随着科技的进步、工业的发展带来的环境污染问题也越来越严重,党的十九大报告也紧盯环境保护重点领域,可见环境问题的重要性。臭氧作为最有前景的清洁环保材料之一,强氧化性是其一个显著特点,其次,臭氧不会产生二次污染。工业上主要以介质阻挡放电(DBD)法生产臭氧,本课题主要以介质阻挡放电臭氧发生器为研究背景。随着计算机技术以及传感器技术的发展,在设备运行过程中会产生的大量的数据,而这些数据将被保存下来,有效的利用和挖掘这些数据会解决很多问题。本课题在基于数据的前提下,主要研究介质阻挡放电臭氧发生器的建模与控制以及故障诊断问题。具体研究内容如下:(1)首先,对于大功率DBD型臭氧发生器,分析其逆变电源以及等效电路,在此基础上研究其电气参量(电流、电压、频率)和过程参量(气体压力、流量、温度、浓度)之间的动态关系,用递归神经网络建立其数据驱动模型。(2)其次,在上述模型的基础之上研究基于自适应动态规划的数据驱动最优控制方法,选择效用函数,设计跟踪控制器;然后将系统的控制约束考虑在内,重新选择效用函数,设计跟踪控制器,分别推倒两种情况下的迭代算法,实现对臭氧的浓度、产率以及产量的跟踪控制并进行对比。(3)最后,研究大功率DBD型臭氧发生器的故障特征,总结出故障特征指标,利用LM神经网络算法去识别大功率DBD型臭氧发生器的故障,用混淆矩阵以及ROC曲线验证准确率,分析其识别效果。然后对在线数据进行故障检测。