精品文档你我共享预测PID控制算法的基本原理及研究现状预测PID控制算法的基本原理及研究现状关键词：模型预测控制预测PID控制算法在现今全球竞争日益激烈的市场环境下，通过先进控制获取经济效益来提高企业竞争力，已成为一种趋势。据有关文献报道(薛美盛等，2002)，各种不同石油化工装置实施先进控制后，其每年净增效益如表1所示。虽然各公司所报出的年效益有所不同，但其数据出入不大，而实施先进控制所需成本只占其产生效益的很小一部分比例。国外发达国家经验表明(孙德敏等，2003)：采用先进控制理论和过程优化将增加30%的投资，但可提高产品层次和质量，降低能源和原材料消耗，从而增加85%的效益，如图1所示。投资70%的资金购置DCS，换来的是15%的经济效益；再增加30%的投资，可以换来85%的经济效益。其中增加的8%用于传统的先进控制(TAC)，得到的经济效益是8%；增加的13%用于预测控制(DMC)，得到的经济效益为37%；增加的9%用于在线闭环优化(CLRTO)，换来的经济效益是40%！因此，实施先进控制与优化是不用投资的技术改造。然而，控制理论本身也面临着一些问题和困难，需要不断改进和提高。尽管大量新的控制算法不断涌现，但常规的PID及改进的PID控制算法仍广泛应用于工业控制领域。一些先进控制算法专用性强、适应性差、鲁棒性能差、算法复杂、实施和维护成本高，这些都限制了它们的推广和发展。据日本控制技术委员会(SICE)对110家企业和150位控制工程师调查显示(Huruo,1998)，近20年来，工业界迫切需要解决的控制难题分别是：大滞后、强耦合、时变、严重干扰以及非线性对象的控制，这些问题始终都没有得到切实有效的解决。部分先进控制理论理论性太强，实际应用需做大量的改进和简化，使先进控制具备鲁棒性是当前重要的发展方向。在先进控制技术中，最有应用前途的是模型预测控制，该技术经历了4代发展，已非常完善和成熟了。第一代模型预测技术以DMC(Cutler,1979)和IDCOM(Richalet,1978)两种商业产品为标志；QDMC(Garcia,1986)标志着第二代模型预测技术；IDCOM-M(Froisy,1990)、SMCA和SMOC(Yous,1991)代表着第三代模型预测技术的产生；第四代模型预测技术就是人们熟悉的DMC-plus和RMPCT，分别是Aspen和Honeywell公司的最新商业化软件。现今模型预测控制技术不仅能处理硬、软约束、病态排除、多目标优化，而且能通过Kalman滤波器消除不可测干扰和噪声的影响(Lundstrm,1995)，同时采用鲁棒控制技术和先进的辨识技术处理模型的不确定性，大大增强了模型预测技术的适应能力。正因为模型预测控制的强大功能，它是一些具有非最小相位、积分、不稳定、多变量强耦合(包括方系统、胖系统、瘦系统)等特殊动态特性过程的理想控制工具。据统计，2002年全世界共成功实施4600例模型预测控制算法(Qina,2003)，是1997年的两倍多，短短5年时间比过去近20年应用的还多，可见其发展速度之快。因此，它被誉为20世纪80年代“最有前途的先进控制算法”，一点也不过分。像所有先进控制算法一样，模型预测控制也有着自身的缺点：(1)预测控制算法比较复杂，计算量比较大。正因为复杂，在算法实现上要考虑多方面因素，既要保证算法简洁，又要使算法具有足够的可靠性和稳定性，同AAAAAA精品文档你我共享时也提高了硬件要求。而且不能在DCS或其他监控软件中直接实施，需要复杂的冗余机制，实施很不方便，并提高了成本费用。(2)实施周期长，参数整定复杂，即便是有丰富经验的工作人员，也得花费较长时间进行在线或离线参数整定过程。(3)需要过程对象较为精确的模型，对于一些不允许作阶跃测试的过程对象，虽然可以运用其他方法进行建模，但建模的精确度会受到很大影响，或者不能完全反应过程的动态特性。(4)控制系统完成后，必须对操作人员进行培训。由于算法复杂，操作人员对其的理解有深有浅，不能最大限度地发挥该先进算法的作用，有时甚至会引起误操作。受工艺条件、模型变化的影响，需要专门的技术人员进行算法维护。(5)在重要干扰变量不可测或干扰模型不可辨识时，系统的控制性能将严重恶化，运用反馈校正的方法虽然能够起到一定作用，但十分有限。一般做法是将重要的不可测干扰变量进行软测量，这...
