中文摘要：

许多工业生产过程都是分布参数系统（DPS），其时空耦合、无穷维和复杂非线性特性给建模、预测和控制带来很大挑战。实际系统往往机理模型未知和有多种工况，目前这类DPS还没有易于控制的建模方法。由于只能布置有限位置的传感器，空间信息测量缺失，因此空间状态重构也是实现DPS控制的关键。本课题针对多工况复杂非线性分布参数工业过程，提出结构简单、易于被工业界接受、便于实现的DPS建模与空间状态重构方法。从有限位置测量数据出发，提出时空系统多模型辨识方法，挖掘系统内在的分布参数关系，提高对非线性DPS的建模能力；针对不同DPS，提出不同时空模型的多模型辨识方法；在此基础上，提出基于时空多模型的空间状态重构方法；为提高重构性能，降低传感器数目，提出传感器配置和空间状态重构的集成优化设计策略。本研究将为复杂分布参数工业过程的控制提供建模和空间状态重构理论和方法，结合典型工业系统，形成理论和方法的应用推广。

结论摘要：

许多工业生产过程都是分布参数系统（DPS），其时空耦合、无穷维和复杂非线性特性给建模、预测和控制带来很大困难。实际DPS往往机理模型未知，基于数据驱动的非线性分布参数系统建模是系统辨识领域的难题。本课题提出了分布参数系统时空多模型建模方法，把复杂的时空非线性建模分解成多个简单时空系统建模。利用有限数目传感器的测量数据，基于主元和聚类分析，挖掘系统内在的分布参数关系。针对不同非线性，提出几种典型非线性时空模型的多模型辨识方法。通过模型降维，可得到低维的非线性时空全局模型。在此基础上，实现了传感器优化配置和空间状态重构。本研究为复杂未知分布参数工业过程提供建模和空间预测方法和技术，为分布参数系统的变量空间分布控制提供重要基础。