📚 课程目录第4章模型预测控制原理

4. 模型预测控制原理

模型预测控制（Model Predictive Control，MPC）是APC项目中最核心的控制算法族。它并不追求一次性求出全局最优控制律，而是在每个采样时刻，基于当前测量信息与预测模型，向前推演未来一段时间的系统行为，求解一个带约束的有限时域优化问题，并只实施第一个控制增量。下一时刻重新测量、重新预测、重新优化，形成“预测—优化—校正”的闭环滚动机制。理解MPC，关键是抓住五个要素：预测模型、滚动优化、反馈校正、目标函数与约束处理。

一、基本思想：用模型“预演未来”，用优化“选择现在”

MPC的基本思想可以概括为：以模型预测未来，以优化求解控制，以滚动方式实施，以反馈修正偏差。与PID“看到偏差再动作”不同，MPC具有前瞻性，它利用过程模型预判未来若干步的输出走向，在满足约束的前提下，选择使目标函数最小的控制序列。

在APC工程中，MPC通常以多输入多输出（MIMO）形式出现，能够同时处理多个被控变量（CV）、操纵变量（MV）和干扰变量（DV）。其核心优势在于：显式处理约束、协调多变量、利用未来信息、适应大滞后过程。

核心逻辑：测量当前状态 → 预测未来输出 → 求解带约束优化 → 实施第一步控制 → 下一时刻重复。

二、预测模型：MPC的“推演引擎”

预测模型是MPC的基础。它不要求模型绝对精确，但必须能够较准确地描述被控对象在未来时域内的动态趋势。工业MPC常用模型包括阶跃响应模型、脉冲响应模型、状态空间模型和传递函数模型。其中，阶跃响应模型因易于辨识、鲁棒性好，在石化、化工APC项目中应用最广。

预测模型的作用是：给定未来控制增量序列，计算未来P个时刻的预测输出。设预测时域为P，控制时域为M，通常M≤P。模型预测输出可表示为：

Y_pred(k+1|k) = Y0(k+1|k) + S · ΔU(k)
其中：
Y_pred：未来P步预测输出
Y0    ：未来P步自由响应（控制量不变时的输出）
S     ：动态矩阵，由阶跃响应系数构成
ΔU    ：未来M步控制增量序列

预测模型越能反映真实过程动态，MPC的调节品质越好。但工程上更强调模型与工况匹配，而非盲目追求高阶复杂模型。

三、滚动优化：每个时刻只解一次“局部最优”

滚动优化是MPC区别于传统最优控制的关键。传统最优控制通常离线求一条全局最优轨迹，而MPC在每个采样时刻在线求解一个有限时域优化问题。优化目标是在未来P步内，使被控变量尽量接近设定值，同时控制增量不要过于剧烈。

优化问题的一般形式为：

min J = Σ ||y(k+i|k) - r(k+i)||²_Q + Σ ||Δu(k+j|k)||²_R
s.t. 
  u_min ≤ u(k+j|k) ≤ u_max
  Δu_min ≤ Δu(k+j|k) ≤ Δu_max
  y_min ≤ y(k+i|k) ≤ y_max
  i = 1...P, j = 0...M-1

其中Q和R为权重矩阵，分别决定输出偏差与控制增量的相对重要性。求解得到ΔU后，只实施第一个控制增量Δu(k)，然后时间向前推进，重新测量、重新预测、重新优化。这种“滚动”机制使MPC能够持续吸收新信息，克服模型失配和外部干扰。

四、反馈校正：让预测不脱离真实过程

预测模型不可避免存在误差，外部干扰也会使实际输出偏离预测值。反馈校正的作用，就是利用当前时刻的实际测量值与模型预测值之间的偏差，对未来的预测进行修正。

常用校正方式为：

将当前时刻预测误差 e(k) = y_meas(k) - y_pred(k|k-1) 叠加到未来预测输出上；
采用一阶滤波方式平滑校正量，避免测量噪声直接进入控制律；
对不可测干扰，通过误差反馈间接补偿。

反馈校正使MPC形成闭环，而不是开环模型推演。工程上，校正强度需要权衡：校正太弱，抗扰慢；校正太强，容易引起振荡。

五、目标函数与约束处理机制

目标函数决定MPC“想要什么”，约束处理决定MPC“允许什么”。二者共同构成MPC的优化空间。

要素	作用	工程关注点
输出偏差项	使CV跟踪设定值	权重Q决定跟踪优先级
控制增量项	抑制MV剧烈动作	权重R决定控制平滑度
MV上下限	限制阀门、泵、加热器能力	必须与设备实际能力一致
ΔMV速率限制	防止执行机构过快动作	影响响应速度与稳定性
CV软约束	允许短期越限但惩罚	用于质量卡边、安全边界
CV硬约束	绝对不可越限	用于安全联锁、设备保护

约束处理是MPC相对PID的最大优势之一。实际装置中，MV受阀门开度、泵能力、加热功率限制，CV受质量指标、安全边界限制。MPC在优化时显式考虑这些约束，当约束冲突时，通过优先级和软约束松弛机制寻找可行解。

工程经验：MV约束应留有余量，CV软约束应设置合理惩罚权重。若硬约束过多且相互冲突，优化器可能无可行解，导致MPC退出或输出保持。

六、典型场景：常压塔塔顶温度控制

以常压塔塔顶温度控制为例，CV为塔顶温度，MV为回流量，DV为进料量或环境温度。MPC根据阶跃响应模型预测未来塔顶温度变化，在回流量上下限和速率限制内，求解使温度偏差与控制增量加权和最小的回流调整序列。若进料量突然增加，MPC通过DV前馈和反馈校正提前增大回流量，抑制温度上升。相比PID，MPC能更好地协调温度与回流、减少超调、卡边运行。

七、常见误区与复盘

误区一：模型越复杂越好。 工业MPC更看重模型与工况匹配，过度复杂模型会增加辨识和维护成本。
误区二：预测时域越长越好。 P过长会增加计算量，且远期预测误差大；P过短则缺乏前瞻性。
误区三：约束越多越安全。 过多硬约束可能导致优化不可行，应合理使用软约束和优先级。
误区四：反馈校正可以替代模型精度。 反馈校正只能补偿有限误差，模型严重失配时MPC性能会显著下降。

MPC投用前必须进行阶跃测试、模型辨识、仿真验证和约束检查。投用后应持续监控预测误差、约束活跃度和控制增量，及时进行模型更新与参数整定。

综上，MPC以预测模型为基础，以滚动优化为核心，以反馈校正为闭环保障，以目标函数和约束处理为决策边界。掌握这五个要素，就掌握了模型预测控制在APC项目中的工程实现主线。