流程工業(yè)與共它工業(yè)有很大不同，其生產(chǎn)工藝具有連續(xù)性，過(guò)程和設(shè)備的特性往往是十分復(fù)雜的，控制對(duì)象常具有不確定性、非線性、大時(shí)延性和變量問(wèn)的強(qiáng)耦合性。想得到生產(chǎn)過(guò)程精確的數(shù)學(xué)模型幾乎是不可能的。所有這些因素使得常規(guī)的PlD控制以及其他傳統(tǒng)控制方法都不可能達(dá)到理想的效果。于上世紀(jì)60年代形成和發(fā)展起來(lái)的現(xiàn)代控制理論，盡管在很多領(lǐng)域取得了顯著的成果，但將其用于流程工業(yè)過(guò)程控制中時(shí)，在理論與實(shí)踐之間依舊存在著很大的差距。主要原因還是由于絕大多數(shù)流程工業(yè)過(guò)程對(duì)象難以得到精確的數(shù)學(xué)模型。因此必須考慮采用先進(jìn)的控制策略解決工程實(shí)踐中的問(wèn)題。預(yù)鍘控制是應(yīng)用于流程衛(wèi)業(yè)中最廣泛的先進(jìn)控制技術(shù)。 RichaIet早在1977年就提出MAC（ModeI AIgorithmicControI）算法。這標(biāo)志著預(yù)測(cè)控制的出現(xiàn)。這類算法用直接從生產(chǎn)現(xiàn)場(chǎng)檢測(cè)得到的過(guò)程響應(yīng)來(lái)描述過(guò)程的動(dòng)態(tài)行為，不需事先知道過(guò)程模型的結(jié)構(gòu)和參數(shù)，也不必通過(guò)復(fù)雜的辨識(shí)來(lái)建立過(guò)程的數(shù)學(xué)模型，即可根據(jù)某一優(yōu)化指標(biāo)設(shè)計(jì)控制系統(tǒng)，確定一個(gè)控制量的序列，使未來(lái)一段時(shí)間內(nèi)被控量與經(jīng)過(guò)柔化后的期望軌跡之間的某個(gè)誤差指標(biāo)最小。該算法采用的是不斷在線滾動(dòng)優(yōu)化的思想，而且在優(yōu)化過(guò)程中不斷通過(guò)實(shí)測(cè)系統(tǒng)輸出與預(yù)測(cè)模型輸出的誤差來(lái)進(jìn)行反饋校正，所以能在一定程度上克服模型誤差和某些不確定性干擾等的影響，使系統(tǒng)的魯棒性得到增強(qiáng)．非常適用于控制復(fù)雜的工業(yè)生產(chǎn)過(guò)程。Richalet又于1978年首次詳細(xì)闡述了這類算法產(chǎn)生的動(dòng)因、機(jī)理及其在工業(yè)控制過(guò)程中的應(yīng)用效果，同時(shí)給這類新型計(jì)算機(jī)控制算法定出統(tǒng)一的名稱——預(yù)測(cè)控制（Predictive Contr01）。MAC算法是建立在脈沖響應(yīng)模型基礎(chǔ)上的，用來(lái)對(duì)長(zhǎng)時(shí)域進(jìn)行預(yù)測(cè)。主要包括三部分：①預(yù)測(cè)模型；②參考軌跡；③滾動(dòng)優(yōu)化。 預(yù)測(cè)控制是在工業(yè)控制實(shí)踐的需要中產(chǎn)生的，并得到了極大地發(fā)展。作為一種優(yōu)化控制算法，不論形式如何改進(jìn)和變化，都要包括三項(xiàng)基本原理：預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正。 正是由于預(yù)測(cè)控制的這種滾動(dòng)優(yōu)化的原理使控制系統(tǒng)降低了對(duì)被控對(duì)象數(shù)學(xué)模型的依賴程度，適應(yīng)了復(fù)雜工業(yè)過(guò)程控制的要求，具有非常廣闊的發(fā)展和應(yīng)用前景。 本文將簡(jiǎn)要概述預(yù)測(cè)控制的研究、發(fā)展?fàn)顩r，以及預(yù)測(cè)控制與其它控制策略結(jié)合、非線性控制中的預(yù)測(cè)模型等主題的研究成果。 1預(yù)測(cè)控制的發(fā)展 自Richalet提出MAC算法以來(lái)，新型預(yù)測(cè)控制算法不斷涌現(xiàn)，下面對(duì)主要算法作簡(jiǎn)要回顧。 