大规模化工过程的结构分解及动态PLS建模 1 大规模化工过程的背景及现状 随着现代工业的快速发展,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,这对传统的机理建模与控制策略提出了重大的挑战。

对于无法获得精确数学模型的多变量、非线性、时变系统, 很难用单一的模糊控制器使各受控量达到满意的指标, 而且直接建立多变量模糊控制器的控制规则是非常困难的。

采用分层分级的方法对多变量系统进行结构分解和降维处理, 以达到简化设计的目的。

而针对复杂化工过程中存在的强耦合、非线性等问题,PLS去噪、降维、消除共线性、自解耦等特点，提出了基于动态PLS建模方法的多回路预测控制策略。

在技术路线上,从线性无约束的控制器到有约束的控制器设计,随后进一步将算法推广到非线性系统建模及控制方法的研究中,最后对非线性系统在线建模与控制问题进行研究。

2.系统分解方法 将复杂的大规模化工过程看作是很多子系统的组合，每个子系统有各自的输入输出和相关特性。

系统结构分解的目的便是对整个化工过程的模型进行拆分，将复查的多变量系统分解为数个较为简单的子系统。

以降低系统复杂度和设计难度。

【9】【10】【11】【13】【14】【16】【18】【19】【20】 (1)典型相关分析（CCA） 利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。

它的基本原理是：为了从总体上把握两组指标之间的相关关系，分别在两组变量中提取有代表性的两个综合变量U1和V1（分别为两个变量组中各变量的线性组合），利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。