4. 预测模型

在MPC（模型预测控制）中，预测模型是整个控制器的“眼睛”。它决定了控制器能否在每一个采样时刻，基于当前状态和未来控制输入，准确推演系统在未来一段时间内的行为。没有预测模型，滚动优化就失去了依据；预测模型不准确，再精巧的优化器也无法保证闭环性能。本节围绕状态预测方程、输出预测方程、预测时域与控制时域，以及模型精度与鲁棒性的影响展开。

一、状态预测方程：从当前状态推演未来

MPC通常基于离散状态空间模型。设系统在时刻 k 的状态为 x(k)，控制输入为 u(k)，则标准离散模型可写为：

x(k+1) = A x(k) + B u(k)
y(k)   = C x(k) + D u(k)

其中 A 为状态矩阵，B 为输入矩阵，C 为输出矩阵，D 为直馈矩阵。若系统无直馈，则 D=0。状态预测方程的核心思想是：从当前测量或估计得到的 x(k) 出发，依次代入未来控制序列 u(k), u(k+1), …, u(k+N-1)，得到未来各时刻的状态预测值。

展开后，未来第 i 步的状态预测可表示为：

x(k+i|k) = A^i x(k) + Σ_{j=0}^{i-1} A^{i-1-j} B u(k+j)

该式表明，未来状态由两部分组成：一部分是当前状态经系统自然演化后的“自由响应”，另一部分是未来控制输入经系统动态作用后的“受控响应”。MPC的优化变量正是未来控制序列，而状态预测方程则把控制序列映射为未来状态轨迹。

二、输出预测方程：把状态预测转化为可评价的输出

实际控制目标通常针对输出 y，而不是状态 x。因此需要将状态预测进一步代入输出方程，得到输出预测方程：

y(k+i|k) = C x(k+i|k) + D u(k+i|k)

若 D=0，则输出预测完全由状态预测决定。将状态预测展开式代入，可得到输出预测与未来控制序列之间的显式关系。工程上常将其写成矩阵形式：

Y = F x(k) + Φ U

其中 Y 为未来输出序列，U 为未来控制序列，F 为自由响应矩阵，Φ 为受控响应矩阵。这一形式直接进入QP优化：目标函数中的跟踪误差、控制增量惩罚、约束条件，都围绕 Y 和 U 展开。

三、预测时域与控制时域：两个不同却协同的参数

预测时域（Prediction Horizon，记为 Np）指控制器向前预测的步数。它决定了控制器“看多远”。Np 过小，控制器可能只顾眼前，无法提前处理大惯性、大滞后或未来约束；Np 过大，计算量和优化变量增加，且远期预测误差可能稀释近期控制效果。

控制时域（Control Horizon，记为 Nc）指优化问题中允许自由变化的未来控制步数。通常 Nc ≤ Np。在 Nc 步之后，控制量常假设保持不变或按某种规律衰减。其关系可表示为：

Nc ≤ Np
u(k+Nc-1|k) = u(k+Nc|k) = … = u(k+Np-1|k)

控制时域越小，优化自由度越低，计算越快，但控制灵活性下降；控制时域越大，优化能力越强，但QP规模增大，实时性压力上升。工程整定中，常见做法是先根据系统响应时间选取 Np，再取 Nc 为 Np 的 10%～30%。

四、模型精度与鲁棒性影响：预测模型不是越“准”越好

模型精度直接影响MPC的闭环性能。若模型与实际系统存在偏差，预测输出会偏离真实输出，导致优化器基于错误信息做出决策。常见偏差来源包括：参数辨识误差、未建模动态、执行器非线性、传感器噪声、时滞估计不准等。

但工程中有一个重要认知：MPC并不要求模型绝对精确，而是要求模型在关键频段和关键工况下足够可靠。这是因为MPC具有滚动优化和反馈校正机制，每个采样时刻都会用最新测量重新预测，从而在一定程度上容忍模型误差。然而，容忍是有限度的。模型误差过大时，可能出现以下问题：

• 跟踪性能下降：稳态误差增大，响应变慢或超调加剧。
• 约束违反：预测输出未超限，实际输出却超出安全边界。
• 闭环失稳：在极端情况下，模型与对象严重失配导致振荡甚至发散。
• 鲁棒性不足：面对工况变化、负载扰动、参数漂移时，控制品质显著恶化。

五、参数整定与模型验证清单

下表汇总了预测模型相关参数与验证要点，便于工程落地时逐项检查。

六、案例与复盘：模型失配导致的约束违反

某温度控制系统中，MPC采用一阶惯性模型，预测时域 Np=30，控制时域 Nc=5。实际对象存在未建模的传输滞后，且滞后时间随流量变化。调试初期，控制器在设定值阶跃时表现良好，但在流量突降工况下，实际温度超出安全上限，而预测温度仍在约束内。复盘发现：模型滞后估计偏小，导致预测输出“提前到达”，优化器误判约束满足。改进措施包括：增大滞后估计、在约束中加入安全裕量、引入输出反馈校正项，并将 Np 适当增大以覆盖更长的滞后。调整后，约束违反消除，跟踪性能略有下降但可接受。

总结来看，状态预测方程和输出预测方程构成MPC的预测骨架；预测时域与控制时域决定控制器“看多远”和“动多少”；模型精度影响预测可信度，而鲁棒性设计则决定系统在失配和扰动下能否安全运行。工程实践中，应把预测模型视为一个需要持续验证和调整的动态资产，而不是静态公式。