CuIter于1980年提出的動(dòng)態(tài)矩陣控制（DMC Dynamic Matrix Contr01）．是建立在階躍響應(yīng)模型上適用于漸進(jìn)穩(wěn)定的對(duì)象，對(duì)于弱非線性對(duì)象，可以在工作點(diǎn)附近線性化．對(duì)于不穩(wěn)定的對(duì)象，可先用常規(guī)的PID控制使其穩(wěn)定，然后再使用DMC算法。與MAC相比，DMC最大的優(yōu)點(diǎn)是沒(méi)有靜差。1986年Morshedl提出了一種廣義動(dòng)態(tài)矩陣控制（UDMC UnlversaI Dynamic Matrix Contr01），主要解決非線性優(yōu)化問(wèn)題。Bruqn發(fā)表的兩篇文獻(xiàn)提出了預(yù)測(cè)控制算法（PCA Predictive ControIAIgorithm）同MAC一樣，也是基于脈沖響應(yīng)模型的，但解決了MAC對(duì)于非最小相位系統(tǒng)的不穩(wěn)定性問(wèn)題．因?yàn)镻CA對(duì)控制變量的增量加上了約束。1988年，RichaIet又提出了一種基于預(yù)測(cè)控制原理的預(yù)測(cè)函數(shù)控制（PFC Predictive FunctionalControI）方法，并成功地應(yīng)用到工業(yè)機(jī)器人的快速高精度跟蹤控制上。取得了很好的效果。預(yù)測(cè)函數(shù)控制也是預(yù)測(cè)控制的一個(gè)很好的發(fā)展方向。在這方面的研究也有很多。 2自適應(yīng)預(yù)測(cè)控制 自適應(yīng)控制適用于具有一定程度不確定性的系統(tǒng)，對(duì)模型的依賴程度較少。因此長(zhǎng)期得到人們的關(guān)注，已經(jīng)具有成熟的理論。但自適應(yīng)算法的魯棒性較差。1984年Ydstie提出EHAC（Extended Horizon Adaptive Contr01），是建立在ARMAX模且不適用于非最小相位系統(tǒng)的問(wèn)題。1985年De Keyser提出了EPSAC（Extended Predictive Self-Adaptive Contr01），也是采用ARMAX模型，通過(guò)長(zhǎng)范圍預(yù)測(cè)（Long Horizon Predic．tion）使該算法比自適應(yīng)控制對(duì)模型精度要求降低了、魯棒性增強(qiáng)了。Clarke于1987年在總結(jié)EHAC和EPSAC的基礎(chǔ)上提出了廣義預(yù)測(cè)控制（GPC）。它是建立在CARIMA模型基礎(chǔ)上的，解決了當(dāng)采用ARMAX模型時(shí)，在負(fù)載擾動(dòng)較大的情況下，消除測(cè)量變量和設(shè)定值之間的誤差效果不好的問(wèn)題。廣義預(yù)測(cè)控制標(biāo)志著自適應(yīng)控制與預(yù)測(cè)控制的有機(jī)地結(jié)合，使控制系統(tǒng)具有很好的互補(bǔ)性。不僅提高了預(yù)測(cè)控制對(duì)于不確定性環(huán)境的適應(yīng)能力，而且增強(qiáng)了自適應(yīng)控制的魯棒性。GPC已經(jīng)能很好地應(yīng)用于實(shí)踐中，在這方面有很多成功應(yīng)用的例子。 自適應(yīng)預(yù)測(cè)控制的研究只是針對(duì)線性系統(tǒng)的，對(duì)非線性系統(tǒng)的處理方法主要是將非線性系統(tǒng)作線性等價(jià)轉(zhuǎn)換，即把非線性系統(tǒng)等價(jià)為時(shí)變線性系統(tǒng)。缺乏定性的分析和有效的等價(jià)轉(zhuǎn)換方法?？傊炎赃m應(yīng)預(yù)測(cè)控制用于非線性系統(tǒng)還有很多問(wèn)題需要解決。 3內(nèi)模預(yù)測(cè)控制 Garcia等人在1982年研究了一類新型控制結(jié)構(gòu)——內(nèi)?？