工业过程运行优化控制的内涵是采用信息技术,将生产过程的知识与数据信息进行集成,通过过程运行优化与控制技术,不仅能镇定被控系统,使基础回路输出很好地跟踪设定值,而且控制整个运行过程,使表征产品生产效率、质量、能耗的运行指标最优化。工业过程运行优化控制涉及运行层与基础回路层两层不同时间尺度动态特性,分层控制是易于实现的工程化选择,但是由于各种仪表因其自身的特殊性,获取信息和处理信息的速度不同,加之控制节点分散,以及实际工业过程控制系统的控制更新速率与数据采样速率并不一致,使得工业过程运行优化控制的设计面临复杂的多速率问题。同时,运行层难以建立数学模型意味着无法直接应用传统控制方法。因此在国家自然科学基金项目“动态环境下磨矿全流程数据驱动运行优化控制”资助下,开展了工业过程多速率分层运行优化控制的研究,将多速率问题的处理方法和数据驱动的强化学习方法相结合,提出了多速率分层工业过程运行优化控制方法。主要研究工作如下:(1)针对工业过程多时间尺度、多速率分层结构,提出了一种工业过程多速率系统解决方案。其先用块提升技术将基础回路层的输入输出采样周期提升至框架周期,从而设计回路层跟踪控制器;进而采用递推提升技术将回路层的快时间尺度统一至运行层的慢时间尺度上,以设计运行层设定值优化控制器。(2)针对一类运行层可近似线性化的工业过程,提出了一种基于提升技术、模型预测控制与Q-学习的数据驱动工业过程运行优化控制方法,给出相关收敛性证明;与基于模型的黎卡提方程离线求解法和基于贝尔曼方程的策略迭代算法相比,所提方法不需要依赖运行层模型,仅利用在线数据即可实现控制器的设计;最后将该方法应用于冶金磨矿过程进行仿真研究。(3)针对一类运行层为仿射非线性系统的工业过程,提出了一种基于提升技术、模型预测控制与actor-critic神经网络的数据驱动工业过程运行优化控制方法,给出相关收敛性证明;所提方法同样不依赖运行层模型;最后将该方法应用于煤炭生产的重介质选煤过程进行仿真研究。