Skip to content
返回搜索结果

模型预测控制

提出者
Jacques Richalet
年份
1978
类型
algorithm
类别
Optimal Control

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

模型预测控制(MPC)是一种先进的控制策略,它使用显式的过程模型来预测有限时间范围内的未来系统行为,并在每个控制步长中求解一个优化问题。MPC最早由Richalet等人于1978年正式提出,现已成为过程控制行业的首选方法,从化工厂到自动驾驶汽车,因为它能自然地处理约束并同时优化多个目标。

方法背后的直觉

MPC的核心思想是利用系统的数学模型来模拟多种可能的未来情景,并计算出最佳控制动作,使系统在遵守操作约束的同时保持在期望的设定点附近。在每个采样时刻,算法都会预测未来一段时间内的系统输出,求解一个优化问题以找到最小化成本函数的控制输入序列,仅应用第一个控制动作,然后用新的测量值重复该过程。这种预测、优化、执行、测量、重复的反馈机制使得MPC对扰动和模型不确定性具有鲁棒性,同时明确考虑了物理和操作限制。

历史学

Richalet在1978年引入了启发式模型预测控制(HMPC)的概念,用于工业过程。Garcia等人于1989年提供了全面的理论框架,建立了与动态规划和稳定性理论的联系。Mayne等人(2000年)正式化了约束MPC和稳定性条件。此后,该领域已扩展到非线性MPC(NMPC)、显式MPC(预计算控制律)以及能够实现嵌入式系统实时实现的快速优化算法。

何时使用

当需要显式处理约束(例如,阀门限制、安全边界)、管理多个相关变量(多变量控制)或扰动和非线性显著时,使用MPC。它最适用于动态缓慢到中等的系统,且计算时间允许实时优化。典型应用包括化学过程控制、暖通空调系统、发电厂和自动驾驶。如果您的系统需要微秒级的控制速率或无法获得高保真过程模型,则应避免使用MPC。

局限与注意事项

  • 计算成本高昂;对于非常快速的系统,在每个步骤求解优化问题可能不可行。
  • 需要准确的过程模型;模型精度差会显著降低性能。
  • 非线性MPC是非凸的,可能陷入局部最小值。
  • 稳定性与可行性保证并非易事,尤其对于约束问题。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 通过显式优化自然处理输入和状态约束。
  • 提供多变量控制,自动协调多个输入和输出。
  • 由于滚动时域反馈回路,对扰动和模型失配具有鲁棒性。
  • 允许纳入未来的参考轨迹或设定点变化。
  • 与传统的PID调优相比,易于调优(成本函数权重)。

应用

  • 化学过程控制:在遵守安全约束的同时,优化反应器和蒸馏塔中的温度、压力和流速。
  • 自动驾驶汽车:在避开障碍物和遵守道路约束的同时,管理加速度、转向和减速以遵循期望的轨迹。
  • 电网管理:在滚动预测范围内平衡供需,控制发电调度和电压稳定性。
  • 建筑暖通空调系统:在最小化能耗的同时,协调供暖、制冷和通风以维持舒适设定点。
  • 机器人路径规划:计算尊重执行器限制和碰撞约束的平滑、可行的轨迹。

使用方式

使用方式

1

使用系统模型和当前状态预测预测范围内的未来输出(通常为10-100步)。

2

制定并求解一个约束优化问题,找到最小化跟踪误差和控制努力,同时遵守输入和状态边界的最优输入序列。

3

将优化序列中的第一个控制输入应用到过程中。

4

测量新的系统状态,更新预测,并在下一个采样时刻重复整个循环。

常见陷阱

  • 将预测范围设置得太短会导致短视、次优控制;太长会增加计算量。
  • 未能调优成本函数(例如,误差与控制努力之间的权重)会导致响应迟缓或过于激进。
  • 使用不能捕捉系统动态的过度简化或不准确的模型会导致实际性能不佳。

常见问题

什么是滚动时域原理及其重要性?

滚动时域原理意味着在一个有限的未来窗口内求解一个优化问题,仅应用第一个控制动作,然后将窗口向前移动。这种机制创建了一个反馈循环,在每一步纠正误差和扰动,即使模型不完美,也能使MPC具有鲁棒性。

如何选择预测范围的长度?

一个经验法则是将预测范围设置为系统主导时间常数沉降时间(settling time)的3-5倍。太短会导致短视行为;太长会增加计算量而没有额外的好处,并可能导致不可行性。经验调优或开环响应分析有帮助。

MPC能处理非线性系统吗?

是的,非线性MPC(NMPC)可以处理非线性系统模型。然而,优化变得非凸,需要迭代求解器,这些求解器速度较慢,并且可能收敛到局部最小值。通常使用在标称轨迹周围进行线性化或近似方法来减少计算时间。

有哪些可用于实现MPC的软件工具?

流行的工具包括MATLAB模型预测控制工具箱、Simulink、开源软件包如CasADi(用于优化),以及EMS和gProms等专业商业平台。对于嵌入式系统,ACADO等库和快速二次规划求解器(例如qpOASES)可以实现实时实现。

相关方法

参考文献

  1. Richalet, J., Rault, A., Testud, J., & Papon, J. (1978). Model predictive heuristic control. Automatica, 14(5), 413-428.

    打开 DOI 文献
    已复制。
  2. Garcia, C. E., Prett, D. M., & Morari, M. (1989). Model predictive control: Theory and practice. Automatica, 25(3), 335-348.

    打开 DOI 文献
    已复制。
  3. Mayne, D. Q., Rawlings, J. B., Rao, C. V., & Scokaert, P. O. (2000). Constrained model predictive control: Stability and optimality. Automatica, 36(6), 789-814.

    打开 DOI 文献
    已复制。