陈显锋,孙京诰,张海峰

(华东理工大学信息科学与工程学院,上海 200237;华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237)

1 引言

出于提高化工生产效率的目的,复杂化工过程控制的经济性指标被愈发重视,且此类系统通常伴随强非线性、工艺约束条件复杂等特性,导致控制系统设计极具挑战.为了应对这些挑战,非线性模型预测控制(nonlinear model predictive control,NMPC)利用过程数学模型,采用在线优化的方式,将操作约束、系统非线性及经济性指标等多个方面同时考虑在内,以确定最优控制输入[1].然而,经济性指标达到最优往往伴随着系统状态运行于可行域的边界[2],进而导致系统性能显著恶化,甚至在模型不确定性的影响下造成经济损失和安全问题[2-3].

考虑到复杂系统存在严格的状态量及输出量约束,额外的鲁棒性裕度应被引入以抵消模型不确定性的影响.最大最小方法一定程度上增强了NMPC的鲁棒性[3],该方法通过最小化最坏情况下的损失函数获取最优控制输入轨迹,同时确保可靠的约束满足,但优化是以开环方式针对最坏情况执行的,并未利用任何的反馈信息,通常导致解决方案较为保守.

在文献[4]中作者认为不确定性的有效处理需要反馈模型,因此通过求解开环优化问题计算的控制输入轨迹并不是最优的.Lucia等人提出的多阶段非线性模型预测控制(multi-stage nonlinear model predictive control,MSNMPC)[5]提供了一种利用反馈信息闭环优化的思路,该方法通过将预测时域上的不确定……