随着经济的发展、产品种类的增多以及市场需求变化加快,越来越多工业过程需要将原料按加工顺序转化为产品,并通过重复操作获得更多同种产品。这类工业过程要求既能够通过重复运行来获得更多产品又能分时间段切换运行条件以满足不同的性能指标。这使得该工业过程在生产运行中对灵活性和高效性的要求大大增加。为了迎合这些需求,一种小规模多工序的生产方式—批次生产得到了人们的关注。然而,在实际的批次过程运行中,随机噪声普遍存在,且其产生的影响是无法避免的。当这些噪声不能忽略时,按确定性理论设计的控制系统,其性能将不再满足要求。因此,抗干扰鲁棒性强的控制器设计策略对批次过程的稳定运行具有十分重要的理论意义和实用价值。此外,在复杂批次工业控制系统中,系统输出偏离预定轨迹,控制性能的降低可能带来巨大的经济效益损失,因此,控制系统的性能评价显得尤为重要。在实际工业过程中,噪声大多具有非高斯分布,所以,本课题在统计信息论的框架下对带有非高斯噪声的批次过程进行控制和性能评价研究具有十分重要的意义。本课题研究内容如下:首先,实际的批次过程按照每一批次操作时间的长短可以分为快速和慢速批次过程两大类,为了突破现有控制器只能处理一类过程的局限性,本文提出一种能同时处理这两类过程的数据驱动控制器设计方法。引入广义互熵构建非高斯批次过程的控制性能优化指标。考虑到实际可操作性,在计算性能指标值时,采用了滑动窗和过采样的采样方法,并用梯度下降法来优化性能指标得到最优控制律。此外,批次过程的数学模型往往是复杂而难以确定的,本文引用“黄金批次”的概念,从历史批次中选出控制性能好的批次作为黄金批次,并将黄金批次的性能作为基准来评价新的批次过程,这种数据驱动的方法突破了传统研究中依赖模型的局限性。考虑到影响批次过程的噪声多服从非高斯分布,所以采用信息论中的最小熵作为性能评价指标。同时,基准批次随着批次的运行会逐渐被控制效果更好的批次替换,这使得评价结果更加精准。综上所述,本课题对带有非高斯噪声的批次过程控制和性能评价的研究不仅对批次过程理论研究有重要意义,而且还对实际工业过程有一定指导作用,具有广泛的应用价值。