（控制理论与控制工程专业论文）复杂工业过程模型预测控制的研究.pdf

l i t l1 1 1l l lli l li il liu i y 1717 2 8 1 ad i s s e r t a t i o nf o rt h ed e g r e eo fd o c t o ri nc o n t r o lt h e o r ya n dc o n t r o l e n g i n e e r i n g s t u d y o nm o d e lp r e d i c t i v ec o n t r o lo f c o m p l e x i n d u s t r i a lp r o c e s s b ys h iy u j i n g s u p e r v i s o r ：p r o f e s s o r c h a it i a n y o u 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中 取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表 或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确 的说明并表示谢意。 _ f 7 万幺 学位论文作者签名：屉寸错 日 期：2 口d 7 、j 东北大学博士学位论文 摘要 复杂工业过程模型预测控制的研究 摘要 本文在国家重点基础研究发展计划( 9 7 3 ) 课题“复杂工业生产过程实时智能控 制理论与算法研究( 2 0 0 2 c b 3 1 2 2 0 1 ) ”的支持下，分别针对控制输入受约束的不确 定时滞系统、参数未知的非线性系统、以及参数未知的多变量非线性系统这三类 复杂被控对象，进行了模型预测控制方法的研究。给出了所提预测控制方法的稳 定性分析，并通过仿真实验验证了所提控制方法的有效性。选取一类具有多变量、 强耦合、强非线性特性的复杂工业过程的典型实例强制循环蒸发系统，将多 模型自适应解耦预测控制方法应用于强制循环蒸发系统，并且进行了仿真实验研 究。本文的主要工作可归纳如下： ( 1 ) 针对一类控制输入受约束的多面体不确定时滞系统，通过选择适当的二 次函数，将难以求解的m i n m a x 最优化问题转化为基于线性矩阵不等式( 1 i n e a r m a t r i xi n e q u a l i t i e s l m i ) 的凸优化问题，提出了时滞相关鲁棒模型预测控制方法。 针对上述被控对象，将优化性能指标选取为包含多个终端加权项的有限时域目标 函数，提出了单步鲁棒模型预测控伟j j j ( r o b u s to n e s t e pm o d e lp r e d i c t i v ec o n t r 0 1 ) 方法。 该方法允许将未来控制序列中的第一个控制量u ( k i k ) 作为自由决策变量，而其它 控制量仍然采用状态反馈控制律。以线性矩阵不等式的形式给出了时滞无关和时 滞相关两种单步鲁棒模型预测控制器综合方法。并且，证明了上述鲁棒模型预测 控制算法的可行性和闭环系统的鲁棒稳定性。通过仿真验证了控制方法的有效性。 ( 2 ) 针对一类参数未知的非线性系统，将自适应预测控制器与多模型方法相 结合提出了多模型自适应预测控制方法。该方法由线性鲁棒广义预测自适应控制 器、神经网络非线性广义预测自适应控制器和切换机制三部分构成。线性鲁棒广 义预测自适应控制器用来保证闭环系统的输入输出信号有界，神经网络非线性广 义预测自适应控制器用来提高系统的性能。设计适当的切换策略通过对上述两种 控制器的切换，保证闭环切换系统稳定的同时，改善系统性能。给出了上述控制 方法的闭坏稳定性和收敛性分析。通过仿真验证了所提出控制方法的有效性。 ( 3 ) 针对一类参数未知的多变量非线性系统，设计了由反馈控制器、解耦补 偿器和神经网络非线性项补偿器组成的非线性解耦控制器。在此基础上，提出了 由线性鲁棒自适应解耦预测控制器、神经网络非线性自适应解耦预测控制器和切 换机构组成的多模型自适应解耦预测控制方法。给出了闭坏切换系统的稳定性和 i i 东北大学博士学位论文摘要 收敛性分析。仿真结果也表明了利用所提的控制方法得到的解耦效果是令人满意 的。 ( 4 ) 建立了强制循环蒸发系统的动态模型，并分析了强制循环蒸发系统具有 不确定、多变量、强耦合、强非线性等综合复杂特性。将多模型自适应解耦预测 控制方法应用于强制循环蒸发系统，并以强制循环蒸发系统的动态模型作为被控 对象进行了仿真实验。仿真结果表明上述控制策略的有效性和实用性。 