本報告為《先進過程控制》課程的學習和研讀報告。主要解釋模型預測控制MPC的基本方法和在實際生產中應用的意義。后一部分列出了該方法的應用舉例。并指出了模型預測控制理論發展現狀和前景。

編輯本段1.引言

隨著現代科學技術的進步和計算機技術的發展，工業過程日益走向大型化、連續化、復雜化，對工業生產過程控制的品質提出了更高的要求，控制與經濟效益的矛盾日趨尖銳。很多系統具有高度的非線性、多變量耦合性、不確定性、信息不完全性和大時滯等特性，被控變量與控制變量存在著各種約束等，要想獲得的數學模型十分困難，常規控制無法得到滿意的控制效果。因此，對于過程控制系統的設計，已不能采用單一基于定量數學模型的傳統控制理論和控制技術，必須研究先進的過程控制規律。先進控制的目標就是為了解決那些采用常規控制效果不佳，甚至無法解決的復雜工業過程控制問題。現代控制理論和人工智能幾十年來的發展為先進控制技術奠定了應用理論基礎，而控制計算機尤其是集散控制系統(DCS)的普及和提高，則為先進控制(APC)的應用提供了強有力的硬件和軟件平臺。總之，企業的需要、控制理論和計算機技術的發展是先進控制技術發展的強有力的推動力。 通過模型識別、優化算法、結構分析、參數整定和穩定性魯棒性的研究解決和處理了許多常規控制效果不好甚至無法控制的復雜過程控制的問題，構成了一種基于模型控制的理論體系，先進控制技術包括軟測量技術、內模控制、模型預測控制、預測函數控制、模糊控制、神經網絡、專家控制等。本文重點論述模型預測控制的方法和應用。

編輯本段2.模型預測控制的方法

模型預測控制是一種基于模型的閉環優化控制策略，其算法的核心是：可預測未來的動態模型，在線反復優化計算并滾動實施的控制作用和模型誤差的反饋校正。模型預測控制具有控制效果好、魯棒性強等優點，可有效地克服過程的不確定性、非線性和并聯性，并能方便的處理過程被控變量和操縱變量中的各種約束。從模型預測控制的基本原理出發，常見的有三種預測控制算法：

1)基于非參數模型的模型預測控制。

代表性算法有模型算法(MAC)和動態矩陣控制(DMC)。這類算法分別采用脈沖響應模型和有限階躍響應模型作為過程預測模型，無需考慮模型結構和階次，可將過程時滯自然納入模型中，尤其適合表示動態響應不規則的對象特性，適合處理開環穩定多變量過程約束問題的控制。