模型预测控制理论与实践-

模型预测控制（Model Predictive Control）

多变量系统的特点---耦合

多变量系统的特点---约束

多变量系统特点：间接目标（温度、压力、流量）=>直接目标(纯度、热效率、收率)

多变量先进控制

  *  单元装置协调----多变量间解耦控制

  *  控制要求变迁-----间接目标->直接目标，过程动弹特征复杂

                 -----操作约束

  *  经济优化：能耗与物耗

先进控制方法

 推断控制－－采用干扰信号分离、干扰估计器等解决被控量和干扰不可测情况下的控制问题

 自适应控制－－控制实施中可以改变控制系统本身，从而使控制行为适合于新的环境。它包含了模型参考自适应控制、自校正控制和参数自适应控制

 预测控制－－采用对输出进行预测、对模型进行反馈校正、对控制实施滚动优化等策略的控制

 鲁棒控制－－针对模型在结构或参数上的不确定性，在对系统进行灵敏度分析和摄动分析的基础上，使系统仍然稳定且保持控制性能的控制方法

 模糊控制－－基于模糊集理论的一种控制方法，即建立模糊模型、进行模糊化、清晰化和采用模糊化推理等来实现

预测控制是已有的先进控制方法在工业过程中的最成功算法！预测控制是指利用对象的历史信息和模型信息，通过在未来时段上优化过程输出来计算最佳输入序列的一类算法。

 预测模型

   从方法的角度讲，只要是具有预测功能的信息集合，不论其有什么样的表现形式，均可作为预测模型。

 滚动优化

  在预测控制中优化不是一次离线进行，而是反复在线进行的，这也是预测控制区别于传统最优控制的根本特点。

 反馈校正

  每到一个新的采样时刻，检测对象的实际输出，并利用这一实时信息对基于模型的预测进行修正，然后再进行新的优化。

功能：能根据对象的历史信息和未来输入，预测其未来输出，以及被控变量与给定值之间的偏差，从而作为确定未来控制作用的依据预测模型只注重模型的功能，而不注重模型的形式

– 参数模型：传递函数、状态方程

– 非参数模型：脉冲响应、阶跃响应

优化的含义: 通过对某一性能指标求最优来得到未来的控制作用。通常, 对象输出在未来的采样点上跟踪某一期望轨迹的偏差最小

滚动优化的含义：优化不是一次离线进行，而是反复在线进行。

预测控制是指利用对象的历史信息和模型信息，通过在未来时段上优化过程输出来计算最佳输入序列的一类算法。

预测控制中的优化与通常的离散最优控制算法不同：

1）预测控制中的优化不是采用一个不变的全局优化目标，而是采用滚动式的有限时域的优化策略。

2）预测控制的优化不是一次离线进行，而是反复在线进行的，这就是滚动优化的含义——也是预测控制区别于传统最优控制的基本点。

实施滚动优化的优点：

对于模型失配、时变、干扰等引起的不确定性，可以及时进行弥补，始终把新的优化建立在实际的基础之上，使控制保持实际上的最优。这对于复杂工业过程出现不确定性更加有效。

DMC——基于阶跃响应的动态矩阵控制

Dynamic Matrix Control

GPC——基于参数模型的广义预测控制

Generalized Predictive Control

SSC——基于状态空间模型的预测控制

State-Space Predictive Control

MAC——基于有限脉冲响应的模型算法控制

Model Algorithm Control

MPC 在油脂加工工厂中的节能实践

       工艺描述：本工段为DTDC（脱溶烘干）工段，该工段主要是完成将浸出后的大豆胚片（湿粕）经过蒸汽加热脱去溶剂，再进行烘干降温，合格成品豆粕进入后续粉碎及仓储或打包工段。

       控制描述：稳定生产指标，节约能源（蒸汽消耗与电能消耗）。