预测控制作为一类新型计算机控制算法自从上世纪七十年代问世以来，因其控制机理对复杂工业过程的适应性，其理论研究受到了工业界和学术界的广泛重视。由于它采用多步预测、滚动优化和反馈校正等控制策略，因而控制效果好、鲁棒性强，适用于控制不易建立精确数学模型且比较复杂的工业生产过程，所以受到了国内外工程界和控制界的重视，并在石油、化工、冶金、机械等工业部门的控制系统中得到了广泛应用，近年来在网络控制系统中的应用也引起了学术界的重视。随着传感器、计算机和通信技术的发展，各种面向复杂应用背景的多传感器系统的研究越来越受人们的关注，多传感器系统中，信息表现形式的多样性、信息数量的巨大性、信息关系的复杂性以及要求信息处理的及时性，都大大超出人脑的信息综合处理能力，多传感器信息融合理论应运而生。例如由于精确制导武器、远程打击和导弹拦截武器的出现，使得仅仅依靠单传感器提供的信息很难满足目标跟踪或状态与信号估计的精度要求，必须对单个传感器提供的信息按照某种最优融合准则进行融合，才能提高目标跟踪或状态与信号估计的精度。 带系统偏差的融合预测控制器是多传感器信息融合滤波的一个新的研究方向和领域。它可以处理含有未知模型参数和噪声统计的多传感器系统的状态估计融合问题，在航空、图像处理、故障诊断、负荷预测等领域将得到很广泛的应用。自校正滤波的关键技术是系统模型参数和噪声统计辨识问题。未知参数辨识的准确与否直接影响着后期的信息融合和滤波效果。 主要科技成果： （1）形成自校正观测融合预测控制器的算法仿真理论。 （2）形成自校正观测融合预测控制器的算法的试验研究报告。 （3）研制一套自校正观测融合预测控制器的试验装置。 （4）将该项目获得的理论结果和解决方案发表SCI、EI论文10篇。 （5）利用实验室的过程控制实验装置、小型DCS控制系统和高新技术企业的实验装置和网源联控的项目研究过程将该算法应用其上，实现该算法在工业过程控制中的应用。 创新之处： （1）应用带系统偏差的受控状态空间模型进行预测控制。 （2）将受控状态空间模型的输出进行加权观测融合，该算法计算量相对小而且提高了预测控制的稳定性、准确性。 （3）传统广义预测控制算法只能处理时不变，或参数变化缓慢的时变系统（应用自适应广义预测控制）。而由于Kalman滤波器可以处理时变系统的特点，使得基于Kalman滤波器的预测控制系统可以处理各种线性时变或时不变控制系统。 （4）对于系统噪声统计未知或失配时给Kalman滤波带来的误差影响，本项目进一步讨论了带参数辨识器的自校正加权观测信息融合预测控制算法。辨识器采用本项目提出的协同辨识算法，具体分三种不同的情形推导并分析了该方法对各类系统的适应能力。 本项目计划首先将研究成果应用于北方城市集中供热升级改造以满足越来越强烈节能环保的需求和大规模网源联控系统的负荷控制模块和智慧供热专家管理系统的建立对控制策略的越来越高的要求。未来的供热发展，急需供热管理者及时掌握供热动态，高度保障系统安全、及时处理管网的用户要求，加强企业间的信息交流，加快企业技术进步，降低供热成本。因此，探索互联网+智能供热解决供热问题是非常必要的。互联网、大数据及云计算技术的进步，为供热企业的智能化建设，提供了基础条件。利用云平台，可以将各个供热企业信息，统一起来到云平台上，在云平台上，建立强大的分析计算功能，为供热企业的智能运行、供热经济运行决策、提高供热质量和供热服务水平，保障供热系统安全，降低供热能耗、供热事故处理决策及相关预案的实施提供技术支撑。

哈尔滨商业大学

该项目为储备库项目资源，暂无效益分析内容。