所谓智能控制是以生产专家以及操作人员的经验为基础，应用拟人化的思维方法、规划及决策实现对工业过程先进控制的一种技术。亦可以说是由人工智能、自动控制及运筹学三个主要学科相结合的产物。是一种以知识工程为指导的，具有思维能力和学习、自适应调整及自组织功能的先进控制思想和策略。对于一些存在着严重不确定性过程，以经典控制和现代控制理论为指导的、基于被控对象数学模型的传统控制方法已经显示出其一定的不适应性。而智能控制理论和方法在处理高度复杂性和不确定性方面表现出了灵活的决策方式和应变能力。因此，智能控制已经成为解决复杂工业过程控制问题的一种有效方法。智能专家控制技术应用反馈校正：过程控制算法采用的预测模型通常只能粗略描述对象的动态特性，由于实际系统中存在的非线性、时变、模型失配、干扰等因素，基于不变模型的预测不可能和实际情况完全相符，因此，反馈策略是不可少的。滚动优化只有建立在反馈校正的基础上，才能体现出它的优越性，并形成闭环优化。因此，预测控制算法在通过优化确定了一系列未来的控制作用后，为了防止模型失配或环境干扰引起控制对理想状态的偏离，并不是把这些控制作用逐一全部实施，而只是实现本时刻的控制作用。到下一采样时刻，首先监测对象的实际输出，并通过各种反馈策略，修正预测模型或加以补偿，然后再进行新的优化。每到一个新的采样时刻，都要通过实际测到的输出信息对基于模型的预测输出进行修正，然后再进行新的优化。不断根据系统的实际输出对预测输出值做出修正使滚动优化不但基于模型，而且利用了反馈信息，构成闭环优化。滚动优化：预测控制的最主要特征表现在滚动优化。预测控制通过某一性能指标的最优来确定未来的控制作用，这一性能指标涉及到系统未来的行为。但是，预测控制中的优化与通常的离散最优控制算法有很大的差别。这主要表现在预测控制中的优化目标不是一成不变的全局优化目标，而是采用有限时段的滚动优化策略，在预测控制中，优化不是一次离线进行，而是反复在线进行的，这就是滚动优化的含义，也是预测控制区别于传统最优控制的根本特点。对于实际的复杂工业过程来说，模型失配、时变、干扰等引起的不确定性是不可避免的，预测控制采用这种有限时段优化具有一定的局限性，滚动优化可能无法得到全局的最优解，但优化的滚动实施却能顾及由于模型失配、时变、干扰等引起的不确定性，及时弥补这些因素造成的影响，并始终把新的优化建立在实际过程的基础上，因此，建立在有限时段上的滚动优化策略更加符合过程控制的特点。预测模型：模型预测控制是一种基于模型的控制算法，这一模型称为预测模型。预测模型只注重模型的功能，而不注重模型的形式，预测模型的功能就是根据对象的历史信息和未来输入预测系统的未来输出，只要具有预测功能的模型，无论其有什么样的表现形式，均可作为预测模型。预测模型具有展示系统未来动态行为的功能。预测模型的功能是根据被控对象的历史信息和未来输入，预测系统未来响应。图5.4模型预测控制原理图

实现反应釜是否允许进入一键控制的判断；实现反应釜生产/做备/故障状态的判断；硝化反应釜单釜为间歇操作，通过10台共用的方式实现生产过程的连续，由于10台反应釜并非顺序运行，同时需要考虑设备故障无法运行的情况，因而需要建立专家排产模块，判断反应釜的状态并实现人工生产切换，专家排产模块的功能主要功能如下：专家排产模块根据硝化反应釜的特点及设定的技术路线，硝化反应釜APC系统的实施主要从多变量模型预测控制、专家控制以及软测量方面入手，通过三者结合的控制策略，实现装置自动化，降低操作劳动强度，提高生产过程安全性的目标。具体功能如下：技术方案

生产、工艺专家经验工艺过程参数要求专家系统处理：提取分析总结专家排产控制经验装置生产过程实时数据1.反应釜状态判断2.反应釜进入一键控制判断3.反应釜专家排产扩展功能实现专家排产模块生产、工艺专家经验工艺过程参数要求专家系统处理：提取分析总结专家排产控制经验装置生产过程实时数据1.反应釜状态判断2.反应釜进入一键控制判断3.反应釜专家排产扩展功能实现专家排产模块专家排产模块示意图如下所示：智能专家知识库：对智能专家系统处理的信息进行集成，利用逻辑程序的方式形成知识库，同时实时的采集装置生产过程中的运行数据，将数据进行必要的处理后，不断的与逻辑程序知识库进行对应，当触发知识库中的处理操作时，进行操作命令输出，如输出各反应釜状态、执行反应釜一键控制程序等。智能专家系统处理：通过收集生产管理人员的管理经验、操作人员的日常操作经验，结合工艺管理的指标要求，对硝化釜的运行过程进行逻辑处理，总结硝化釜运行过程中的状态识别方法、各类操作事件、故障类型及表现形式等；专家排产模块的实现主要通过智能专家控制技术，总结操作经验及生产管理经验而成，主要包含如下功能块：实现反应釜专家排产模块的扩展功能，方便专家排产模块中增加/减少反应釜。