学术信息

首页

学术报告:分批生产过程基于数据驱动的建模、优化与控制

 

    间:20171214日(周四)上午10:30-11:30
    点:东院7D-101
报告人:张杰     英国纽卡斯尔大学教授
                               IEEE Senior Member

 

报告人简介:
        
张杰,1986年本科毕业于williamhill中文欢迎您自动化系,1991年于英国城市大学获得控制工程博士学位,1991年起在英国纽卡斯尔大学化学工程与先进材料学院任教,现为应用过程控制专业教授,博士生导师。研究方向为过程建模、分批生产过程控制、过程检测与智能计算等。张教授在权威国际期刊、国际学术会议上共发表280余篇高水平论文,先后担任《Neurocomputing》、《控制工程》等诸多期刊的编委。

 
报告摘要:
 分批生产过程适用于高附加值产品(例如特种聚合物、药物、生物产品等)的灵捷制造,不同于连续系统,分批生产过程具有较强的非线性且常工作于瞬态;分批生产过程控制的一个难点在于产品质量的变量通常是不可在线测量的,仅可在分批生产过程结束后通过实验数据分析获得。分批生产过程控制的主要目标是在安全操作下获得最大数量的高品质产品。本报告基于数据驱动建模、推断估计、可靠优化控制及迭代学习控制等方法给出分批生产过程的鲁棒神经网络。Bootstrap组合神经网络提高了模型的概括能力,同时给出了模型预测估计精度。模型最优化不同于过程最优化,最优目标函数可以通过附加项(或在多目标优化中附加目标)进行扩张。基于分批生产过程的重复性能够使用当前及过去的批处理信息提高下一个批处理的操作性。为克服未知扰动的影响,提出了一种基于线性化模型的batch-to-batch最优控制策略达到了该目的。