盡管將模型化預測控制技術(shù)（MPC）應用到過程控制項目中會遇到許多難題，但這仍值得一試，因為它的實際表現(xiàn)將會大大優(yōu)于通常的控制方法。因此，在當今經(jīng)濟競爭激烈的環(huán)境中，采用這種新技術(shù)來更好地實現(xiàn)工廠生產(chǎn)和效益目標，已經(jīng)成為一種越來越重要的競爭手段。 　　 MPC最強大的功能在于，通過設(shè)計被控制變量（CVs）的未來軌跡，來最大限度地模擬現(xiàn)實世界中過程控制的各種情況。其中具有代表性的一種情況是通過低強度的控制給定一個較大差幅。 　　 選擇模型預測控制的最大好處是其輕松集成了過程優(yōu)化器（這是后兩部分的主題），并產(chǎn)生使用常規(guī)控制策略難以得到的巨大經(jīng)濟效益。 [align=center] 圖1：過程交互的作用是清晰的：兩個組分流量影響全部的三個被控制變量； 而蒸汽流量只影響產(chǎn)品溫度。 圖2：反應堆基于B 流量因素對于產(chǎn)品溫度的影響而建立的模型顯示了一個逆響應 圖3：引出相同的變化之后，MPC 對反應堆作出響應。[/align] 在測試過程中取得良好的數(shù)據(jù)是最重要的一步。 MPC在反應堆控制中的應用 應用MPC的主要步驟包括： 　　■ 獲取表示控制過程中響應關(guān)系的數(shù)據(jù)； 　　■ 定義過程模型的被控變量、被操縱變量和干擾變量； 　　■ 使用模型識別工具開發(fā)過程模型； 　　■ 將過程模型集成到終端控制器中； 　　■ 控制器調(diào)試和最終投入使用。 　　 過程，測試。最初，相關(guān)的被控變量、被操縱變量和重要的干擾變量沒能被預先完成定義。如果整個控制過程比較復雜，定義就會更加困難。這些變量之間的動態(tài)相互影響常常是不清晰的。過程測試將提供必要的信息。 　　 在過程測試中，需要循序漸進地記錄被操作變量對被控變量的影響，以及可能的干擾變量引起的任何變化。這常常形成一個偽隨機二元序列（PRBS）測試。圖1反映了從目標反應堆收集到的一些這個階段的PRBS測試數(shù)據(jù)。它表示了任意時間段內(nèi)A因素、B因素和蒸汽流量的變化以及這些變化對被控變量的影響。 　　 模型結(jié)構(gòu)定義。這是關(guān)鍵的一步，不象聽上去的那么簡單。因為工程師們并不總能肯定哪些變量要被包括在MPC里，他們必須明確： 　　■ 影響產(chǎn)品質(zhì)量和生產(chǎn)量的關(guān)鍵——被控制變量；和 　　■ 最能夠影響被控制變量的被操縱變量。 　　 工程師還必須找到會引起重大影響或變化的可測量干擾量。數(shù)據(jù)測試提供了定量的分析依據(jù)，要理解是正確識別相關(guān)的從屬和獨立變量，更重要的是對過程的理解。 　　 工程師必須確定被控變量是作為設(shè)定點還是作為強制變量。最后，如果有可用的自由度，設(shè)計者必須確定哪個被操縱變量將有目標值。 　　 以反應堆為例，變量包括： 　　■ 三個被控量； 　　■ 三個被操縱量； 　　■ 兩個前饋。 　　 既然每個被控變量有自己的設(shè)定值，且只有3個自由度（可操縱量），因此不能定義獨立的多變量目標值。 　　 模型識別。因為所有的模型化預測控制軟件包都包含從測試數(shù)據(jù)識別過程模型的工具，因此一些關(guān)鍵性的問題必須被解決，包括： 　　■ 什么將是模型的預測間隔？模型預測間隔決定了預測系統(tǒng)將來行為的時間間隔值。這個值必須小到足以充分地滿足最快的被控量動態(tài)過程。 　　■ 模型中將有多少個函數(shù)系數(shù)？模型中系數(shù)的數(shù)量決定了預測的歷史記錄。它必須有足夠數(shù)量以包含整個響應過程，也必須滿足完成一次輸入所引起變化的時間的長度。 　　■ 什么將是模式的預測范圍？這是預測將會實現(xiàn)的時間長度。除非個別的模型具有特殊的范圍要求，一般情況下，這個時間必須長到足以讓控制器速度最慢的模型響應完畢。 　　 如果這一過程是多變量的，一些輸出的被控變量將會受到一些輸入的被操縱量和干擾量的影響。一個包含各自獨立輸入/輸出模型的矩陣將是表達這整套輸入/輸出關(guān)系的較為方便的方法。圖2顯示了反應堆模型的整個分段響應過程： 　　■ 左軸包括產(chǎn)品的被控量：配比、流動率和溫度； 　　■ 頂軸表示被操縱變量和前饋量——A流量因素、B流量因素、蒸汽流量和溫度因素。 　　 