穩定的對象，動態信息可近似用單位階躍響應的采樣參數構成有限集合描述：

根據線性系統的比例疊加性質，可以利用上述的階躍響應模型參數預測對象在未來時刻的輸出值。在k時刻控制作用有一增量時，在其作用下未來深刻的輸出

在M個連續的控制增量u(k),…,u(k+M-1)的作用下未來時刻輸出值(B-1)(B-2)(B-3)2022/12/9CIMS和CIPS技術與應用22B)動2022/12/9CIMS和CIPS技術與應用99

預測模型（單位階躍響應）2022/12/9CIMS和CIPS技術與應用23預測模型2022/12/9CIMS和CIPS技術與應用100

ii)滾動優化動態矩陣控制算法(續1)

在每一時刻k，M個連續的控制增量u(k),…,u(k+M-1)(控制時域)，使被控對象在其作用下未來P個時刻(優化時域)的輸出預測值盡可能接近給定的期望值w(K+i),i=1,…,P，規定MP，PN，同時考慮控制增量變化不能過分劇烈的要求構成優化性能指標為：(B-4)

在不考慮約束的情況下，求在預測模型(B-3)下使性能指標(B-4)最小的優化問題2022/12/9CIMS和CIPS技術與應用24ii)2022/12/9CIMS和CIPS技術與應用101

基于模型的預測控制Referencek+Mk+PProcessModelPredictionfuturepastInput2022/12/9CIMS和CIPS技術與應用25基于模型2022/12/9CIMS和CIPS技術與應用102

模型輸出反饋校正2022/12/9CIMS和CIPS技術與應用26模型輸出2022/12/9CIMS和CIPS技術與應用103

基于模型的預測控制機制2022/12/9CIMS和CIPS技術與應用27基于模型2022/12/9CIMS和CIPS技術與應用104

動態矩陣控制算法(續2)

以向量的形式改寫(B-3)、(B-4)(B-5)

其中：(B-6)

其中：2022/12/9CIMS和CIPS技術與應用28動態矩陣2022/12/9CIMS和CIPS技術與應用105

動態矩陣控制算法(續3)(B-5)代入(B-6)(B-7)

求極值的必要條件：

得到：

僅將控制作用序列中即時控制質量構成控制作用施加給對象：(B-8)(B-9)

其中：(B-10)表示取首元素運算控制向量2022/12/9CIMS和CIPS技術與應用29動態矩陣2022/12/9CIMS和CIPS技術與應用106

動態矩陣控制算法(續4)iii)反饋校正k時刻將控制u(k)加于對象，相當于在對象得輸入端加了一個幅值為u(k)的階躍激勵，根據(B-2)可以計算在控制作用下未來時刻的輸出預測值：(B-11)

經移位處理，可以作為k+1時刻的初始預測值進行新的優化計算。但是由于實際過程中存在模型失配、環境干擾等因素，由(B-11)得到的預測值肯