关键词：模型预测控制；解耦控制；非线性系统；时滞系统；强制循环蒸发系统； 线性矩阵不等式；神经网络 东北大学博士学位论文 a b s t m c t s t u d y o nm o d e lp r e d i c t i v ec o n t r o lo f c o m p l e xi n d u s t r i a lp r o c e s s a bs t r a c t s u p p o r t e db yt h en a t i o n a lf u n d a m e n t a lr e s e a r c hp r o g r a mo fc h i n a ( 9 7 3 ) ， “r e a l - t i m ei n t e l l i g e n tc o n t r o lt h e o r ya n da l g o r i t h mr e s e a r c hf o r c o m p l e xi n d u s t r i a l p r o c e s s e s ”( n o 2 0 0 2 c b 312 2 01 ) ，m o d e lp r e d i c t i v ec o n t r o lm e t h o d sf o rt h r e ec l a s s e so f c o m p l e xs y s t e m s ，n a m e l y , u n c e r t a i nt i m e - d e l a y s y s t e m s w i t h i n p u tc o n s t r a i n t s ， p a r a m e t e r - u n k n o w nn o n l i n e a rs y s t e m sa n d p a r a m e t e r - u n k n o n w nm u l t i v a r i a b l e n o n l i n e a rs y s t e m sa r es t u d i e di n t h i sd i s s e r t a t i o n s t a b i l i t y a n a l y s i so ft h ep r o p o s e d p r e d i c t i v ec o n t r o lm e t h o d si sg i v e n ，w h i l et h ev a l i d i t yo ft h ep r o p o s e dc o n t r o lm e t h o d s i sv e r i f i e dv i as i m u l a t i o ne x p e r i m e n t s a n da l s o ，t a k e nf o r c e d c i r c u l a t i o ne v a p o r a t i o n s y s t e ma sat y p i c a le x a m p l eo fac l a s so fc o m p l e xi n d u s t r i a lp r o c e s s e sw h i c hh a s m u l t i v a r i a b l e ，s t r o n gc o u p l i n g sb e t w e e nl o o p s ，n o n l i n e a r i t i e s ，m u l t i p l em o d e l sa d a p t i v e d e c o u p l i n gp r e d i c t i v ec o n t r o la p p r o a c hi sa p p l i e dt of o r c e d c i r c u l a t i o ne v a p o r a t i o n s y s t e m ，w h i l et h es i m u l a t i o ne x p e r i m e n t sa r ed e v e l o p e d t h em a i nc o n t e n t sa r eo u t l i n e d a sf o l l o w s ： ( 1 ) ad e l a y 。d e p e n d e n tr o b u s tm o d e lp r e d i c t i v ec o n t r o ls t r a t e g yi sd e s i g n e df o r t i m e - d e l a ys y s t e m sw i t hp o l y t o p i c t y p eu n c e r t a i n t i e sa n di n p u t c o n s t r a i n t s b y a p p r o p r i a t e l yc h o o s i n gaq u a d r a t i cf u n c t i o n ，t h eo r i g i n a lm i n m a xo p t i m i z a t i o np r o b l e m t h a ti sd i f f i c u l tt os o l v e ，i st r a n s f o r m e di n t oa na p p r o a c h a b l ec o n v e xo p t i m i z a t i o n p r o b l e mb a s e do nl i n e a