大型工业系统的全局优化控制通常通过分层递阶的结构将生产中的多目标逐级分解,针对不同时间尺度的优化目标,在各层分别进行研究。实时优化(Real Time Optimization,RTO)层根据计划调度层的排产信息等经济指标,面向全局系统的经济性能,给出满足运行约束的稳态最优点。先进控制(Advanced Process Control,APC)层常采用模型预测控制(Model Predictive Control,MPC)跟踪上层给出的稳态设定点,同时综合处理动态系统运行过程中的扰动与约束。然而实际过程运行中的不同排产计划、原材料价格变化、市场需求波动、对象模型变化等情况,会导致系统工作点频繁变化,使得对象运行过程中的动态经济性能变得不可忽略。传统的稳态优化控制策略缺乏对系统动态过程经济性能的关注,为了提升系统整个运行过程的经济性能,本文设计了动态优化控制策略。上层采用动态实时优化(Dynamic RTO,D-RTO),下层采用模型预测控制,在此基础上提出基于系统经济性能的事件触发动态实时优化算法,并在一种典型大型流程工业系统中进行了实验。首先,本文在分层递阶控制结构下设计了动态实时优化算法。上层采用经济模型预测控制器,优化出包含一系列可行稳态操作点的动态轨迹,操作点是下层可达的。针对可行稳态点,下层采用带有终端约束的局部模型预测控制器进行跟踪。同时分析了该方法的可行性与稳定性,并通过对连续搅拌釜反应器的仿真实验验证了方法的有效性。其次,针对实际系统中不确定性导致的性能下降和控制不可行的问题,本文提出一种面向双层结构经济运行的事件触发动态实时优化与模型预测控制算法。在上层采用经济模型预测控制对目标函数进行优化,计算出最优参考轨迹并传给下层;下层采用李雅普诺夫模型预测控制器跟踪上层轨迹;通过构建基于经济性能指标的事件触发条件来补偿不确定性造成的系统性能损失。当系统实际性能指标与上层优化的性能指标之差超出阈值时,需要重新求解经济模型预测控制问题,并基于当前状态更新参考轨迹。在此基础上,进一步分析了基于经济性能触发的动态实时优化与模型预测控制结构的可行性和闭环稳定性。对连续搅拌釜反应器的仿真实验验证了方法的有效性。最后,将基于经济性能的事件触发动态实时优化与模型预测控制结构用于工业炼油催化裂化反应再生系统的优化控制,针对模型不确定性参数的变化,在满足系统动态运行过程约束的前提下,提升了经济性能。通过在触发条件中对性能指标设置不同权重,实现了各种性能之间的综合优化。实验表明该算法既能提升系统经济性能,也能根据不同的控制要求权衡各方面性能,最终达到满意的控制效果。