刂疲↖MC Internal Model Control）。在其研究中以IMC結(jié)構(gòu)的角度對(duì)預(yù)測(cè)控制算法的魯棒性、穩(wěn)定性、參數(shù)的選擇作了一定的研究，并認(rèn)為預(yù)測(cè)控制算法和內(nèi)?？刂朴袃?nèi)在的聯(lián)系，可以歸為統(tǒng)一的結(jié)構(gòu)。在內(nèi)?？刂圃淼幕A(chǔ)上．對(duì)預(yù)測(cè)控制有很多研究。文獻(xiàn)[5、6]通過(guò)將預(yù)測(cè)控制變換到內(nèi)模控制結(jié)構(gòu)下分析閉環(huán)系統(tǒng)的穩(wěn)定性和魯棒性，從方法上指導(dǎo)了控制器的參數(shù)選擇。文獻(xiàn)[7]提出了一種用矩陣OR分解設(shè)計(jì)FIR型內(nèi)模逆動(dòng)態(tài)控制器的新方法。文獻(xiàn)[8]應(yīng)用內(nèi)模控制原理對(duì)GPC系統(tǒng)進(jìn)行了分析．推導(dǎo)出預(yù)測(cè)控制在內(nèi)模結(jié)構(gòu)下的定量表達(dá)，并根據(jù)模型與對(duì)象問(wèn)的失配來(lái)分析魯棒性，使得定量研究設(shè)計(jì)參數(shù)與魯棒性問(wèn)的關(guān)系成為可能。文獻(xiàn)[9]依據(jù)內(nèi)?？刂圃硌芯苛烁黝愵A(yù)測(cè)控制算法（MAC、DMC、GPC、GPP）的控制器方程，閉環(huán)系統(tǒng)輸入輸出和誤差方程，歸納出統(tǒng)一的算式。同時(shí)在內(nèi)?？刂瓶蚣芟聦?duì)DMC算法進(jìn)行描述，并對(duì)其穩(wěn)定性、魯棒性進(jìn)行了分析。從內(nèi)?？刂平Y(jié)構(gòu)和最小化實(shí)現(xiàn)形式出發(fā)，分析了其預(yù)測(cè)控制系統(tǒng)的閉環(huán)性能，給出了系統(tǒng)動(dòng)態(tài)響應(yīng)、抗干擾性、魯棒性與設(shè)計(jì)系數(shù)的解析關(guān)系。這項(xiàng)工作在對(duì)預(yù)測(cè)控制研究方面有一定意義，使內(nèi)模控制和預(yù)測(cè)控制建立了直觀的聯(lián)系。文獻(xiàn)[10]利用內(nèi)?？刂平Y(jié)構(gòu)分析了GPC在系統(tǒng)未建模時(shí)其動(dòng)態(tài)魯棒性方面的缺陷，提出采用失配濾波器以增強(qiáng)系統(tǒng)的魯棒性。同時(shí)針對(duì)GPC的特點(diǎn)．提出了次優(yōu)失配濾波器的設(shè)計(jì)方法。 由于內(nèi)?？刂坪皖A(yù)測(cè)控制內(nèi)在的天然聯(lián)系，從內(nèi)?？刂平Y(jié)構(gòu)角度對(duì)預(yù)測(cè)控制的分析和研究具有很大的潛力和廣闊的前景。在這方面還需要進(jìn)行更多的研究。 4非線性系統(tǒng)預(yù)測(cè)控制 如前所述，流程工業(yè)中絕大部分被控過(guò)程具有非線性特性。所以針對(duì)非線性系統(tǒng)的控制是主要研究的問(wèn)題。傳統(tǒng)過(guò)程控制方法是采用在工作點(diǎn)附近的線性化模型來(lái)設(shè)計(jì)控制器。而利用預(yù)測(cè)控制的特點(diǎn)進(jìn)行控制，對(duì)非線性系統(tǒng)可以取得較好的控制效果。所采用的方法是利用非線性預(yù)測(cè)模型來(lái)預(yù)測(cè)系統(tǒng)未來(lái)動(dòng)態(tài)。非線性預(yù)測(cè)模型的獲得有很多方法，但主要有四類：基于機(jī)理的預(yù)測(cè)模型、基于實(shí)驗(yàn)的預(yù)測(cè)模型、基于智能手段的預(yù)測(cè)模型、基于線性化的預(yù)測(cè)模型。 （1）基于機(jī)理的預(yù)測(cè)模型 根據(jù)被控過(guò)程的物理或化學(xué)特性所建立的微分、差分方程型基礎(chǔ)之上的，解決了自適應(yīng)死區(qū)控制器對(duì)滯后精度要求較高 模型就叫機(jī)理模型。