rm a t r i xi n e q u a l i t i e s f o rt h o s es y s t e m sm e n t i o n e da b o v e ，a r o b u s to n e - s t e pm o d e lp r e d i c t i v ec o n t r o ls c h e m ei s d e v e l o p e d t h es t r a t e g yi st o i n t r o d u c eaf i n i t eh o r i z o nc o s tf u n c t i o nt h a ti n c l u d e sm u l t i t e r m i n a lw e i g h t i n gt e r m s t h ep r o p o s e dr o b u s to n e s t e pm o d e lp r e d i c t i v ec o n t r o ls c h e m ea l l o w st h ef i r s tm o v e u ( ki 七) t ob es e p a r a t e df r o mt h er e s to ft h ec o n t r o lm o v e sw h i c ha r eg o v e r n e db ya s t a t ef e e d b a c kl a w al i n e a rm a t r i x i n e q u a l i t ya p p r o a c hi sa p p l i e dt ob o t h d e l a y i n d e p e n d e n ta n dd e l a y - d e p e n d e n tr o b u s to n e s t e pm p cc o n t r o l l e rs y n t h e s i s t h e f e a s i b i l i t yo ft h ep r o p o s e dr o b u s tm p ca l g o r i t h m sa n dt h er o b u s ts t a b i l i t yo ft h e c l o s e d _ l o o ps y s t e ma r ea l s op r o v e d t h ee f f e c t i v e n e s so ft h ep r o p o s e dm e t h o d si s d e m o n s t r a t e db yt h es i m u l a t i o n sr e s u l t s ( 2 ) c o m b i n i n ga d a p t i v ep r e d i c t i v e c o n t r o la l g o r i t h mw i t h m u l t i p l em o d e l s i v 东北大学博士学位论文 a b s t r a c t m e t h o d ，am u l t i p l em o d e l sb a s e da d a p t i v ep r e d i c t i v ec o n t r o lt e c h n i q u ei sp r e s e n t e df o ra c l a s so fp a r a m e t e r - u n k n o w nn o n l i n e a rs y s t e m s t h ec o n t r o la p p r o a c hi sc o m p o s e do fa l i n e a rr o b u s t a d a p t i v eg e n e r a l i z e dp r e d i c t i v ec o n t r o l l e r , an e u r a l - n e t w o r k b a s e d n o n l i n e a ra d a p t i v eg e n e r a l i z e dp r e d i c t i v ec o n t r o l l e ra n das w i t c h i n gm e c h a n i s m t h e l i n e a rr o b u s ta d a p t i v eg e n e r a l i z e dp r e d i c t i v ec o n t r o l l e re n s u r e st h eb o u n d e d n e s so ft h e i n p u ta n do u t p u ts i g n a li nt h ec l o s e d - l o o ps y s t e ma n dt h en e u r a ln e t w o r kb a s e d n o n l i n e a ra d a p t i v eg e n e r a l i z