摘 要：近年來，在科技水平不斷提高的同時，工業(yè)生產(chǎn)過程中受控對象的復雜程度越來越高，具體表現(xiàn)出以下特征：時變性、非線性、不確定性、多輸入及多輸出、信息量少、耦合以及高性能指標等等，這使得一些復雜的系統(tǒng)無法建立精確的數(shù)學模型，也就是說傳統(tǒng)的控制理論無法對復雜工業(yè)過程起到良好的控制效果，甚至無法進行控制。鑒于此，本文針對復雜工業(yè)過程，提出一種模型預測控制方法，并對具體的建模仿真過程進行分析。

關鍵詞：復雜工業(yè)過程；模型預測控制；建模；仿真

中圖分類號：TP273.5

1 模型預測控制概述

模型預測控制簡稱MPC，它是上個世紀70年代末期發(fā)展起來的一種基于計算機技術的控制方法，由于該方法的出現(xiàn)與工業(yè)生產(chǎn)需要關系密切，所以其主要被應用與工業(yè)生產(chǎn)控制當中，尤其是在一些復雜的工業(yè)生產(chǎn)過程中應用效果更為明顯。由于MPC具有對模型要求低、抗干擾性和魯棒性強、能夠在優(yōu)化控制理論框架內(nèi)處理系統(tǒng)的控制約束等特點，使之非常適用于工業(yè)過程控制。目前，該方法已經(jīng)被廣泛應用于諸多工業(yè)領域當中，如發(fā)電廠控制、化工、汽車、食品加工、航空航天、冶金制造、煉油控制等等。雖然MPC已經(jīng)在工業(yè)領域當中獲得了大量的成功應用，但是由于生產(chǎn)系統(tǒng)的工況日益復雜化，對控制系統(tǒng)的要求也越來越高，從而導致了控制問題愈加復雜。

MPC是一種基于計算機在線優(yōu)化控制的方法，其能夠在各個采樣時刻將系統(tǒng)的實際狀態(tài)當成初始化條件，并借助過程的動態(tài)模型預測出系統(tǒng)未來一段時間的響應情況，然后按照模型優(yōu)化對象的未來性能指標，求出一個開環(huán)最優(yōu)化問題的解，進而獲得一個控制序列，并將之作為控制量作用于被控對象。需要闡明的一點是，預測控制當中的優(yōu)化與傳統(tǒng)意義上的全局優(yōu)化具有非常明顯的差別，也就是說預測控制并不是一個針對全局進行優(yōu)化的過程，而是在每一個特定的時刻均存在一個對該時刻進行優(yōu)化的性能指標，不同時刻的優(yōu)化指標的相對形式一致，但絕對形式當中所含有的時域卻是不同的。所以預測控制只能夠獲得全局的次優(yōu)解，整個優(yōu)化過程是反復在線進行。

2 基于復雜工業(yè)過程的MPC建模仿真與控制研究

2.1 MPC的建模方法。（1）機理建模。該方法主要是按照系統(tǒng)的質(zhì)量、能量與動量守恒的定律建立動態(tài)模型，其最大的優(yōu)點是建模過程中所需要的數(shù)據(jù)量較少，所以當被控對象在不容易產(chǎn)生過程數(shù)據(jù)的特定環(huán)境中時，該建模方法一般都會被作為首選。但需要指出的是，該方法需要了解被控對象的內(nèi)部特性，由于不同對象的特性均不相同，所以每次應用機理建模方法時，都需要根據(jù)對象的特性變化重新進行大量的準備工作，這在一定程度上增大了建模費用和時間。（2）實驗建模。在復雜工業(yè)過程中，由于關聯(lián)性因素相對較多，加之缺乏對被控對象的了解，想要成功建立系統(tǒng)的機理模型難度較大，在一些特殊情況下甚至無法完成機理建模。而實驗建模則是借助系統(tǒng)的動態(tài)過程數(shù)據(jù)進行建模的方法，在MPC中，實驗建模所使用的模型結(jié)構(gòu)形式具有多樣性的特點，在進行實驗建模的過程中，應當選擇正確的模型結(jié)構(gòu)形式，同時還應做好模型校驗。（3）混合建模。所謂的混合建模實質(zhì)上就是將機理與實驗這兩種建模方法結(jié)合在一起進行建模，這樣便可以充分利用兩種建模方法的優(yōu)點，從而使所建立的模型更加精確。

