文 献 综 述

1.1课题的研究背景及意义

随着经济全球化的发展，社会生产与资源、环境保护以及可持续发展之间的矛盾，各个企业之间的竞争压力越来越大，为了提高生产资源的利用率，降低对环境的破坏，使得各个企业特别是从事流程工业行业的企业不得不细化生产过程中的每一个步骤，这就使得企业生产装置的规模越来越大，工业系统的复杂度也越来越高，传统的控制方法已经不能满足当今社会生产的需求。模型预测控制作为一种最新发展起来的先进控制方法，被广泛的运用到各个工业生产过程当中去[1]，但是随着生产规模的不断扩大，生产过程各个步骤的细化，一个控制对象往往可能包括物料、能量和信息等几十甚至上百种变量或者约束，使用传统的集中式预测控制对复杂工业系统进行求解，这就使得实施控制的计算机具有很高的性能和计算速度，但是即便计算机的计算速度很快和性能很高，往往也达不到理想的控制效果。研究者们据于此开始考虑将复杂工业大系统进行划分，将一个高维的复杂的大系统分为若干个子系统进行代替，但是忽略了子系统之间的相互影响，各个子系统互相独立，使得各个子系统的控制很难满足全局性能。近些年来，随着现场总线技术的发展和通讯网络技术在工业生产过程当中的运用，将复杂的工业大系统划分为若干个相互关联的子系统的分布式预测控制方法被提出。它将工业生产中的复杂、高维的大系统划分为若干个低维、简单的子系统，每个子系统使用性能较低且价格低廉的计算机进行控制，同时各个子系统之间通过通讯网络交换各自的信息，达到各个子系统信息的交互，使得控制性能得到提高，且生产成本降低，提高了经济效益[2]。

分布式模型预测控制在工业生产过程当中可以有效解决复杂大系统的控制问题，通过对复杂大系统的分解，将其划分为若干个复杂度低且计算简单的子系统，降低工业生产的成本，保证各个子系统控制性能的同时确保了各个子系统控制问题的全局性能。分布式模型预测控制应用在对复杂大系统进行控制时，相对于传统的控制方案，性能得到提高，但是传统的模型预测控制在求解控制率时都是根据历史经验或者人为设定来来确定控制目标，在一些流程工业当中，比如石化、冶金等，这些行业往往需要消耗大量的能源以及资源，同时对环境产生污染，如何提高资源以及能源的利用效率，降低工业生产与环境保护之间的矛盾，是传统工业行业面临的最大问题。近期出现的多层结构模型预测控制在对复杂大系统进行控制之前，通过上层的稳态优化层计算出系统的最优值，用来取代传统模型预测控制使用的历史经验值或者人为设定值，选取一个相对来说资源利用率高，能耗较小且对环境破坏较低的设定点传输到下层的动态控制层当中去，在动态控制层使用预测控制算法对上层得到的设定点进行跟踪。多层结构优化控制的模型预测控制被实践证明能够有效的解决系统运行过程中较大扰动引起的优化不可行问题，在工业控制中具有较好的鲁棒性，在一些特定的对象控制当中可以有效提高资源和能源利用率，减少对环境的破坏[3]。

研究工作得到国家自然基金项目（61203133）”复杂大化工过程的分布式广义预测控制研究”和工业控制技术国家重点实验室开放课题（ICT123）”大规模化工过程分布式模型在线辨识算法研究与应用”的大力资助，具有一定的研究意义与价值[4]。

1.2国内外研究现状

进入二十世纪后，随着科技的进步与发展，新的技术不断刺激工业生产过程以高速发展，对于工业生产过程的要求也越来越高，特别是进入二十一世纪以来，各个生产企业之间的竞争越来越大，同时工业生产与环境保护、资源紧张之间矛盾加深，先进的控制方案急需得到提出。

预测控制算法最早是在1978年由Richalet提出，这种先进的控制算法在线计算方便、对模型不需要有先验的知识，利用系统现在和过去的信息，通过预测模型便可以计算出系统未来的输入和输出，并且可以很好的处理实际工业生产过程当中的非线性、时变、滞后、多变量等问题，这种方法能够用于由常规PID控制难以处理的问题，同时这种控制方法是基于直觉概念并且容易调整。1980年，Culter和Ramaker提出了”动态矩阵控制”（dynamic matrix control），这种方法在考虑控制对象输入输出约束的情况先，通过重复计算一个线性规划问题求解控制过程当中的输入变化量，使得预测控制能够更好的应用与工业过程控制当中去。Clarke在1987年提出一种新的预测控制算法，广义预测控制（GPC），这种算法以自回归积分平均滑动模型（CARIMA）为预测模型，有效的适用于开环不稳定非最小相位系统，对以平常方法建模较为困难的复杂工业过程的控制效果也很明显。之前这些对预测控制的研究，给预测控制发展成为更加先进的控制算法打下坚实的基础[5]。

一个复杂的大系统包含着大量的变量和约束条件，系统的复杂程度越高，变量越多，算法的优化计算过程就越复杂，如果只用一个单独的控制器对复杂对象进行控制，系统的控制性能将得不到保证。针对以上问题，2004年，Richards等人提出了一种分散式模型预测控制算法，分散式预测控制算法将复杂大系统分解成若干个独立的子系统，每个子系统仅考虑自身的输出输出约束，与其他子系统的没有关联，对各个子系统分别进行控制器的设计，这样使得复杂大系统划分为若干个互不关联的子系统之后，每个子系统的控制器结构较为简单，且计算量小。由于分散式模型预测控制方法比较简单，容易应用于工业生产当中去，但是在实际的工业生产过程中，各个子系统并不是完全独立的，它们之间的状态量互相影响作用，所以分散式模型预测控制无法保证整个系统的全局性能[6]。

分散式模型预测控制存在的局限性使得其在复杂大系统控制的过程当中性能并不优越。随着通信技术的发展，分布式模型预测控制得到广泛的关注，各种专家开始加入到对其研究中去。分布式模型预测控制是将复杂大系统划分为若干个低维、简单的子系统，分别对每个子系统进行控制器的设计，在对各个子系统分别实施控制时，将对当前子系统产生影响的有关联作用的其余子系统考虑在内，它们之间相互交换各自的信息，协调各自的控制方案。使得整个系统的控制性能得到优化。分布式模型预测控制算法，通过划分子系统，对各个子系统进行信息交互，使得系统的控制复杂程度降低，同时又避免了分散式模型预测控制中没有考虑子系统之间的关联和耦合问题[7]。