e dp r e d i c t i v ec o n t r o l l e ri m p r o v e st h ep e r f o r m a n c eo ft h e s y s t e m d e s i g n i n ga d v i s a b l es w i t c h i n gs c h e m eb e t w e e nt h et w oc o n t r o l l e r s ，i ti s d e m o n s t r a t e dt h a tt h es t a b i l i t ya n dt h ei m p r o v e ds y s t e mp e r f o r m a n c ec a nb ea c h i e v e d s i m u l t a n e o u s l y s t a b i l i t ya n dc o n v e r g e n c ea n a l y s i sa r ea l s og i v e n t h es i m u l a t i o ni s g i v e nt oi l l u s t r a t et h ee f f e c t i v e n e s so f t h ep r o p o s e da l g o r i t h m ( 3 ) an o n l i n e a rd e c o u p l i n gc o n t r o l l e rt h a ti sc o m p o s e do ff e e d b a c kc o n t r o l l e r , d e c o u p l i n gc o m p e n s a t o r sa n dn e u r a ln e t w o r kn o n l i n e a rc o m p e n s a t i o n si sd e s i g n e df o ra c l a s so fp a r a m e t e r - u n k n o w nm u l t i v a r i a b l en o n l i n e a rs y s t e m s o nt h e b a s i so ft h e n o n l i n e a rd e c o u p l i n gc o n t r o l l e rs t r u c t u r e ，am u l t i p l em o d e l sb a s e da d a p t i v ed e c o u p l i n g p r e d i c t i v ec o n t r o lt e c h n i q u e ，w h i c hc o n s i s t so f al i n e a rr o b u s ta d a p t i v ed e c o u p l i n g p r e d i c t i v ec o n t r o l l e r , an e u r a ln e t w o r kb a s e dn o n l i n e a ra d a p t i v ed e c o u p l i n gp r e d i c t i v e c o n t r o l l e ra n das u i t a b l es w i t c h i n gs c h e m eb e t w e e nt h ea b o v et w oc o n t r o l l e r s ，i s p r e s e n t e d t h es t a b i l i t ya n dc o n v e r g e n c ea n a l y s i so ft h ec l o s e d l o o ps w i t c h i n gs y s t e m a r eg i v e n t h es i m u l a t i o nr e s u l t ss h o wt h a tt h es a t i s f a c t o r yd e c o u p l i n ge f f e c ti sa c h i e v e d b yu s i n gt h ep r o p o s e dm e t h o d ( 4 ) ad y n a m i cm o d e lo ft h ef o r c e d c i r c u l a t i o ne v a p o r a t i o np r o c e s si se s t a b l i s h e d ， m e a n w h i l ei t si n t e g r a t e dc o m p l e x i t i e s ，s u c hu n c e r t a i n t y , m u l t i v a r i a b l e ，s t r o n gc o u p l i n g s b e t w e e nl o o p sa n dh i g hn o n l i