中期检查

1. 学习了预测控制的基本原理，了解到了预测控制是具有处理约束能力的先进控制算法；
2. 查阅文献，了解了分布式预测控制以及经济性能评估的研究现状。在传统的流程工业中，90%以上的控制回路依然采取传统的PID控制策略。PID在单回路下可以达到很好的控制效果，但是在系统存在强烈耦合同时带有约束的情况下先进过程控制算法中的模型预测控制算法是一种更为可行的控制方法。现代系统呈现出规模大，强烈耦合，以及约束众多的特点，这给传统的MPC应用带来了诸多的挑战。在此背景下大规模分布式的模型预测控制以及相应的系统在线性能评估技术更能适应现代系统的相应特点；
3. 学习多种智能算法，包括遗传算法，粒子群算法，基于遗传算法和粒子群的混合算法。对于分布式预测控制系统，通过查阅各种文献，提出了一种新的基于遗传算法和粒子群混合算法的最优结构分解方法以及相应的分解性能指标。基于遗传算法和粒子群混合算法(GA-PSO)的最优DMPC结构分解方法。这是一个两阶段的分解方法，包括输入分组(Input Clustering Decomposition，ICD)以及输入输出配对(Input-Output Pairing Decomposition IOPD)。在第一个阶段，ICD可以用来消除子系统之间输入的耦合，同时还能平衡各个子系统之间的计算负担，而第二阶段的IOPD是为了找到合适的输入输出之间的配对。为了求解最优结构拆解所对应的优化问题，通常需要定义一个拆解目标函数以及需要找到有效的算法去求解拆解的优化问题。求解ICD和IOPD的问题是一个组合优化问题，传统的数值优化方法并不适用。选择用GA-PSO来求解ICD和IOPD所对应的优化问题。