模型预测控制的未来发展
多变量预测控制系统的稳定性、鲁棒性 线性系统 自适应预测—理论性较强 非线性预测控制系统 内部模型用神经网络（ ANN ）描述 针对预测控制的特点开展研究 国内外先进控制软件包开发所采用 分布式预测控制
模型预测控制的基本原理
r(k)
+_
d(k)
u(k)
y(k)
在线优化
受控过程
+ ym(k+j| k)
+
反馈校正
预测模型
y(k|k)
_ +
模型预测控制的基本原理
预测模型
预测模型的功能
根据被控对象的历史信息{ u(k - j), y(k -j) | j≥1 }和未来输入 { u(k + j - 1) | j =1, …, M} ，预测系统未来响应{ y(k + j) | j =1, …, P} 。
输出预测
第2步输出预测： yˆm (k 2) Gˆ (z 1)u(k 2) (k 2) gˆ (z 1)u(k 1) (k 2)
第i 步输出预测：
yˆm (k i) Gˆ (z 1)u(k i) (k i) gˆ (z 1)u(k i 1) (k i)
模型预测控制的优势
对模型要求不高 鲁棒性可调 可处理约束 (操作变量 MV、被控变量CV) 可处理 “方”、“瘦”、“胖”，进行自动转 换 可实现多目标优化（包括经济指标） 可处理特殊系统：非最小相位系统、伪积分系统、 零增益系统
模型预测控制的弱势
开环控制+滚动优化的实施需要闭环特性的分析， 甚至是标称稳定性的分析 在线计算量较大。目前广泛应用于慢过程对象的 控制问题上 非线性对象，需要额外的在线计算 需要辨识模型，分析干扰，确定性能指标，整个 问题集合了众多信息