n e a r i t i e sa r ea n a l y s e d t h em u l t i p l em o d e l sb a s e da d a p t i v e d e c o u p l i n gp r e d i c t i v ec o n t r o la p p r o a c h i sa p p l i e dt of o r c e d - c i r c u l a t i o ne v a p o r a t i o n p r o c e s s t h ed y n a m i cm o d e lo ff o r c e d c i r c u l a t i o ne v a p o r a t i o np r o c e s si sc h o s e da st h e c o n t r o l l e dp l a n t t h es i m u l a t i o ne x p e r i m e n t sf o rt h ef o r c e d - c i r c u l a t i o ne v a p o r a t i o n p r o c e s sa r ei l l u s t r a t e dt ov e r i f yt h ee f f e c t i v e n e s sa n dp r a c t i c a l i t yo f t h ep r o p o s e dc o n t r o l s c h e m e k e yw o r d s ：m o d e lp r e d i c t i v ec o n t r o l ；d e c o u p l i n gc o n t r o l ；n o n l i n e a rs y s t e m ；t i m ed e l a y s y s t e m ；f o r c e d c i r c u l a t i o ne v a p o r a t i o ns y s t e m ；l i n e a rm a t r i xi n e q u a l i t i e s ；n e u r a l n e t w o r k v 东北大学博士学位论文 目录 独创性声明i 摘要i i a b s t r a c t i v 第1 章绪论1 1 1 研究背景及意义1 1 2 模型预测控制的发展及研究现状3 1 2 1 模型预测控制的介绍3 1 2 1 1 基本原理3 1 2 1 2 数学表达4 1 2 1 3 预测模型6 1 2 2 模型预测控制的理论研究7 1 2 2 1 可行性7 1 2 2 2 稳定性7 1 2 2 3 鲁棒性9 1 2 3 模型预测控制的工业应用1 2 1 3 时滞系统控制的研究现状1 3 1 3 1 时滞系统概述。1 3 1 3 2 时滞系统的控制方法研究概况1 4 1 3 3 时滞系统的模型预测控制方法研究概况1 5 1 4 多模型控制方法的研究现状1 6 1 4 1 多模型自适应控制方法1 7 1 4 2 多模型自适应解耦控制方法1 8 1 4 3 多模型预测控制方法1 9 1 5 存在问题以及本文的主要工作2 0 第2 章不确定时滞系统鲁棒模型预测控制2 3 v i 东北大学博士学位论文 目录 2 1 引言2 3 2 2 线性矩阵不等式2 3 2 2 1 线性矩阵不等式的形式2 4 2 2 2 一些标准的线性矩阵不等式问题2 4 2 2 3 求解线性矩阵不等式问题的算法2 5 2 3 问题描述2 5 2 4 时滞相关鲁棒模型预测控制2 6 2 4 1 时滞d 已知的情况2 6 2 4 1 1 控制器设计2 6 2 4 1 2 控制算法3 3 2 4 1 3 稳定性分析3 4 2 4 2 时滞d 未知的情况3 6 2 4 2 1 控制器设计3 6 2 4 2 2 控制算法3 9 2 4 2 3 稳定性分析：4 0 2 4 3 仿真实验4 2 2 5 单步鲁棒模型预测控制4 6 2 5 1 时滞无关单步鲁棒模型预测控制4 7 2 5 1 1 控制器设计4 7 2 5 1 2 控制算法5 0 2 5 1 3 稳定性分析5 0 2 5 2 时滞相关单步鲁棒模型预测控制5 2 2 5 2 1 控制器设计5 2 2 5 2 2 控制算法5 7 2 5 2 3 稳定性分析5 7 2 5 3 仿真实验5 9 2 6 本章小结6 4 第3 章不确定非线性系统的多模型自适应预测控制6 5 3 1 引言6 5 v i i 东北大学博士学位论文 目录 3 2 问题描述6 6 3 3 控制系统设计6 7 3 3 1 非线性广义预测控制器6 7 3 3 2 估计模型与相应的自适应控制器6 9 3 3 3 切换系统设计7 l 3 3 4 控制算法7 2 3 4 稳定性与收敛性分析7 2 3 5 仿真实验7 9 3 6 本章小结8 2 第4 章不确定非线性多变量系统的多模型自适应解耦预测控制8 3 4 1 引言8 3 4 2 问题描述8 4 4 3 控制系统设计8 6 4 3 1 非线性预测解耦控制器8 6 4 3 2 估计模型与相应的自适应控制器。