1.基于粒子群算法优化的间歇过程2D输出反馈预测控制方法，其特征在于包括以下步骤：步骤1：建立具有范数有界的不确定性二维间歇过程状态空间模型；

所述的二维间歇过程状态空间模型为：

n l m

其中t为时刻，k为批次，Tp为终止时刻，x(t，k)∈R ，y(t，k)∈R，u(t，k)∈R ，w(t，k)∈nR，分别表示第t批次k时刻的状态、输出、输入和扰动信号，{A，B，C}分别是n×n，n×m，l×n维矩阵，ΔA(t，k)，ΔB(t，k)代表系统参数的不确定性；

步骤2：设计二维迭代学习输出反馈预测控制器，巨头包括以下步骤：步骤2.1：设计二维迭代学习预测控制器：t＝0，1，2，...，Tp；l，m＝0，1，2，...，m

其中u(t+1|t，k+m|k)表示输入变量在k批次t时刻的预测值，r(t+1|t，k+m|k)∈R表示k批次t时刻待设计的迭代更新律，且有r(t|t，k|k)＝r(t，k)，u(t，0)表示迭代的初始值；

步骤2.2：引入拓展信息，得到一个拓展的二维闭环状态空间模型；

其中：

步骤2.3：设计输出反馈预测控制器：n+21

其中xc(t+l|t，k+m|k)∈R 是控制器内部状态，{Aci，Bci，Cci，Dci}i＝1，2分别是(n+2l)×(n+2l)，(n+2l)×3l，m×(n+2l)，m×3l维的控制器参数步骤3：设计基于粒子群算法优化的2D输出反馈鲁棒预测跟踪控制器；包括以下步骤：步骤3.1：选取性能指标函数：

步骤3.1所述性能指标函数为：

其中，Vm(z(t+N|t，k+N|k))称为终端约束；

当干扰是非重复性干扰时，在无穷时域[t，∞)和[k，∞)下，一个“最坏”情况的性能指标在不确定系统的第t时刻第k批次被定义为：所述性能指标函数的约束条件为：

其中Y1＝[Dc1G Cc1]，Y2＝[Dc2G Cc2]，Q1，Q2，R为相应的权重矩阵，γ＞0，rm，ym分别为变量r(t+l|t，k+m|k)和ye(t+l|t，k+m|k)的上界值，[A B C]∈Ω，Ω是不确定集；

步骤3.2：求解控制器；

求解控制器的输出反馈预测控制器参数按如下设计：其中满秩矩阵M，N满足条件XY+MN T＝I，可按矩阵I‑XY的奇异值分解获得；

步骤3.3：基于粒子群算法对上述求取的控制器参数进行优化。

2.根据权利要求1所述的基于粒子群算法优化的间歇过程2D输出反馈预测控制方法，其特征在于所述步骤3.3基于粒子群算法对上述求取的控制器参数进行优化的速度更新公式和位置更新公式分别为：i，k+1 i，k i，k i，k g，k i，kv ＝wv +c1ξ(p ‑x )+c2η(p ‑x )i，k+1 i，k i，k+1

x ＝x +v     (18)

i，k i，0

其中，v 为第i个粒子在第k次迭代的速度向量，v 为第i个粒子的给定的初始迭代速i，k度，x 为第i个粒子在第k次迭代的位置，w为惯性权重，c1和c2为学习因子或者加速系数，ξi，k g，k和η是两个[0，1]上均匀分布的随机数，p 为第i个粒子在第k次迭代时的最优位置，p 为第k次迭代时的全局最优位置。

3.根据权利要求1所述的基于粒子群算法优化的间歇过程2D输出反馈预测控制方法，其特征在于所述步骤3.3基于粒子群算法对上述求取的控制器参数进行优化包括以下步骤：

3.31：设x是由控制器Ac1,Bc1,Cc1,Dc1,Ac2,Bc2,Cc2,Dc2中所有元素构成的向量；

3.32：确定待优化的目标函数J(x)；

3.33：初始化粒子群；

3.34：求取x的局部最优解。

4.根据权利要求1所述的基于粒子群算法优化的间歇过程2D输出反馈预测控制方法，i其特征在于所述步骤3.33初始化粒子群，包括：初始化群体规模N，每个粒子的位置x和速i度v ，且对于每个粒子位置有约束 是第i个粒子在第k次迭代的位置的第j个分量，同时迭代次数k＝300。