中文摘要：

复杂多变量过程控制，如模型预测控制(MPC)已经在石油化工等企业得到成功应用，并产生了巨大的经济效益。然而工业实践表明，多变量过程辨识是MPC项目实施最困难和最费时的任务，也是MPC推广应用的一个瓶颈。这主要是由于目前采用的开环辨识方法存在时间和人力上的高成本、多变量之间的耦合作用不能充分体现以及辨识试验对过程的扰动造成产品质量下降等问题。针对这些问题，本项目研究基于正常工况下的系统输入输出历史数据对复杂多变量系统进行闭环辨识的理论和方法。首先研究正常工况下多变量闭环系统输入输出数据的可辨识性问题，揭示满足什么条件的输入输出测量数据才可以用来进行闭环系统辨识；研究基于正常工况下系统输入输出数据获取面向控制的非参数直接辨识方法；研究基于频率响应确定一阶或二阶加纯滞后模型结构的传递函数矩阵的方法。辨识的多变量模型可以用于多变量控制器的设计或再调整，对过程控制等系统的优化和节能降耗具有重要意义。

结论摘要：

工业过程系统在长期的运行过程中积累了大量的随设定值扰动或负荷波动的历史输入输出测量数据。本项目主要研究基于这些历史测量数据进行多变量系统辨识的理论和方法。项目首先研究了闭环系统环境下输入输出数据可辨识性的问题，给出了系统可辨识性的条件。这些输入输出历史数据中包含有系统重要的频域响应特性，重要的频率范围通常是从零到过程对象的临界频率，项目提出了确定重要频率范围的迭代公式，计算结果在几次迭代后可达99%的准确度，解决了辨识方法中的一个关键问题，然后推导出频率响应特性的计算公式。项目研究了基于重要的频率响应特性获得二阶加纯滞后模型的方法，通过在频域上幅值和相位的最小二乘拟合推导出二阶加纯滞后模型参数的计算方法，解决了二阶加纯滞后模型结构中超越函数参数估计的难点，最终辨识出面向控制的传递函数模型。仿真试验表明，在引入20%噪信比的情况下，辨识模型仍然可获得较好的精度，表明了本辨识方法的可行性和实用性。本项目提出的频率响应辨识方法也被尝试应用在经典的Ziegler-Nichols频率响应方法中，系统不需要中断现有的正常运行而切换到任何试验状态，只需要通过对控制回路正常运行中的输入输出数据进行处理，就可获得过程对象重要的临界频率响应特性，进而采用Ziegler-Nichols整定规则或改进方法在线更新PID控制器参数，这样可以使控制回路始终保持在最佳运行状态，提高了工业过程设备的运行效率，最终对工业企业节能减排具有重要意义。本项目也得到了国内院校和科研单位的关切和支持，与上海交通大学和中国南方电网广州电力设计院建立了合作关系，针对火力发电厂的过程设备的多变量控制回路进行闭环辨识方法的探索和研究，通过对机组协调控制系统正常运行中的输入输出信号进行频域分析和推导，获得过程对象重要频率段上的频率响应特性，最终辨识出在当前负荷点上的双输入双输出过程动态模型，为协调控制器的参数自适应奠定了基础。广州电力设计院为本项目提供了大量的现场测试数据，为验证多变量闭环辨识理论和方法提供了支持。本项目提出的数据处理和系统辨识方法在其他工业自动化领域也进行了一些应用研究，包括网络控制系统、楼宇空调系统、钢带退火炉控制系统、数据融合和处理、故障诊断和检测等领域。本项目的主要研究成果已在国内外期刊或国际会议上发表标注受本项目资助的论文26篇，其中EI收录7篇，并获得1项发明专利授权，同时培养了5名研究生。