迄今為止，多變量過程辨識是先進控制技術在實際工程中推廣應用的一個公認難題。大量實踐研究證明，用現(xiàn)有的多變量過程辨識技術很難辨識出準確的多變量過程模型，究其原因是現(xiàn)有的多變量過程辨識理論存在固有缺陷，沒有確切的理論證明多變量過程模型的準確辨識可以實現(xiàn)，并且至今還沒有取得關鍵性的突破。按照現(xiàn)有的多變量過程辨識理論，人們的認識還停留在多變量系統(tǒng)辨識可以看作單變量系統(tǒng)的擴展。因此，大多數(shù)人以為用單變量系統(tǒng)辨識可以解決多變量系統(tǒng)辨識的問題，于是長期以來多變量過程辨識的理論研究聚焦在如何把多變量過程模型用單變量模型來表述的模型轉換上。一旦實現(xiàn)了用若干個單變量的子系統(tǒng)表征一個多變量系統(tǒng)，就可以套用單變量的系統(tǒng)辨識算法去計算多變量過程模型參數(shù)。但現(xiàn)在看來這種研究思路是有問題的，因為多變量過程和單變量過程的區(qū)別在于多輸入變量有可能同時對任一輸出變量產(chǎn)生作用，若是能用解耦器解除這種耦合作用，那么單變量過程辨識理論就可以用了。但是解耦器可用的前提是已知過程模型，這等于說解耦之路走不通。總之，多變量過程辨識理論的研究是繞不開多變量耦合作用這個本質問題的。既然如此，多變量過程辨識理論的研究就應該圍繞多變量耦合作用這個關鍵問題來研究解決之道，但是目前為止還沒有看到突破和進展。
在《閉環(huán)過程辨識理論研究及應用》一書中，我們提出了過程辨識的六要素，除了傳統(tǒng)的三要素（數(shù)據(jù)、模型類和準則）外，新加的要素是過程激勵優(yōu)化。之所以添加這三個要素，是源于對過程辨識更深入的認知。因此，多變量過程辨識依然像單變量過程辨識一樣，需要考慮 過程激勵優(yōu)化這三種新要素。首先，針對實際過程所辨識出的模型究竟準不準，應該考核的是實際過程和所辨識出模型之間的吻合度，而不僅僅是模型響應數(shù)據(jù)和實際過程響應數(shù)據(jù)之間的吻合度。事實上，人們早已發(fā)現(xiàn)那些數(shù)據(jù)擬合很好的模型并不一定能真正代表實際過程，這兩者之間的動態(tài)特性可能相差十萬八千里，所以過程要素不可不加。其次，人們早已發(fā)現(xiàn)所采集到的實際過程響應數(shù)據(jù)能否體現(xiàn)實際過程特性與辨識時輸入激勵信號的關系很大。顯然，強激勵帶來強響應數(shù)據(jù)，弱激勵帶來弱響應數(shù)據(jù)，零激勵只能帶來零響應數(shù)據(jù)，噪聲激勵只能帶來噪聲響應數(shù)據(jù)。強響應數(shù)據(jù)意味著某些過程變量超限，屬于事故狀態(tài)特性，可能危及生產(chǎn)安全，所以是不被期待的；弱響應數(shù)據(jù)也不好，因為過程所具有的動態(tài)特性激發(fā)不足，辨識出的過程模型將有所缺失；零響應數(shù)據(jù)就更不能用了，因為只能辨識出虛假模型，所以所期待的是不強也不弱的激勵得來的恰到好處的響應數(shù)據(jù)，因此激勵要素不能不專門考慮。再者，傳統(tǒng)辨識的優(yōu)化計算只是小二乘算法一家獨大，那時優(yōu)化要素和準則要素合并在一起考慮是可以被接受的。但是，進入到智能時代以后，有了更優(yōu)越的智能優(yōu)化算法，有了更強大的計算機技術，幾萬次迭代優(yōu)化計算可以瞬間完成， 優(yōu)化要素就不得不單獨列出了。大量的研究文獻已經(jīng)表明，用智能優(yōu)化技術可突破用小二乘優(yōu)化技術的局限性，解決了許多原先用小二乘優(yōu)化技術不能解決的過程辨識問題，顯著提高了過程辨識的精度。如果不重視優(yōu)化要素的存在，則很有可能得到誤差很大的辨識模型。
在以下展開的多變量過程辨識理論研究中，新加的要素過程和激勵啟發(fā)了我們新的研究思路。受過程要
素啟發(fā)的一條思路就是通過機理分析建模技術確定被辨識過程的模型結構和參數(shù)域。研究表明，要想讓所辨識出的模型吻合實際過程特性，首先要讓所確定的模型結構吻合實際過程特性。這對于單變量過程辨識是需要的，對于多變量過程辨識是更加需要的，因為所辨識出的模型與實際過程特性之間的誤差莫過于模型結構不吻合。例如，實際過程特性是慣性特性，所確定的辨識模型結構也應該是慣性特性結構；若是選用振蕩特性結構模型，則辨識模型特性將永遠無法與實際過程特性吻合。必須指出，已經(jīng)有過不少關于模型結構辨識的研究報道，但是，已提出的模型結構辨識僅僅局限于對模型階數(shù)的辨識。即便能準確辨識出模型階數(shù)，也解決不了以上所提出的確定模型結構的問題，因為我們所需要的是更深層次模型結構的確定。對線性模型而言，就是零點和極點的確定。例如，確定模型有左實極點，就可以確認被辨識過程含有慣性特性；確定有左復極點，就可知被辨識過程含有振蕩特性。確定被辨識過程模型結構的問題，目前有三種方法：一是由人任憑經(jīng)驗確定；二是用機理分析建模技術來確定；三是用類似數(shù)據(jù)挖掘的技術來確定。綜合考慮，由人憑經(jīng)驗確定和用類似數(shù)據(jù)挖掘的技術來確定的方法具有較大的盲目性，而采用機理分析建模技術來確定被辨識過程的模型結構更有科學依據(jù)。而且，只要被辨識過程裝置的設計制造資料齊全，采用機理分析建模技術不但能確定被辨識過程的模型結構，還可以估算出模型參數(shù)的合理參數(shù)域。受激勵要素啟發(fā)的一條思路就是優(yōu)選自然激勵的生產(chǎn)運行大數(shù)據(jù)來保證被辨識過程的數(shù)據(jù)富含過程特性信息。
這本專著還可以看成是作者《多容慣性標準傳遞函數(shù)控制器設計理論及應用技術》《PID控制器參數(shù)整定方法及應用》《閉環(huán)過程辨識理論及應用技術》三本專著的后續(xù)。因為《多容慣性標準傳遞函數(shù)控制器設計理論及應用技術》提出了一種依賴于過程模型的先進控制技術，《PID控制器參數(shù)整定方法及應用》提出了依賴于過程模型的PID控制器參數(shù)整定技術，《閉環(huán)過程辨識理論及應用技術》提供了一套在閉環(huán)控制條件下進行單變量過程模型辨識的實用理論和技術，而眼下這本專著重在解決多變量過程模型的準確辨識問題。這四本專著將構成一套行之有效的先進過程辨識和控制理論及應用技術。

作者
2021年5月1日