>>反饋環路APC控制

面向流程工業生產制造環節， ICR采用OT/IT/DT技術相結合的方法，融合了常規控制、先進控制、工業大數據以及AI算法，實現智能工廠平穩控制與生產優化，達到管控一體化的目標

基于云邊一體化協同架構，傳統工業控制軟件加持大數據技術，實時監控生產過程關鍵性能指標，并提供控制與優化系統的運維策略支持

生產智能化：

結合大數據、先驗知識的過程建模策略，降低傳統辨識方法對數據階躍測試的依賴

融合貝葉斯方法的預測控制技術，提升控制器在過程不確定和未知擾動情況下的魯棒性

管控雙閉環：

控制與優化閉環：基于安全、質量等多等級策略，對生產調度指令進行分解，實現優化控制閉環

智能運維閉環：基于AI算法的控制器評估與檢測算法，實現對生產過程的自動化監控與運維

云邊一體化協同架構：

邊緣端實現高頻控制（常規控制、先進控制），保證系統的實時性和安全性；云端加持大數據分布計算能力，解決算力不足問題，實現全流程工藝優化

匯集生產過程歷史數據，進行自動化運維，并實現遠程工作協同

>>反饋環路APC控制–AICS預測控制原理

預測控制是一種通過預測模型對系統未來狀態進行預測，并采用在線滾動優化和反饋校正以優化系統行為的閉環優化控制策略。

預測控制三要素：

預測模型、滾動優化、反饋校正

一類用計算機實現的最優控制算法

建模方便，不需要深入了解過程內部機理

滾動優化策略，較好的動態控制效果

簡單實用的模型校正方法，較強的魯棒性

可推廣應用于帶約束、大純滯后、非最小相位、多輸入多輸出、非線性等過程

>>反饋環路APC控制–ICR系統預測控制原理

模型預測

用模型預測未來時刻被控對象的變化和誤差，以其作為確定當前控制作用的依據，使控制策略適應被控對象的存儲性、因果性和滯后性，可得到較好的控制效果。

反饋校正

利用可測信息，在每個采樣時刻對預估值進行修正，抑制模型失配和干擾帶來的誤差。用修正后的預估值作為計算最優控制的依據，使控制系統的魯棒性得到明顯提高。

滾動優化

每個采樣周期計算一次最優控制序列，但只輸出其中第一個值，下一個采樣周期再計算一次，輸出一次，周而復始滾動執行，其實質是考慮了實際控制過程中各種不確定性。

提升自動化水平，實現卡邊控制

通過先進控制技術，減少控制變量的波動范圍，從而使操作點更加靠近操作窗口的邊緣，節省能源成本。

>>反饋環路APC控制–ICR關鍵技術總結

軟測量：

機理模型與數據建模方法相融合，通過貝葉斯理論推斷輸出的期望與概率分布

模型辨識：

傳統辨識算法，融合大數據和先驗知識，實現模型在線自動更新與驗證

預測控制：

模型和擾動不確定條件下的魯棒預測控制技術，提升控制器魯棒性和抗擾動特性

閉環自動測試，正常工況區間范圍，降低測試對現場的擾動，提升運維效率

性能評估：

控制器性能狀態檢測、靈敏度分析，輔助控制器參數優化與整定 生產過程的振蕩檢測以及振蕩源分析