烟气含氧量是影响城市固废焚烧过程燃烧效率和烟气污染物排放的重要工艺参数。针对烟气含氧量难以精准高效控制的难题，研究团队提出了数据驱动的自适应预测控制方法。提出了长短期记忆网络结构自组织机制，建立了结构精简且泛化性能良好的预测模型，并设计基于累积误差的在线更新机制，解决因不确定干扰、设备老化等引起的模型失配问题。同时，提出了综合预测精度和控制精度的事件触发机制，减轻在线优化求解的计算负担，提高控制律优化求解效率。此外，采用梯度下降方法高效求解多步控制律，实现对烟气含氧量的稳定高效控制，解决了城市固废焚烧过程烟气含氧量的精确控制难题。

实验结果表明，相较于其他方法，基于数据驱动的自适应模型预测控制方法控制精度提升了54.7%，能在提高燃烧效率(7.4%)的同时降低氮氧化物的排放(1.8%)，可以为实现城市固废焚烧厂的高效化和绿色化运行提供技术支撑。

代表性成果：

[1] Qiao Junfei, Sun Jian, Meng Xi*. Event-triggered adaptive model predictive control of oxygen content for municipal solid waste incineration process. IEEE Transactions on Automation Science and Engineering, 2022.

[2] Sun Jian, Meng Xi, Qiao Junfei*. Prediction of oxygen content using weighted PCA and improved LSTM network in MSWI process. IEEE Transactions on Instrumentation and Measurement, 2021, 70: 2507512.

[3] 孙剑, 蒙西, 乔俊飞*. 城市固废焚烧过程烟气含氧量自适应预测控制. 自动化学报, 2022.