1. 毕业设计（论文）的内容和要求

本课题旨在要求学生学习基于数据的工业过程系统分解方法以及分布式预测控制相关知识，实现对大化工过程的分解与控制。随着工业与信息科学技术的快速发展，工业的生产规模越来越大，生产工艺以及生产流程变得越来越复杂，对整个大系统采用集中式建模控制方法，势必导致模型结构相对复杂、并且模型精度难以保证和计算繁琐等诸多问题。采用分布式建模与控制方法，可以将大系统划分为若干个相对独立的子系统进行建模与控制，同时考虑子系统间的相互作用，既简化了计算过程又能达到与集中式控制相当的控制性能。

本课题目的在于研究一种数据驱动的大化工过程分布式在线建模算法，无需工艺机理知识，仅基于生产数据分析进行子系统划分及降维，并进一步在线建立子系统模型，解决目前大化工过程模型结构复杂性和精度不能兼顾的问题，为分布式预测控制提供模型基础，为实际大规模化工过程的建模提供一种简单可行的方法。结合目前化工过程复杂化特点，进一步研究基于关联子系统的分布式预测控制算法的推导过程。首先，为各个子系统建立预测模型，并建立各自的目标函数，此时子系统自身的作用需要考虑，同时又要兼顾其关联子系统的影响。在此基础上计算出各个子系统的最优控制律。然后，对系统的稳定性进行了分析，得到系统渐进稳定的条件。最后，结合壳牌石油重油分馏塔过程，分别进行分散式预测控制与分布式预测控制仿真研究。

内容包括：

2. 参考文献

1． 查阅有关中、英文科技文献资料，并认真阅读以下参考文献，做好读书笔记。

2．参考书和参考文献

1 baldea, m., el-farra, n. h., ydstie, b. e. . dynamics and control of chemical process networks: integrating physics, communication and computation. comput. chem. eng, 2013,51(4):42-54.

3. 毕业设计（论文）进程安排

2018-01-01～2018-01-10#160;布置设计任务，学习基本知识要点和介绍设计内容相关的软件工具；查阅相关文献；

2018-01-10～2018-01-20#160;翻译英文文献资料，在查阅资料基础上，完成开题报告；

2018-03-01～2018-03-15#160;基于数据的系统分解算法流程推导，将大系统分解成若干子系统；