现代工业生产的发展对生产过程的控制与优化目标提出了越来越高的要求,除了对单个生产装置或局部子系统实现优化控制外,追求整个系统的全局优化已是提高产品质量和降低成本的关键.在复杂大工业过程中普遍存在的具有多级串联结构的控制系统,由于其特殊的控制结构,不能简单地用多变量系统的建模与控制方法来进行,最终控制目标与各个局部子系统的设定值之间的关系一般是复杂非线性的,这类系统的控制问题包含很多非线性因素和边界条件的频繁变化,又存在着诸多干扰与各种不确定性因素,难以应用传统的基于模型的控制和优化理论,同时工业现场更多地采用分布式控制结构和信息结构,这些都给这类问题的控制与优化带来了挑战.针对上述问题,本论文主要研究了具有串联结构的分布式系统动态优化控制与目标协调问题,主要工作包括以下几个方面: ·利用Backstepping方法结构化、系统化的设计优点,针对多输入多输出(MIMO)过程设计了分散PID控制器,通过小增益定理分别得到了两输入两输出(TITO)过程和MIMO过程闭环系统稳定的充分条件,对Shell标准控制问题的仿真研究验证了该方法的有效性,并在液位过程控制系统实验装置上进行实验,验证了该方法的实用性.针对一类多输入非线性串联系统,基于Backstepping方法,结合状态关联代数Riccati方程(State-DependentAlgebmic RiccatiEquation,简称SDARE)技术,设计了一种分布式的反馈控制律,不但可在线求得最优控制律的解析解,而且使原系统全局渐近稳定,同时证明了当t<,f>=∞时,设计的反馈控制律也是整体性能指标的最优控制律.·针对非线性串联结构系统的预测控制问题,提出了基于动态系统优化与参数估计集成(Dynamic Integrated System Optimization and Parameter Estimation,简称DISOPE)方法的分布式预测控制算法,分析了算法的收敛性,证明了在满足某些假设条件下迭代收敛解满足原非线性优化问题的最优性必要条件,以燃油电力单元机组系统为对象对控制算法进行了仿真研究,验证了所提出方法的有效性. ·针对在网络信息模式下的串联结构系统,在基于Nash最优分布式预测控制的研究基础上,改进了优化性能指标的选取,提出了一种基于邻域优化的网络化预测控制策略,给出一个迭代的网络化MPC算法,分析了无约束算法的收敛性和标称闭环系统的稳定性,证明了当迭代收敛条件成立时,求解局部优化问题获得的局部控制律收敛到整个优化问题的全局最优解.为了进一步降低在线求解的计算量和通信代价,又提出了具有一步时延通信的网络化MPC算法,分析了标称闭环系统的稳定性.步进式加热炉炉温控制问题的仿真研究结果表明了提出方法的有效性.·研究了串联结构系统的子目标鲁棒实时优化控制问题,其上层是一个基于产品质量优化模型国家自然科学基金资助项目(批准号:60474051)和国家教育部高等学校博士学科点专项科研基金资助项目(批准号:20020248028). 的全过程优化器,根据最终产品质量和性能指标的要求,动态调整各子过程控制器的最优设定值,下层采取分布式广义预测控制(GPC)实现串联结构系统的在线控制,使各子过程的输出跟踪优化设定值.随机规划方法可有效处理经济和模型的不确定性,将机会约束规划引入到实时优化问题中,给出了求解联合机会约束规划的算法.通过两个数值的示例验证了机会约束规划方法的有效性,最后结合步进式加热炉的炉温优化设定问题进行了仿真研究表明了提出方法的实用性.