8 9 4 3 3 切换系统设计9 0 4 3 4 控制算法9 1 4 4 稳定性与收敛性分析9 2 4 5 仿真实验9 8 4 6 本章小结1 0 2 第5 章多模型自适应解耦预测控制在强制循环蒸发系统中的应用 1 0 3 5 1 引言1 0 3 5 2 强制循环蒸发系统描述1 0 4 5 2 1 工艺简介1 0 4 5 2 2 控制目标1 0 5 5 - 3 强制循环蒸发系统的动态模型1 0 6 5 3 1 以出料流量和加热蒸汽流量为输入，液位和出料密度为输出的动态模型1 0 6 5 3 2 以出料阀开度和进汽阀开度为输入，出料流量和加热蒸汽流量为输出的动态模 v i i i 东北大学博士学位论文 目录 ! l ! 1 0 7 5 3 3 动态模型1 0 9 5 4 动态特性分析。11 0 5 4 1 系统的非线性分析1 1 0 5 4 2 系统的强耦合性分析1 1l 5 4 3 系统的不确定性分析11 1 5 5 强制循环蒸发系统的控制现状11 2 5 6 强制循环蒸发系统的多模型自适应预测解耦控制方法。1 1 2 5 6 1 控制策略1 1 2 5 6 2 控制器设计模型11 3 5 6 3 控制算法。1 1 6 5 7 仿真实验1 1 7 5 7 1 系统的参数设置1 1 7 5 7 2 实验方案1 1 7 5 7 3 控制器参数选择1 1 8 5 7 4 跟踪性能比较1 1 8 5 7 5 抗干扰性能比较1 2 7 5 8 本章小结1 3 2 结束语1 3 3 参考文献1 3 5 致谢1 4 9 攻读博士期间发表论文及科研活动和项目1 5 1 作者简介。1 5 3 i x 东北大学博士学位论文 第1 章绪论 1 1 研究背景及意义 第1 章绪论 模型预测控锌j l j ( m o d e lp r e d i c t i v ec o n t r o l ，m p c ) 是7 0 年代后期发展起来的一 种基于计算机技术的控制方法。它的产生源自于实际工业的需要，因此有着深刻 意义和应用背景。现代控制理论应用于工业过程控制时往往具有很大的局限性， 它对被控对象的数学模型要求比较严格。而在实际的工业过程中，由于被控系统 的时变性、不确定性以及外界干扰的存在，往往很难建立起被控对象的精确数学 模型，即使能得到较为精确的近似数学模型，也常常因为阶次过高而很难设计一 个合适的控制器。另外，随着社会的不断进步和企业竞争的不断加剧，设计控制 器时除了需要考虑提高产品质量，同时还要考虑从有限的资源中不断挖掘潜力以 实现节能降耗，最大化经济效益，并要降低污染，确保生产过程的安全性等诸多 因素。凝炼成控制器设计问题，常常成为各种不同形式的控制目标和控制约束。 因此，能够有效地处理各种不同形式的控制目标和控制约束，成为工业控制的一 个基本要求。而传统的控制理论难以满足这一要求。因此，亟待发展一种有效的 控制方法来满足实际的工业需要，模型预测控制正是在这种背景下应运而生。 模型预测控制由于对模型要求低、鲁棒性强、抗干扰性强而且能够在优化 控制理论的框架内很好地处理系统的控制约束等特点，非常适用于实际工业过程 的控制。因此模型预测控制渐渐成为工业控制，尤其是过程控制中日益流行的控 制方法【i 】。目前，模型预测控制已经成功地应用于发电厂控制、炼油控制、化工、 食品加工、汽车、航空航天、冶金、造纸等许多领域【2 j 。 尽管模型预测控制已经得到大量的成功应用，但是当生产系统的工况条件 日益复杂，要求日益提高，控制系统往往呈现出参数时变、不确定性、时滞、多 变量、强耦合、非线性、控制性能综合性要求高等特点，使得控制问题变得更加 复杂。所以对于复杂工业过程的模型预测控制成为过程控制亟待解决的重要问 题。本文主要针对以下三类复杂系统进行研究： ( 1 ) 控制输入受约束的不确定时滞系统。时滞现象在很多控制系统中是普遍 存在的，如化学过程、运输系统、电力系统、液压系统、轧制系统、计算机信息 和数据的传送系统、网络控制系统等，都必须考虑时滞的影响。时滞的存在使得 系统的控制变得更加复杂和困难，同时时滞的存在经常会导致系统性能变差，甚 至影响系统的稳定性。而且复杂工业过程一般很难用精确的数学模型描述，以至 东北大学博士学位论文 第1 章绪论 于系统的不确定性是不可避免的。另外，由于执行机构的物理限制( 如阀门的饱 和，功率的局限性等) 以及出于对系统工艺条件和生产安全性等方面的考虑，实 际工业过程中的控制输入常常需要满足一定的约束条件，不能无限取值。综合以 上分析，研究控制输入受约束的不确定时滞系统的控制具有重要意义。 ( 2 ) 不确定非线性系统。大部分工业过程都属于非线性系统，但是在实际的 工业应用中，主要还是采用线性模型来描述复杂的被控对象。目前，线性模型预 测控制已经得到了较好的发展与应用，而且在理论上也较为成熟【3 1 。当系统存在 弱非线性特性时，采用线性模型预测控制算法是有效的，且计算简单，实时性好。 但是，由于对产品质量和产量要求的不断提高和对经济效益的不断追求，都使得 现代工业过程越来越复杂，过程的操作经常需要由一个操作点转化到另一个操作 点，它们一般都具有强非线性特性【4 j 。