-
基于实时数据驱动的工业控制自主决策系统：动态优先级调度与多任务资源分配策略
工业控制系统正经历从“人工干预”向“自主决策”的范式转变。传统工业控制依赖预设规则与静态调度，难以应对动态环境中的突发任务(如设备故障、订单变更)与资源竞争(如计算单元、能源分配)。实时数据驱动的自主决策系统通过动态感知环境变化、实时调整任务优先级与资源分配，成为提升工业系统柔性与效率的关键技术。本文提出一种融合动态优先级调度与多任务资源分配的工业控制自主决策框架，通过实时数据融合、优先级动态调整与资源弹性分配，实现工业场景下的高效自主控制。
-
动态环境下的工业控制自主决策鲁棒性增强，滑动窗口预测与滚动优化（MPC）的轨迹修正方法
工业控制系统(ICS)的自主决策能力已成为提升生产效率与适应性的核心，动态环境(如设备故障、原料波动、外部干扰)的不可预测性，导致传统基于固定模型的决策方法难以满足实时性与鲁棒性要求。本文提出一种融合滑动窗口预测与滚动优化(Model Predictive Control, MPC)的轨迹修正方法，通过动态调整控制策略，实现工业控制自主决策在复杂环境下的鲁棒性增强。
