浅谈基于模型的预测控制理论发展以及应用
浅谈基于模型的预测控制理论发展以及应用 摘 要：基于模型的预测控制(model predictive control)是一种从工业过 程控制中产生的一类先进计算机控制算法，包括模型预测、滚动优化和反馈校正 三个基本特征。文章阐述了预测控制算法的产生和基本发展，对当今控制领域的 先进预测控制和智能预测控制以及非线性预测控制进行了探讨。最后对这类预测 控制算法在实际工业过程中的应用做了简要概括。关键词：预测控制 先进预测控制 智能预测控制 非线性预测控制 上世纪50年代左右，经典控制理论在控制界发展起来，60年代末，由 于空间技术的发展需要，促使现代控制理论的发展，从单一的线性定常系统研究 发展到可研究线性或非线性、定常或时变的系统。然而，完美的控制理论与控制 实践之间还存在着巨大的差距。这是因为：首先实际工业过程中对象往往是多输 入-多输出，有大滞后和严重非线性的系统，精确的数学模型建立十分困难;其次 工业过程系统的结构参数和环境干扰等方面都存在很大的不确定性，而按照理想 模型设计的最优控制器在此情况下难以保持最优。为了克服控制理论与它在实际 应用之间的差距，学者除了加强对系统辨识、模型简化、自适应控制、鲁棒控制 等控制方法的研究之外，也在寻找一种新的控制算法。70年代后期，从工业过程 控制中直接产生出一种新型计算机控制算法——模型预测控制(Model Predictive Control)，这类算法对模型要求低、在线计算方便、控制综合质量好，迅速在控 制领域发展起来。本文首先介绍了预测控制算法的发展过程和当今控制领域对预 测控制的理论研究，最后介绍了这类控制算法在实际工业过程控制中的成功应用。
1 预测控制算法的发展 1.1 预测控制基础算法 预测控制自产生以来，有三种基础算法，分别是由Richalet、Mehra 等提出的模型算法控制(Model Algorithmic Control (MAC))，由Cutler等提出的动 态矩阵控制(Dynamic Matrix Control (DMC))，以及由Clarke提出的广义预测控制 (Generalized Predictive Control (GPC))。MAC和DMC都是基于非参数模型的算法， MAC以被控对象的脉冲响应特性为预测模型，DMC以对象的阶跃响应特性为预 测模型。而GPC是以受控自回归积分滑动平均(CARIMA)模型为预测模型，结合 在线辨识和自校正机制的算法，大大增强了算法的适用性和鲁棒性。因为脉冲响应和阶跃响应容易从生产现场获得，因此MAC和DMC不 需要辨识过程就可以设计控制系统。这类控制算法采用在有限时域内的滚动优化， 在滚动优化的过程中不断进行反馈校正，克服了对象参数结构不确定带来的影响， 增强了系统的鲁棒性。
此外，Morari等在1982年研究出一种新型控制结构——内模控制 (Internal Model Control (IMC))，从结构的角度分析了预测控制的动态性能和鲁棒 性，对预测控制做了更深入的研究。
1.2 现代预测控制 近年来，预测控制打破原有的单调的对算法进行研究的模式，开始与 其他方法结合，发展出一类先进的预测控制策略。如和极点配置结合的广义极点 配置控制(Generalized Pole Placement Control (GPP))，和自适应控制相结合产生的 自适应预测控制器，和解耦控制结合产生的解耦预测控制算法等等先进预测控制 技术。
随着当今科学技术和智能控制的发展，预测控制与智能控制技术相结 合产生出智能预测控制技术，如和模糊控制结合而成的模糊预测控制，和神经网 络方法结合形成的神经元网络预测控制，以及遗传算法预测控制等;预测控制与 人工智能和大系统递阶原理结合，构成多层智能预测控制模式。除了这类先进的 预测控制技术与智能预测控制技术之外，预测控制还发展了多种新型的预测控制 理论，例如预测函数控制、多速率采样预测控制、多模型切换预测控制和有约束 预测控制等等，这一系列新型的预测控制策略，极大地丰富了预测控制领域的内 容，也是近年来控制领域的研究热点。
1.3 非线性预测控制 对于大多实际工业过程系统来说，被控对象都是具有较强非线性的特 性，这时，常规的针对线性对象的预测控制策略已经达不到优化控制的目的了， 因此在控制中就需要采用非线性预测控制来解决这一问题。现在已提出的非线性 预测控制方法主要体现在以下几个方面：
(1)基于线性化方法的非线性预测控制：对非线性对象模型进行线性 化，用线性化之后的模型来替代原有的非线性模型，再按照常规预测控制的滚动 优化策略设计控制器，但反馈校正和模型预测的设计仍然使用非线性模型。线性化的方法有Lyapunov线性化和反馈线性化。
(2)基于特殊模型的非线性预测控制：这类特殊模型一般包括Volterra 模型、NARMAX模型、Hammerstein模型、Laguerre模型和双线性模型等等。
(3)多模型的非线性预测控制：多模型预测方法可以看作模型调度 (Model-Scheduling approach)，其特点是将多模型方法引入预测控制中，在整个控 制设计中用多个不同的线性模型来逼近非线性过程，从而实现对非线性系统的控 制。
2 预测控制的工业应用 70年代中期，MPHC(MAC)算法在锅炉、分馏塔的控制中获得了成功 应用，DMC算法在石油加工生产装置中成功应用，标志着预测控制算法进入了 工业控制领域。由于预测控制具有建模容易和鲁棒性强等特点，以及随着计算机 技术的发展，传统控制方法已经难以满足工业中越来越复杂的系统对象的要求， 预测控制越来越被人们利用，人们也越来越关注预测控制的理论和应用研究。目 前，在全世界范围内，预测控制在如炼油、石化、造纸、矿冶、食品、炉窑、水 泥、化工、航空、汽车等多个工业领域已经取得了成功应用，在未来，预测控制 的应用领域将会越来越广，在控制领域的作用将越来越大。
许多国外公司都开发了自己的商品化预测控制软件包，如Setpoint公 司研发的IDCOM软件包，于1981年应用在海湾石油公司Clarkson炼油厂的润滑油 加氢反应器的温度控制上，连同三个分馏塔的计算机控制系统一起，使产品粘度 变化减少70%，燃料节省25%以上，操作的灵活性也得到提高。Profimatic公司的 催化裂化高级过程控制软件包，也在炼油领域取得了很好的应用效果。在国内， 预测控制技术同样有广泛的应用，如浙江大学同上海交通大学联合开发的MCC 软件包;机器人控制、激光器自动控制等。