此时，线性模型的输出预报与实际偏差较 大，造成控制精度不高，甚至会造成系统不稳定，这就需要利用非线性模型进行 预报与优化。因此，对于非线性模型预测控制( n o n l i n e a rm o d e lp r e d i c t i v ec o n t r o l ， n m p c ) 的理论、实验及应用研究具有重要的理论意义和实际应用价值。 ( 3 ) 不确定多变量非线性系统。大多数工业过程的被控对象都是多输入多输 出系统，它们的一个重要特性是系统中可能存在着变量之间的耦合作用，也就是 说，当系统的一个输入变量改变时，系统的多个输出变量甚至所有输出变量都随 之变化。对于系统中变量之间耦合作用较弱的多输入多输出工业过程，采用分散 控制将其化成单回路系统，用多个单回路控制器进行控制可以取得满意的控制效 果【5 l 。但是对于一类具有多变量、强耦合、强非线性的复杂工业过程，即使采用 分散控制进行合理的变量配对，将其化成单回路系统，采用单回路控制器也难以 取得令人满意的控制效果。例如，在我国氧化铝厂的蒸发过程中广泛采用的强制 循环蒸发系统，其出料密度、蒸发器的液位、出料流量和加热蒸汽流量相互耦合， 且系统动态特性受进料液的流量和密度变化的影响等，长期以来，简单地采用分 散控制设计的多个单回路p i d 控制器的控制效果较差。如：蒸发器溶液的液位 波动大，降低蒸发效率，从而难以保证最终产品的密度达到工业的要求，也难以 保证强制循环蒸发系统运行在最佳经济工作点。对于这类多变量强耦合强非线性 的复杂工业过程的解耦控制，成为过程控制亟待解决的关键问题。 本文在国家重点基础研究发展计划( 9 7 3 ) 项目“复杂工业生产过程实时智能 控制理论与算法研究( 2 0 0 2 c b 3 1 2 2 0 1 ) ”的支持下，结合工业过程的上述复杂特性， 分别研究了控制输入受约束的不确定时滞系统的鲁棒模型预测控制、不确定非线 性系统的多模型自适应预测控制和不确定非线性多变量系统的多模型自适应解 耦预测控制方法。并以强制循环蒸发系统作为一类具有多变量、强耦合、强非线 2 东北大学博士学位论文 第1 章绪论 性特性的复杂工业过程的典型实例，通过仿真实验进一步验证所提预测控制方法 的有效性。 1 2 模型预测控制的发展及研究现状 模型预测控制是2 0 世纪7 0 年代直接从工业实践过程中发展起来的，到目前 为止已有许多种类不同的模型预测控制算法被提出。1 9 7 6 年，r i c h a l e t 等人提出 的模型预测启发式控带t j ( m o d e lp r e d i c t i v eh e u r i s t i cc o n t r o l ，m p h c ) 是较早应用于 工业的预测控制算澍昏1 丌，这篇论文提出了预测控制的基本思想，是预测控制领 域的开篇之作。除此之外，较早提出的典型预测控制算法还有c u t l e r 和 r a m a k e r ( 1 9 8 0 ) 提出的基于系统阶跃响应模型的动态矩阵控$ 1 j ( d y n a m i cm a t r i x c o n t r o l ，d m c ) i 眄】，c u t l e r 等提出的二次动态矩阵控$ i j ( q u a d r a t i cd y n a m i cm a t r i x c o n t r o l ，q d m c ) 1 0 。1 1 】，r o u h a n i 和m e h r a ( 1 9 8 2 ) 等提出的基于系统脉冲响应模型的 模型算法控带l j ( m o d e la l g o r i t h m i cc o n t r o l ，m a c ) t 1 2 】，以及1 9 8 7 年， c l a r k e 为了 克服模型参数失配对输出误差的影响，将自适应机制与预测控制相结合提出的基 于受控自回归积分滑动平均模型( c o n t r o l l e da u t o r e g r e s s i v ei n t e g r a l m o v i n g a v e r a g e ，c a r i m a ) 的广义预测控制( g e n e r a l i z e dp r e d i c t i v ec o n t r o l ， g p c ) 1 3 l 和l e l i c 提出的广义预测极点配置控制( g e n e r a l i z e dp o l ep l a c e m e n t s c o n t r o l ，g p p ) t 1 4 1 等。 近年来，随着国内外对模型预测控制的研究和应用同趋广泛，模型预测控制 已经突破了早期研究的框架，开始了与自适应控制、鲁棒控制、解耦控制、多模 型控制、智能控制、非线性控制等相结合的一系列新型模型预测控制策略的研究， 极大地丰富了模型预测控制领域的研究内容。进一步增强了模型预测控制处理复 杂对象、复杂任务和复杂环境的能力，并拓展了模型预测控制的应用领域。下面 从模型预测控制的基本原理、理论研究和工业应用三个方面简要地概述模型预测 控制的研究现状。 1 2 1 模型预测控制的介绍 1 2