模型预测控制：优化策略与应用

模型预测控制是第一个在石油工业被广泛接受的最优设计方法。它是借助一类基于滚动时域优化控制问题计算输入的反馈算法，利用实际模型和约束条件。基本想法可以这样表述：

模型预测控制定义。考虑一个对象模型（假定y=Gu）和被控输出的理想参考曲线（假定y_r）：

1）定义当前时间为t。

2）计算从当前时间t到未来t+T这个时间段的控制输入u，这样在满足所有约束的条件下让一些相关指标最小化，比如输出误差y-y_r和输入量u。

3）在t到t+h时间内应用最优控制输入u，其中h<<T。

4）测量在t到t+h时间内的y。

5）将t+h设置成当前时间t。返回到第一步。

在第一步计算的最优控制策略是开环输入策略。优点是即便在复杂情况下该步也可以被评估，且满足硬约束。很少有方法可以如此有效的处理约束。下一步是在一小段时间内应用这个控制，然后重新计算求解。通过实际测量，产生合适的开环策略，这实际上等效成为一个闭环控制，因为输入会对系统在控制下实际的状况产生响应。这是一个最有效的控制策略，已经有很多模型预测控制在工业中应用的报告（Camocho和Bordons，1995）。模型预测控制也有很强的鲁棒性，可以为控制提供很好的策略（只要在开始计算时有合理的模型可以计算输入量）。先进的控制结构

控制系统的第一个目标就是让被控过程在正常条件下运行。开环控制或是简单的反馈闭环都是优先的选择。

基于更多资源的可利用性，比如：

●计算能力；(www.xing528.com)

●传感器和数据采集系统；

●更多更好的执行器；

●过程和干扰的更详尽知识。

当被控性能的要求更苛刻时，我们需要根据复杂程度依次考虑：

●最优的有鲁棒性的控制器；

●自适应的、复杂的非线性控制器；

●混合的基于切换的控制器；

●分级的基于人工智能的控制器。

记住在控制中，稳定性和安全比性能更重要。设计的黄金定律是：简单。记住任何可能出错的东西都会出错。