文献综述（或调研报告）：
火电厂脱硫按照位置可分为燃烧前脱硫、燃烧中脱硫和燃烧后脱硫。燃烧后脱硫即是目前火电厂控制排放的最有效且应用最广的技术。燃烧后脱硫即烟气脱硫可以分为干法、半干法和湿法三种。其中，湿法脱硫效率高，技术成熟，应用广泛，更符合当前社会对生态环境保护的要求。石灰石脱硫和氨法脱硫是湿法脱硫常用的方法，需要操作和控制的变量较多，主要是脱硫后浓度和pH值两个参数。脱硫系统是一个典型的大延迟多变量对象，传统PID控制等算法难以实现满意的控制效果。
预测控制于20世纪70年代后期在工业过程领域逐步发展起来，旨在解决PID控制不易解决的多变量约束优化控制问题。预测控制以模型算法控制、动态矩阵控制和广义预测控制为主模型预测控制凭借其模型要求低、控制综合 质量好、在线计算方便等特点，成为当前控制理论界和工业控制界都十分关注的一类新型计算机优化控制算法。预测控制算法主要包括预测模型、滚动优化及反馈校正三部分，算法基于预测模型利用对象的历史信息和未来输入预测其未来输出。
基于状态空间模型的预测控制是预测控制的一种，按照“预测系统未来动态，求解优化问题，解的第一个元素作用于系统”的步骤循环进行预测。它一般采用Kalman滤波器进行状态估计。Kalman滤波于1960年卡尔曼提出，它是一种时域滤波方法。吉林大学的赵海艳在其论文中提到Kalman滤波具有以下优点：1)滤波解是一个适合于在计算机上计算的递推方程；2)数据可以逐一实时处理，不必储存大量观测数据或测量信号数据；3)动态系统可以是时变的，信号可以是非平稳的。Kalman滤波基于状态空间模型仅需要迭代求解一个差分方程或微分方程的积分问题，非常适于在线实施。但是，在生产实际过程中，约束是大量存在的，Kalman滤波无法处理时域硬约束，可能忽略了提高状态估计性能的现实存在的非常有用的信息，而且当模型不精确或噪声特性不够精确时，Kalman滤波会出现精度较差甚至发散的现象。黄源烽在其论文中采用基于自适应鲁棒Kalman滤波的系统状态估计算法，很好地应对了模型失配的情况，进一步有效地抑制了被控量与控制量在调节过程中出现的振荡现象，对氨法脱硫系统的稳定运行提供了保障。
滚动时域估计（MHE）基于模型预测控制滚动优化原理，在线求解带约束的优化估计问题。它的基本策略就是通过一个滚动的、固定大小的估计窗口将估计问题转化为一个在线解决的带约束二次型优化问题。系统的时域约束和非线性特性可以直接表述在优化问题中，从而MHE能充分利用那些以时域约束形式出现的关于系统干扰和状态的已知信息，相比于Kalman滤波器，提高了估计的合理性和准确性。陈虹讨论了无约束线性系统滚动时域估计问题，在窗口长度为1和将上一个时刻的状态优化估计值作为当前时刻起始状态的先验估计的情况下，滚动时域估计等价于Kalman滤波算法。
MHE一般分成两种，考虑当前时刻之前全部的测量信息，优化问题随采样时刻增大而增大，此策略称为全信息滚动时域估计；只考虑固定数量的测量值时，通过引入到达代价函数将无限维优化问题转化为有限维优化问题，使得估计近似全信息滚动时域估计，此策略称为近似滚动时域估计。刘志远等人在2003年通过一种前向动态规划原理和 Kalman估计理论获得了初始估计状态和初始惩罚阵，避免了全信息滚动时域估计的计算量不断增加的问题；周猛飞等人提出采用无迹卡尔曼滤波算法（UKF）来近似估算目标函数中的抵达成本，证明了基于UFK的滚动时域估计方法有较好的估计效果；Christopher V.Rao等人研究了约束线性系统的到达代价，以动力系统的经典Lyapunov稳定性理论为前提，说明了滚动时域估计的稳定性。
除此之外，Bruno Morabito等人提出了一种基于Nesterov快速梯度法的滚动时域估计，它只让状态参数保持为优化变量即从优化问题中消除过程噪声和测量噪声，借助停止标准使快速梯度法能够应用于MHE的优化问题。Haverbeke等人利用系统结构为线性系统开发了一种原始障碍内点法算法，利用KKT系统的结构，使用平方根因子的Riccati递归有效解决内点法的关键部分，从而非常快速解决优化问题。
总之，这些论文提供了不同思路和方法，同时也有注重提高估计效果和合理性的研究，为本毕业设计提供了思路。
[1]武春锦,吕武华,等.湿法烟气脱硫技术及运行经济性分析[J].化工进展,2015, 34(12):4368-4374.
[2]席裕庚.预测控制.第2版[M].国防工业出版社, 2013.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
