分層多速率運行優化控制是指：考慮工業過程分層控制結構下的多時間尺度與多速率特點，通過運行層設定值優化與回路層過程控制的集成化和智能化，控制整個工業生產過程，實現質量、效率和能耗等運行指標的最優化。

工業過程智能制造的目標是實現智能生產，其關鍵是實現制造流程智能化，愿景是建立以企業高效化與綠色化為目標，以實現制造流程的智能優化決策與加工裝備（過程）智能自主控制為特征的制造模式。實現這一愿景的關鍵是要實施工業過程運行優化控制，其內涵是其通過優化與控制的智能化和集成化，感知生產條件的變化，自適應決策并跟蹤控制系統的設定值，實現質量、效率和能耗等運行指標的最優化。

典型工業過程（冶金磨礦過程與重介質選煤過程）

分層控制是便于實現的工程化選擇。然而，在分層控制結構下，整個系統因層級功能以及所涉及的被控對象特性的差異導致層級間時間尺度各異。運行層面向工業運行過程，具有慢時間尺度特性，回路層面向基礎設備/回路過程，具有快時間尺度特性。其中，運行過程多是含物理化學反應的氣液固多相共存的連續化復雜過程，機理難以搞清，無法建模。為全面感知系統動態，通常需要部署全方位的檢測裝置，但由于信號變化速率相差較大，各檢測裝置因自身的特殊性，獲取信息和處理信息的速度不同，加之控制節點分散，難以實現控制系統輸入與輸出采樣周期的統一。因此，在工業過程運行優化控制器設計時將面臨如下的挑戰性問題：

1）運行過程動態未知；

2）層級間具有多時間尺度；

3）層級內存在多速率采樣。

上述特性使得運行優化控制問題變得尤為復雜。

多速率工業過程的雙層層級架構

如何針對多時間尺度、多速率采樣且運行層模型未知的復雜工業過程設計運行優化控制策略？本文將提升技術、模型預測與增強學習方法相結合，提出一種工業過程多速率分層運行優化控制方法。其通過兩種提升方法將多速率分層問題統一到一個時間尺度，進而采用一種數據驅動的Q-學習算法，求解基礎回路最優設定值，同時設計基礎回路層的MPC控制器實現設定值的快速跟蹤，最終實現運行指標的優化控制。

最后，針對一典型復雜工業過程，即閉環冶金磨礦過程，進行了實驗研究，表明了該方法能夠在分層多速率采樣下，無需使用運行層模型來設計運行優化控制器，僅利用數據通過自學習實現設定值的在線優化，從而控制運行指標。這一研究成果對運行層機理復雜難以建立模型的復雜工業過程運行優化控制器的設計具有參考價值。