近年以来城市内涝灾害频发,伴随着城市化进程的提速,大量工业废水、生活污水和降雨径流考验着城市的排蓄能力;另一方面,许多城市的排水管网系统面临超期服役,改建扩建任务繁重。充分利用有限的资源,打破以往依赖于人工值守,依赖于传统控制方法的格局,更多涉及智能控制,改善当下设施自动化程度底下的状况,选取与时俱进的控制策略对城市排水系统进行整体的实时优化控制是水环境整治的当务之急。城市中极端气候事件发生较少,对区域降水事件序列强度和频次进行观察,可以归纳其在时间尺度上的降雨结构和特征的变化规律。降雨时间序列类似于工业上的间歇式过程,从时间和过程两个维度的解析可以更好的刻画动态特性和重复特性;利用前面批过程的控制结果迭代地寻找最优的操作条件,也更契合学习算法“在重复中学习”的思想和方略。同时,由圣维南方程组对排水管网建模得到的排水管网模型在优先考虑其实用性的前提下很难得到精细的机理模型,而迭代学习控制建立基于过程优化数据的经验模型,可以很好地与溢流模型形成互补。我们基于上述理念,将学习控制和迭代学习控制取长补短,进一步将算法应用到城市排水网络中。主要工作由以下几个部分组成:1)集中式迭代学习预测控制在城市排水网络中的实践。抽象城市排水系统的物理模型,对每个单元模块进行模型简化,按照拓扑结构连接成对应的溢流简化模型;将暴风雨按照趋势理想化为不同的阶段,对全局使用集中式迭代学习预测控制算法;将简化溢流模型转化成批次间的迭代寻优问题,使用基于状态空间的预测控制来获得控制率。最后在具体的城市水网中,对排水管段进行建立溢流模型、仿真分析并讨论。2)分散式迭代学习预测控制在城市排水网络中的实践。对于我国一线城市排水管网系统地域分布较广,属于多目标控制、多变量耦合的大系统,采用集中控制的策略,往往不太可行。假设每个子系统完全不和其它子系统交互,提出针对一般分散模型的迭代学习预测控制算法,并在城市水网中进行建模仿真与讨论。3)分布式迭代学习预测控制在城市排水网络中的实践。针对城市降雨间歇式过程的特征,可能出现多个城市区域之间降雨骤缓不同的情况,这无疑会影响控制的结果。合理假设在批次过程之间进行信息交互,我们提出了分布式迭代学习控制,在降低了系统在信息沟通上的成本的同时,增强了各子系统对于其他区域模态转换的抗性,并在城市水网中进行建模仿真与讨论。