控制器集成控制平臺。雖然許多設(shè)置必須進行組態(tài)，但這是個最簡單的過程，因為很大程度上這一過程是機械的和程序化的。細節(jié)隨著具體控制方案不同而不同。 　　 控制器調(diào)試。當控制器投入應用之時，就是之前所有努力獲得結(jié)果之時。傳統(tǒng)控制方式與基于模型的控制方式之間最根本的區(qū)別也立刻顯現(xiàn)出來了。傳統(tǒng)控制方式在調(diào)試時，通過簡單地設(shè)定參數(shù)，整個控制器的響應就可全部實現(xiàn)。 　　 而模型控制器的控制行為基本上完全取決于它的模型。如果是模型設(shè)計準確，控制器就能很好的工作。如果模型不準確，控制器將無法達到預期的效果。整定參數(shù)對控制器的響應只有非常小的影響。通過調(diào)試來完善一個不正確的模型，將是非常困難，甚至是不可能的。因此在測試過程中獲得有效的數(shù)據(jù)應該是應用模型化預測控制最重要的一步。 　　 圖3將MPC和以往的控制方式進行了比較，得出結(jié)論：基于模型的控制在各個方面的表現(xiàn)均優(yōu)于以前的控制方式。在正常的情況下，改變生產(chǎn)速率，得到的全面指標如下： 　　■ 優(yōu)于先進過程控制（ARC）3.3倍； 　　■ 優(yōu)于基本控制（BRC）62倍；和 　　■ 優(yōu)于模糊邏輯控制103倍。 　　 而改變產(chǎn)品組成的設(shè)定值后，優(yōu)于先進過程控制（ARC）9%，優(yōu)于模糊邏輯控制70%。 和先進過程控制一樣，模型化預測控制器的運行方式類似多變量控制器。雖然只有一個設(shè)定點發(fā)生變化，但控制器相應改變了全部可操縱變量的值。通過更好地理解動態(tài)過程，MPC提升了它的性能，并因此優(yōu)于先進過程控制。 　　 性能提升很大程度上來自于更好的溫度控制。通過更好地理解溫度動態(tài)過程，MPC能將動作控制在更恰當?shù)姆秶鷥?nèi)。在這個例子中，控制器首先改變蒸汽流量的前次穩(wěn)態(tài)值，以響應合成物設(shè)定值的改變。這恰當?shù)匮a償了過程中的逆響應并保持了溫度的穩(wěn)定性。 　　 反之，產(chǎn)品組分響應設(shè)定值變化的給定值沒有顯然的差異。給定值只是從1.7變化到2.7。組分響應受控于死區(qū)時間，但沒有哪個控制器能消除死區(qū)時間的影響。即使一個控制器能完美地響應設(shè)定值變化，其作出相應控制動作時仍然存在著延時。在一個死區(qū)中，必然存在一個等同于設(shè)定值變化的偏差。一個最小的ISE是不可避免的。 　　 由于這個錯誤和死區(qū)，這個最小ISE大約是1.5個單位。只有當ISE大于這個值時，才可能被控制所消除。對BRC來說，這個值是0.29；對于MPC來說，是0.21。相比較于BRC，MPC減小了這個值大約28%。而基于規(guī)則的控制則增加了近413%。 對操作員的影響 　　 對于操作員而言，操作MPC系統(tǒng)是個新的挑戰(zhàn)。在使用時，操作員首先不得不按照多變量的情況考慮?？刂破鳟a(chǎn)生多重變化，同時也實現(xiàn)多重目標；而這種效果未必會馬上顯現(xiàn)。此外，由于控制器對動態(tài)變化很敏感，例如逆反應和延時響應，因此操作員可能無法立即明白它的控制邏輯變化。 　　 此外，MPC引入了一些新的控制對象。一些變量將被歸類為約束變量，只有當它們接近限制值時，控制器才會做出響應。被操縱變量的目的可能是一個新概念，需要仔細定義。 　　 操作員可能不熟悉控制器的人機界面。除了設(shè)定值以外，操作員也需要輸入限制值。由于控制器內(nèi)變量數(shù)量有限，這些信息可能只能以表格形式展示。 　　 此外，控制器的狀態(tài)轉(zhuǎn)變將更為復雜。傳統(tǒng)PID控制器只有兩個狀態(tài)——手動和自動，而且這兩個狀態(tài)間的切換是即刻實現(xiàn)的。 　　 而MPC在處于完全控制狀態(tài)之前，一定會一段較長時間的經(jīng)過，并經(jīng)歷了數(shù)種狀態(tài)。同時，由于MPC為較低級的控制方式提供設(shè)定值，因此操作員也會看到另外的狀態(tài)和這些控制器間的切換。