本报告为《先进过程控制》课程的学习和研读报告。主要解释模型预测控制MPC的基本方法和在实际生产中应用的意义。后一部分列出了该方法的应用举例。并指出了模型预测控制理论发展现状和前景。
编辑本段1.引言
随着现代科学技术的进步和计算机技术的发展，工业过程日益走向大型化、连续化、复杂化，对工业生产过程控制的品质提出了更高的要求，控制与经济效益的矛盾日趋尖锐。很多系统具有高度的非线性、多变量耦合性、不确定性、信息不完全性和大时滞等特性，被控变量与控制变量存在着各种约束等，要想获得精确的数学模型十分困难，常规控制无法得到满意的控制效果。因此，对于过程控制系统的设计，已不能采用单一基于定量数学模型的传统控制理论和控制技术，必须研究先进的过程控制规律。先进控制的目标就是为了解决那些采用常规控制效果不佳，甚至无法解决的复杂工业过程控制问题。现代控制理论和人工智能几十年来的发展为先进控制技术奠定了应用理论基础，而控制计算机尤其是集散控制系统(DCS)的普及和提高，则为先进控制(APC)的应用提供了强有力的硬件和软件平台。总之，企业的需要、控制理论和计算机技术的发展是先进控制技术发展的强有力的推动力。 通过模型识别、优化算法、结构分析、参数整定和稳定性鲁棒性的研究解决和处理了许多常规控制效果不好甚至无法控制的复杂过程控制的问题，构成了一种基于模型控制的理论体系，先进控制技术包括软测量技术、内模控制、模型预测控制、预测函数控制、模糊控制、神经网络、专家控制等。本文重点论述模型预测控制的方法和应用。
编辑本段2.模型预测控制的方法
模型预测控制是一种基于模型的闭环优化控制策略，其算法的核心是：可预测未来的动态模型，在线反复优化计算并滚动实施的控制作用和模型误差的反馈校正。模型预测控制具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和并联性，并能方便的处理过程被控变量和操纵变量中的各种约束。从模型预测控制的基本原理出发，常见的有三种预测控制算法：
1)基于非参数模型的模型预测控制。
代表性算法有模型算法(MAC)和动态矩阵控制(DMC)。这类算法分别采用脉冲响应模型和有限阶跃响应模型作为过程预测模型，无需考虑模型结构和阶次，可将过程时滞自然纳入模型中，尤其适合表示动态响应不规则的对象特性，适合处理开环稳定多变量过程约束问题的控制。