很顯然．建立機(jī)理模型要對(duì)被控過(guò)程（即對(duì)象）有徹底的了解。正如前所述，在流程工業(yè)中機(jī)理模型幾乎是不可能得到的。而對(duì)非線性MPC（ModeI Predictive Control）方法穩(wěn)定性和魯棒性的研究主要是基于機(jī)理模型的，因此沒(méi)有很高的實(shí)際價(jià)值，只是對(duì)理論分析有一定的指導(dǎo)意義。 （2）基于實(shí)驗(yàn)的預(yù)測(cè)模型 實(shí)驗(yàn)?zāi)Ｐ褪侵附Y(jié)構(gòu)確定但參數(shù)要經(jīng)過(guò)實(shí)驗(yàn)辨識(shí)的模型，實(shí)驗(yàn)可以離線或在線進(jìn)行。常用的實(shí)驗(yàn)?zāi)Ｐ陀蠽olterra模型、Hammerstein模型和Wiener模型。 Volterra模型是非線性系統(tǒng)的脈沖響應(yīng)模型，描述系統(tǒng)動(dòng)態(tài)過(guò)程的精度取決與Volterra序列的階次。階次越高所描述的精度越高，但高階次的Volterra序列需要通過(guò)大量的實(shí)驗(yàn)來(lái)獲取系數(shù)。對(duì)于一類可分為靜態(tài)非線性和動(dòng)態(tài)線性的非線性系統(tǒng)?？梢杂肏ammerstein模型描述。Hammerstein模型的結(jié)構(gòu)簡(jiǎn)單。 可用于PH過(guò)程和具有死區(qū)、開關(guān)特性、冪函數(shù)等非線性特性的過(guò)程。同時(shí)當(dāng)選用合適的性能指標(biāo)時(shí)，可以把控制問(wèn)題分解為線性模型的動(dòng)態(tài)優(yōu)化問(wèn)題和非線性模型的靜態(tài)求根問(wèn)題。Wiener模型也可描述一類靜態(tài)非線性和動(dòng)態(tài)線性可分離的非線性系統(tǒng)，但需要線性動(dòng)態(tài)環(huán)節(jié)在非線性靜態(tài)增益的前面。 （3）基于智能手段的預(yù)測(cè)模型 隨著模糊控制、神經(jīng)網(wǎng)絡(luò)、人工智能等控制策略的發(fā)展，智能控制越來(lái)越體現(xiàn)出在解決非線性系統(tǒng)控制問(wèn)題方面有著其它控制方法無(wú)法比擬的優(yōu)越性。預(yù)測(cè)控制與智能控制結(jié)合是提高控制性能的一條有效途徑。相結(jié)合的重要方面就是預(yù)測(cè)控制的非線性模型由智能模型來(lái)描述。如文獻(xiàn)[11]中利用了Fuzzy模型作為預(yù)測(cè)模型。文獻(xiàn)[12]也給出了一種模糊控制與預(yù)測(cè)控制相結(jié)合的GPC算法。 此外經(jīng)常用到的還有神經(jīng)同絡(luò)模型。許多文獻(xiàn)已經(jīng)表明：一個(gè)多層的前饋神經(jīng)網(wǎng)絡(luò)可以任意準(zhǔn)確地逼近一個(gè)連續(xù)函數(shù)。有文獻(xiàn)又進(jìn)一步證明：只含有一個(gè)隱藏層的前饋網(wǎng)絡(luò)，其神經(jīng)元采用Sigmoid函數(shù)或其它類型的非線性函數(shù)，就可以任意準(zhǔn)確地逼近一個(gè)連續(xù)函數(shù)及其各階導(dǎo)數(shù)。正因?yàn)榇耍趯?duì)非線性系統(tǒng)進(jìn)行控制時(shí)，考慮把預(yù)測(cè)控制和神經(jīng)網(wǎng)絡(luò)結(jié)合產(chǎn)生了基于神經(jīng)網(wǎng)絡(luò)的MPC方法。在這方面較早的研究主要是利用神經(jīng)網(wǎng)絡(luò)建立模型，然后在此基礎(chǔ)上進(jìn)行優(yōu)化。文獻(xiàn)[18]中用三層BP神經(jīng)網(wǎng)絡(luò)建立了非線性對(duì)象的模型進(jìn)行多步預(yù)測(cè)，然后利用數(shù)值解法進(jìn)行優(yōu)化，并用二次規(guī)劃求解目標(biāo)函數(shù)，從而構(gòu)成預(yù)測(cè)控制器。