| 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。 3 结语 预测控制理论在控制领域中提供了全新 的体系结构和方法理论。随着科技的发展和进 步，预测控制在工业过程控制中的应用越来越 广泛。然而，在鲁棒性、非线性等方面也存在 很多待解决的问题。在众多学者的努力下，预 测控制理论将会有更多的突破，也将会在控制 领域中发挥重要的作用。 参考文献 [1]Richalet J 等. 模型预测启发式控制: 工业过程研究应用[J]. 机械自动化， 1978,14(5):413-428. [1]Rouhani R,Mehra R K . 模型算法控制 (MAC): 基本理论属性[J]. 机械自动化， 1982,18(4):401-414. [2]Cutler C R,Ramaker B L.动态矩阵控制— 一种计算机算法[J].In:1980 年自动控制 研讨会论文集V.1, 旧金山: 美国自动化 控制委员会,1980. [ 3 ] C l a r k e D W , M o h t a d i C , T u f f s P S . 广义预测控制[J]. 机械自动 化,1987,23(2):137~162. [4]Garcia C E,Morari M . 内模控制 [J].Ind,Engng Chem,Process Des. Dev.,1982,21(2):308-332,472-494. [5]Lelic M A,Zarrop M B. 广义极 点配置自校正控制器[J].Int J Control,1987,46(2):547-568. [6] 李静如等. 模糊预测控制及其应用研究 [J]. 控制理论与应用,1992,9(3):283- 286. [7]Van Can H J L,et al. 神经网络模型预测 控制[J].Int.Conf. 生物技术应用, 德国 加米,1995:95-100. 作者单位 四川大学电气信息学院 四川省成都市 610065 |
| 在线咨询: |
|
| 联系电话: | 18602588568 |
| 投稿邮箱: | bosslunwen@126.com |
| ★诚信★专业★权威★快速★ | |
