适用于流程工业的自适应深度学习预测控制方法与装置

本申请提供了一种适用于流程工业的自适应深度学习预测控制方法与装置。包括：根据流程工业的历史控制信息，基于深度学习技术构建目标控制变量的全工况动态模型，基于阈值的自适应分段算法，对全工况动态模型的变化增益曲线分段处理，得到分段线性增益模型；确定分段线性增益模型的分段线性变量约束，并基于分段线性变量约束确定目标控制变量的优化目标；基于分段线性增益模型获取目标控制变量在当前工况点的阶跃响应序列，根据阶跃响应序列和优化目标预测目标控制变量的未来控制执行序列。解决现有预测控制方法通常基于线性模型构建控制变量与被控变量之间的映射关系，无法准确反映控制变量的非线性特性，进而导致预测控制准确度较低的问题。