并應(yīng)用到化工過(guò)程中。之后關(guān)于這方面的研究非常多。但由于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法存在局部最小值和收斂速度慢的問(wèn)題，所以目前許多研究關(guān)注于神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)上。文獻(xiàn)[19]針對(duì)神經(jīng)網(wǎng)絡(luò)的缺陷提出在兩層前饋網(wǎng)絡(luò)的基礎(chǔ)上，運(yùn)用速率梯度算法，并采用多級(jí)階躍響應(yīng)建立全局線性模型來(lái)實(shí)現(xiàn)滾動(dòng)優(yōu)化，實(shí)現(xiàn)了非線性系統(tǒng)的DMC控制。文獻(xiàn)[20]給出了一種改進(jìn)的全局尋優(yōu)自適應(yīng)快速BP算法，用到廣義預(yù)測(cè)控制算法中．解決了GPC實(shí)時(shí)控制的快速性問(wèn)題。文獻(xiàn)[21]在BP網(wǎng)絡(luò)的基礎(chǔ)上，提出了一種利用先驗(yàn)知識(shí)縮小網(wǎng)絡(luò)規(guī)模，提高學(xué)習(xí)速度，然后利用遺傳算法對(duì)控制軌跡進(jìn)行尋優(yōu)，克服了局部最小值和收斂速度的問(wèn)題?？傊壳坝嘘P(guān)這方面的研究主要是解決神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法自身的問(wèn)題。 遺傳算法不苛求問(wèn)題的表達(dá)形式，并且是全局尋優(yōu)的。所以遺傳算法與預(yù)測(cè)控制結(jié)合是切實(shí)可行的優(yōu)化技術(shù)。采用的方法主要是將遺傳算法作為優(yōu)化技術(shù)用于非線性模型預(yù)測(cè)控制器的設(shè)計(jì)，在保證了控制律在控制輸入受限范圍內(nèi)的全局最優(yōu)特性的同時(shí)，提高了控制系統(tǒng)的實(shí)時(shí)性。在這方面有一定的應(yīng)用。但主要針對(duì)線性系統(tǒng)，對(duì)非線性系統(tǒng)研究很少。應(yīng)該有一定的發(fā)展空間。 （4）基于線性化的預(yù)測(cè)模型 基于線性化模型是為解決非線性問(wèn)題所采用的最早的辦法。其優(yōu)點(diǎn)是非線性MPC優(yōu)化計(jì)算簡(jiǎn)單，實(shí)時(shí)性好。具有代表性的是一種非線性0DMC方法，就是將非線性模型在采樣點(diǎn)處線性化來(lái)構(gòu)成預(yù)測(cè)控制器，并成功地應(yīng)用到實(shí)踐中。多模型方法是一種處理非線性系統(tǒng)較常用的方法，其特點(diǎn)是用多個(gè)線性模型來(lái)逼近非線性對(duì)象。文獻(xiàn)[25]討論了一種非線性系統(tǒng)線性化多模型表示，并為線性化子模型給出了多模型參考軌跡，從而得到非線性多模型預(yù)測(cè)控制方法。 5預(yù)測(cè)控制存在的問(wèn)題 預(yù)測(cè)控制缺乏深入的理論分析。由于要通過(guò)在線滾動(dòng)優(yōu)化，在大范圍上對(duì)被控過(guò)程作輸出預(yù)報(bào)，使得控制系統(tǒng)的結(jié)構(gòu)非常復(fù)雜，很難進(jìn)行定量分析。此外，對(duì)于預(yù)測(cè)控制算法的穩(wěn)定性、魯棒性的研究不多。同時(shí)對(duì)非線性系統(tǒng)的預(yù)測(cè)控制問(wèn)題也沒(méi)有很好地解決。這些方面的改進(jìn)要在算法上緊扣預(yù)測(cè)控制的模型預(yù)測(cè)、滾動(dòng)優(yōu)化和反饋校正這三個(gè)機(jī)理進(jìn)行研究。在解決非線性系統(tǒng)的控制問(wèn)題上，預(yù)測(cè)控制要與其它智能控制策略聯(lián)合使用，這也是預(yù)測(cè)控制重要的發(fā)展方向。