随着科技的发展,人们对控制系统的控制品质要求越来越高。然而,化工过程、交通系统、产品制造等复杂系统通常具有高度非线性、未知动态特性等特点,难以建立其准确机理模型,传统自适应控制理论难以获得满意的控制品质。随着传感器技术及通信技术的发展,大量蕴含丰富系统信息的数据能够实时存储和获取。基于大量过程数据,解决复杂系统的优化与控制,是实现复杂非线性系统控制行之有效的方法。结合了人工神经网络、自适应评判设计、增强学习和传统动态规划等理论,自适应动态规划(Adaptive dynamicprogramming,ADP)有效避免了“维数灾”问题,是解决非线性系统优化控制的有效方法之一。从生产数据出发,深入探讨自适应动态规划优化控制方法并将其应用到矿渣微粉生产过程中,对解决复杂生产过程的优化控制问题具有重要的理论和应用价值。本文基于自适应动态规划算法,对数据驱动下设定值优化、输入受约束、减小超调量、应对参数跳变等问题进行深入研究,并将其应用到矿渣微粉生产过程的优化控制中,取得了如下创新性成果:(1)针对输入受限的非线性系统,引入非二次型指标函数,在已有ADP在线跟踪控制的基础上,改进跟踪控制方案,使控制输出跟踪上期望轨迹的同时,控制输入严格保持在约束范围之内。改进ADP跟踪控制方案,实现针对系统模型部分未知情况下的最优跟踪控制。针对ADP跟踪控制器超调量较大的问题,结合多模型自适应控制思想,设计多设定值跟踪控制器,在保证系统稳定的前提下,使控制输出逐步跟踪上期望轨迹,从而提高系统的动态响应和控制品质。(2)针对参数跳变非线性系统,提出基于多模型自适应控制框架的ADP控制器。多个子模型覆盖系统不确定性,对应建立多个并行运行的子控制器。引入切换机制来决定与当前系统最为接近的模型及其初始参数,最终使控制器在整个时间段内满足系统初始容许条件,实现参数跳变系统的最优跟踪控制,提高控制品质。(3)在保证生产安全和产品质量、产量达标的情况下,综合考虑生产线总体的生产效率和经济效益等优化指标,利用生产运行数据,给出矿渣微粉生产过程的全流程优化控制方案。基于矿渣微粉生产过程大量数据,采用基于PSO优化的LS-SVM算法建立微粉生产过程产量、质量、磨内压差等数据模型。给出受约束的矿渣微粉生产过程多目标优化问题描述,通过多目标优化算法求解确定最优设定值。(4)在多目标优化获取最优设定值的基础上,利用生产过程数据,建立递归神经网络模型,采用提出的带有控制约束的自适应动态规划方法实现矿渣微粉生产过程的优化控制。对生产数据进行分析,获取典型生产运行工况,设计基于自适应动态规划的加权多模型自适应控制方案,实现多工况切换情况下的矿渣微粉生产过程优化控制。