【优博风采】北京工业大学优秀博士学位论文获得者:丁海旭
【编者按】
为进一步培养我校研究生创新能力,提高研究生综合素质,促进学校研究生教育内涵发展,特推出“优博风采”专栏,邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等,旨在激励我校研究生秉持“不息为体,日新为道”校训精神,潜心研究、锐意创新。

本期专访人物:控制科学与工程学科博士研究生 丁海旭
所获奖励名称:2024年北京工业大学优秀博士学位论文
【书中易水寒,纸上满峰峦。极目山河远,此心天地宽】
博士阶段的科研生活是挑战与成长并存的时期。以下是我的主要心得体会:(1)锤炼科研能力:博士期间需要掌握前沿动态,培养快速获取和整合信息的能力,提升写作、逻辑思维和学术表达能力,并通过与不同领域的研究者交流,开拓新的研究视角,提升创新能力;(2)课题规划与执行:从选题、实验设计到结果分析和论文撰写,整个过程需要精细的计划和管理,学会合理安排时间和精力是完成博士课题的关键;(3)科研心态与心理调整:科研是一项长期投入的工作,充满了不确定性和挑战,学会调整心态,积极面对挫折,需要持续的努力和自律,同时要平衡科研与生活中的责任与兴趣爱好,劳逸结合以保持最佳状态。
【博士论文介绍】
论文中文题目:城市固废焚烧过程建模与多变量自主优化控制
论文英文题目:MODELING AND MULTI-VARIABLE AUTONOMOUS OPTIMIZATION CONTROL OF MUNICIPAL SOLID WASTE INCINERATION PROCESS
作 者:丁海旭
指导教师:乔俊飞 教授
培养单位:信息科学技术学院
学 科:控制科学与工程

学位论文答辩现场
论文主要贡献及创新点
城市固废具有组分复杂多变、热值不稳定等诸多不确定性特征,其焚烧过程涉及复杂的物化反应,这导致城市固废焚烧运行过程严重依赖于人工干预,自动化水平较低且伴随有污染物排放超标、焚烧效率低下、设备损耗大和安全可靠性较差等问题。针对城市固废焚烧此类具有强非线性、强耦合、大时变性的复杂工业过程,其特征建模与优化控制面临着巨大挑战,主要体现在:(1)工艺机理复杂,难以挖掘变量关系并建立过程模型;(2)工况杂糅多变,难以提炼合理有效的控制规则;(3)多个运行指标相互耦合且具有动态时变等非平稳特性,难以实现多目标协同优化。
针对以上问题,论文主要工作如下:(1)城市固废焚烧被控对象建模方法:提出了多相分区机理分析方法,构建了质能平衡方程,挖掘了机理知识;提出了数据驱动被控对象智能表征方法,构建了多后件子网络模型,通过实际过程数据验证了模型的有效性;(2)城市固废焚烧自主控制方法:根据不同实际需求,构建了具有在线学习能力的鲁棒控制器,实现了在外部扰动下对炉膛温度的稳定控制;构建了多任务学习的多变量协同控制器,实现了对炉膛温度与烟气含氧量的同步控制;(3)城市固废焚烧智能优化方法:提出了集成随机配置网络的多运行指标建模方法,为其协同优化奠定了基础;提出了网格划分与自主进化的多目标粒子群优化方法,实现了对氮氧化物与余热发电功率的协同优化。

图1 城市固废焚烧过程特征建模与优化控制架构
【博士期间代表性科研成果】
作者攻 博期间取得与博士学位论文密切相关的代表性成果(不超过5项) |
序号 |
成果名称 |
成果来源 |
获得时间 |
1 |
Cooperative event-triggered fuzzy-neural multivariable control with multitask learning for municipal solid waste incineration process |
IEEE Transactions on Industrial Informatics, IF=12.3 |
2024.01 |
2 |
Dynamic modeling of multi-input and multi-output controlled object for municipal solid waste incineration process |
Applied Energy, IF=11.2 |
2023.06 |
3 |
Event-triggered online learning fuzzy-neural robust control for furnace temperature in municipal solid waste incineration process |
IEEE Transactions on Automation Science and Engineering, IF=5.6 |
2023.08 |
4 |
MIMO modeling and multi-loop control based on neural network for municipal solid waste incineration |
Control Engineering Practice, IF=4.9 |
2022.10 |
5 |
A self-organizing recurrent fuzzy neural network based on multivariate time series analysis |
Neural Computing and Applications, IF=6.0 |
2021.05 |
【与导师合影】

图文:丁海旭
编辑:胡春瀛
审核:高春娣、杨震