2.2 多模型非線性自適應控制。廣義的預測控制是在最小方差控制器的基礎上發(fā)展而來的，對其的研究工作也是基于自適應控制思想展開的，其現(xiàn)已在諸多工業(yè)應用中得以實現(xiàn)，也在各種參數(shù)不確定的前提下顯示出了良好的控制性能。下面本文提出一種多模型非線性自適應控制方法，并通過仿真實驗對其有效性進行驗證。（1）估計模型與自適應控制器。當系統(tǒng)的多項式參數(shù)和非線性項為已知時，系統(tǒng)的輸出便可以滿足跟蹤參考輸入。但是在大部分復雜工業(yè)過程中，系統(tǒng)模型基本都是未知的，即便已知也很難做到精確。故此便需要借助遞歸算法對系統(tǒng)的參數(shù)進行辨識。因為非線性項具有界的特征，當v（k）較小時，可以直接設計線性魯棒自適應控制器；若是v（k）較大，則可借助神經(jīng)網(wǎng)絡進行估計，同時在控制器中進行相應的補償，以此來設計預測控制器，這樣一來便可以使系統(tǒng)的輸入與輸出信號有界，系統(tǒng)的性能也會因此獲得改善。（2）切換系統(tǒng)設計。在控制系統(tǒng)設計的過程中切換準則是比較重要的環(huán)節(jié)之一，為了確保系統(tǒng)的穩(wěn)定性，必須合理選擇切換準則。

此時系統(tǒng)將會選擇與之相對應的模型 ，并采用與該模型相對應的控制器 的輸出作為k時刻的控制輸入u（k）。多模型控制策略的提出為復雜非線性系統(tǒng)控制提供了有效的工具，從而使系統(tǒng)獲得了良好的控制性能。

2.3 仿真實驗。下面通過仿真實驗對多模型非線性自適應控制方法的有效性進行驗證。通過計算機分析可知，系統(tǒng)輸出能夠很好地跟蹤參考輸入，且控制輸入震蕩相對比較平穩(wěn)，這主要是因為神經(jīng)網(wǎng)絡對非線性項的在線補償使系統(tǒng)性能獲得了大幅度改善。由此可得出如下結(jié)論：采用本文所提出的多模型非線性自適應控制方法能夠使系統(tǒng)的性能顯著提高，適用于對復雜工業(yè)過程的控制。

2.4 計算機仿真建模實例分析。下面以汽車懸架系統(tǒng)中最為常用的筒式液壓減振器為例，對其建模與仿真過程進行論述。（1）仿真建模。通過對筒式液壓減振器實際工作過程中的油液流動情況進行分析后，采用當前比較流行的AMEsin（復雜系統(tǒng)建模仿真平臺）建立了減振器的上下腔、補償腔和閥系的仿真模型。減振器仿真模型的主要參數(shù)如表1所示。（2）仿真結(jié)果分析。仿真與試驗的激勵全部都依據(jù)QC/T 545試驗標準來完成，激勵方式為正弦激勵。在壓縮和復原行程以及速度從0.1-1.0m/s減振器的做功特性、阻尼力的仿真結(jié)果均與試驗數(shù)據(jù)相吻合，這表明，本文所建立的仿真模型真確、可靠。為了進一步驗證仿真計算結(jié)果的準確性，分別對減振器試樣以及仿真模型進行了速度特性測試，測試結(jié)果如圖1所示。從圖1中能夠清楚的看出，隨著速度的不斷增加，減振器的阻尼力也會隨之增加，當速度達到80mm/s時，阻尼力出現(xiàn)了非常明顯的突變，導致這一情況的主要原因是復原行程中復原閥開啟，而這個點即復原閥的開閥速度點。由此得出結(jié)論：仿真過程中，對開閥速度的計算準確。

3 結(jié)論：

綜上所述，本文從復雜工業(yè)過程的角度出發(fā)，提出了一種多模型非線性自適應控制方法，經(jīng)過系統(tǒng)地分析論證后，該控制方法能夠?qū)碗s工業(yè)過程進行有效控制。由于復雜工業(yè)過程中存在耦合作用，從而給控制系統(tǒng)的設計增添了一定的難度，在未來一段時期應當針對這一問題加大研究力度，這有助于提高系統(tǒng)的穩(wěn)定性和可靠性。

參考文獻：

[1]趙洪波.馮夏庭.非線性位移時間序列預測的進化——支持向量機方法及應用[J].巖土工程學報，2012（02）.

[2]王定成，方廷健，高理富.支持向量機回歸在線建模及應用[J].控制與決策，2013（08）.

[3]洪立，王世淵，王先來.神經(jīng)網(wǎng)絡控制器在未建模型的非線性系統(tǒng)中的應用[J].自動化與儀器儀表，2010（03）.

作者單位：第三軍醫(yī)大學野戰(zhàn)外科研究所第九研究室，重慶 400042