工业过程模型预测控制研究

李志斌

摘  要  模型预测控制（MPC）是一种基于计算机技术的控制方法，它的产生来自于实际工业的需要，使得这种控制方法在工业过程控制中具有重要的作用。随着社会的发展和企业竞争的不断加剧，在设计控制器的过程中除了考虑如何提高产品质量，还需要考虑能源的消耗，使得资源得到合理的利用和经济效益的最大化。为了满足工业过程的控制要求，传统的控制理论已经不能够满足这一要求，这就使得模型控制在现代工业过程控制中得到快速的发展。本文主要对工业过程模型预测控制进行了简要的介绍，重点论述了模型预测控制的方法，希望能够给相关的人员提供参考

依据。

关键词  工业过程;模型预测控制;理论;方法;研究

中图分类号：TP13      文献标识码：A      文章编号：1671-7597（2014）22-0054-01

由于模型预测控制对于模型要求比较低，并且鲁棒性、抗干扰性等特别强，适用于实际工业过程的控制。现阶段，模型预测控制已经在发电厂控制、化工生产控制等具体工业生产中得到了广泛的应用。虽然模型预测控制已经得到了较为广泛的应用，但是当生产系统的工况条件发生变化是时，控制系统往往也会出现参数的变化，使得控制问题变得复杂，所以对于复杂工业过程的模型预测控制成为了现阶段工业生产过程控制中急需解决的问题。

1  模型预测控制概述

模型预测控制是一种基于在线优化的控制策略，主要是在每一个采样时刻都会将控制系统的当前状态作为下一个控制的初始条件，然后利用过程的动态模型预测在有限时域内得到系统的未来响应，最后再根据该模型优化对象的未来性能指标来解一个开环最优问题，进而得到一个控制序列，并将这一控制序列的第一个控制变量作用于系统的被控对象。到下一个采样时刻，再利用新的状态测量重新求解开环最优问题，最终形成一个完整的闭环控制。在这一过程中，每一采样时刻，优化性能指标只涉及从该时刻起到未来有限的时间，不能够一直延续下去，而在下一个采样时刻，这一优化时段将向前推移。因此，预测控制并不是一个对全局相同的优化性能指标，只是针对某一时段的优化性能指标，这样预测控制只能得到全局的次优解，并且优化的过程是反复在线进行，而不是一次离线进行的。对于模型预测需要经过预测模型、滚动优化和反馈校正三个不同的过程中，这样才能够得到准确的全局次优解。

2  预测模型的方法

模型预测控制是一种基于模型的控制方法，这使得预测模型成为预测控制中的一个重要环节。预测模型与其他的环节相比，它只注重模型的功能，而不注重模型的形式。所谓的预测模型的功能就是根据相关的信息来预测未来系统动态行为，只是一个预测功能，不需要考虑模型的形式，任何形式均可作为模型预测。现阶段，建立预测模型的方法主要有：机理建模、混合建模和实验建模三种方法。以下将对这三种方法进行简要的介绍。

1）实验建模法。

实验建模不需要对过程做详细的了解，除了选择模型的结构形式，还需要输入序列设计、噪声建模及参数估计等重要的环节，相比激励建模法有着明显的优势。此外，实验建模容易限制模型的复杂程度，当过程参数变化或运行的范围发生变化时，能够容易的通过过程数据重新建模，也可以通过自适应的方法对原模型进行在线修正。大多数实际工业系统工艺是很复杂的，在建立系统的机理模型时是极为复杂，有时候是不能够进行机理建模的，这时就必须进行实验建模，这样才能够满足工业过程控制的要求。

2）机理建模法。

机理建模法主要是根据系统质量、能量守恒等定律建立系统的动态模型，这种方法同其他两种方法相比，一个明显的优势就是不要很多的过程数据，这就使得当控制对象工作在特性变化快的场合。虽然机理建模能够应对特性变化快的情况，但是对于不同的控制对象和不同的特性，在进行机理建模时都需要重新做大量的工作，这样必然会延长工作周期和耗费大量的资金，不利于企业经济效益的最大化。

3）混合建模法

混合建模法是实验建模法和机理建模法的结合，根据工业过程控制的具体要求，充分利用这两种建模法的优点。对于这两种建模法如何结合才能使模型最佳，一般有两种不同的结合法。一种是：先用机理建模法来描述系统的基本动态，然后在根据基本参数用实验建模法补充辨识未知函数或是实际系统与机理模型之间的一些误差，这样将两者有效的结合在一起，使模型达到工业过程控制的要求。另一种则是：根据对系统机理的初步了解，初步建立系统的机理模型，然后建立相应的实验模型，最后根据机理模型相关参数来进一步的调节实验模型的相关参数，最终得到一个最佳的模型。

3  模型预测控制方法

对于一些复杂的工业过程，当控制系统模型参数不清楚或是变化不明显时，需要采用模型预测控制进行有效的控制。在工业生产过程中应用模型预测控制法进行过程控制，不仅能够有效的提高产品的质量和生产效率，同时也能够降低生产成本，使企业的经济效益最大化。对于不同的工业过程需要采用不同的模型预测控制方法。以下对两种常用的模型预测控制方法进行详细的论述。

1）加权多模型预测控制法。

对于加权多模型预测控制法，一般会根据具体的工业过程拟定一个基本的思想，然后再进行具体的模型设计。首先需要根据相关的数学模型和给定的性能指标及相关的约束条件设计控制器，并求出各个控制器的独立输出。然后在设计加权器，并通过计算不确定的参数来确定控制器输出的加权值，最后求出各个控制器输出与加权乘积之和来确定实际的控制输出值。基于模型加权的多模型预测控制法能够有效的进行工业过程控制。因此，在工业过程控制中得到了极为广泛的应用。

2）切换多模型预测控制法。

切换多模型预测控制法主要是通过对系统进行多模型描述后，设计一组预测控制器和一个控制器切换准则，最后根据控制器切换准则合理、科学的选择其中具有预测控制的控制器。在采用这样模型控制法中一个关键的问题就是如何设计控制器切换准则，进而使闭环切换系统稳定和保证相关的性能指标。

4  结束语

工业过程模型预测控制对于提高产品质量和工业生产效率都起着重要作用，对于模型预测控制进行相关的研究是十分必要的。随着科学技术的不断发展，模型预测控制研究将得到更好的发展，将更好的满足工业过程控制的要求和得到更加广泛的应用。

参考文献

[1]李少远.工业过程系统的预测控制[J].控制工程，2010（04）.

[2]李军，张宇，王纪森.基于DRNN的非线性模型预测控制研究[J].计算机仿真，2010（08）.

[3]高强，李航.基于单变量与多变量系统的模型预测控制研究[J].计算机工程与设计，2013（09）.endprint