摘    要：预测控制方法自1970s提出后在学术界和工业应用领域都取得了很大的进展，尤其在工业过程控制方面成为一种重要的先进控制方法。根据工业过程控制的特点和进一步的需求，对近年来在工业过程控制领域预测控制方法取得的新进展进行综述，包括过程控制系统模型辩识，数据驱动的预测控制和在网络信息模式下的预测控制等。并对预测控制进一步的发展需求进行分析，介绍了欧盟正在进行的第七框架对于大系统分布式预测控制的研究内容。关键词：工业过程系统；系统建模；预测控制；数据驱动；网络化控制系统

中国分类号：tp273    文献标识码：a

    预测控制的思想可以追溯到1963，率先将预测控制应用到过程控制。在早期的文献中，mpc通常使用阶跃响虚和脉冲模型对过程进行建模，这样非常有助于使用者的理解，有利于在合适的软件体系下进行相应的优化控制及辨识。其中，idcom，由richalet，etal(1976)提出利用了有限时域脉冲响应（线性）模型，二次型性能指标，以及过程的输入输出约束条件。该算法使用最小二乘方法进行线性估计，在求解开环****控制问题的同时，也是求解一个估计问题。动态矩阵控制( dmc；cutler，ramaker，l980[3j)使用阶跃响应模型，在其他方面都与idcom是相似的，但在处理约束问题上存在很多问题。

    这些问题在以qdmc为代表的第二代预测控制中被克服，qdmc采用二次规划方法在系统是线性、目标为二次型、约束为不等式条件韵前提下求解有约束的开环优化问题。第三代预测控制技术于1990s出现，这种预测控制可以处理各种级别的约束条件（硬约束、软约束、优先级约束），提供了当优化问题不可行时的解决方法，并且控制系统的结构可以根据状况发生改变，达种预测控制算法能够适应系统大范围的动态变化，满足控制系统的性能要求。预测控制的持续发展，使得预测控制广泛应用在工业系统中，尤其是一些大型企业。

    预测控制发展至今提出的算法不下几百种，其基本原理可以概括为预测模型、滚动优化和反馈校正，是一类基于过程模型通过求解有限时间性能优化的计算机程序实现的控制算法，随着工业系统大型化、网络化的发展，预测控制在工业过程系统中的应用也出现了一些新的特点和对算法研究的新需求，下面分为3个方面进行分析。

    建立过程的数学模型有两种基本方法机理分析法和系统辨识方法。机理分析法又被称为理论建模，它通常需要通过分析过程的运动规律，运用一些已知的定律、定理和原理，如化学动力学原理、物质能量平衡方程、牛顿力学平衡原理等，分析过程内部各变量的关系建立过程的数学模型。显然，由机理分析法得到的过程模型能****程度地复现系统内部各个过程的运行情况，因而具有很高的精确性。然而，对于诸如大多数化工生产过程等复杂工业系统而言，由于生产工艺复杂、内部工作变量不可测量等原因，使得建立系统机理模型变得非常困难。而且，通过机理分析方法得到的动力学模型通常具有复杂的非线性微分方程的形式，这种模型往往不能直接用于控制器设计及闭环控制系统性能分析。因此，在工业过程控制领域，常采用系统辨识的方法来获取系统的数学模型。

    过程辨识是利用实验数据进行数学建模的方法。作为自动控制领域中的一个重要分支，过程辨识技术得到了飞速发展，相继出版了大量的有关著作。在这些著作中提到的系统辨识方法（称之为经典的系统辨识方法）大致可以分为预测误差类方法、子空间穷法和谱分析方法。这些方法从数理统计的角度出发，围绕模型参数估计的无偏性和一致性问题展开研究，形成了一套完善的理论体系。近些年来，随着各种基于模型的控制理论的发展，系统辨识的目的由单纯地追求精确的模型参数估计向“辨识为控制服务”转变，也就是说，辨识的目的在于尽可能地减小模型的不确定性，以满足控制系统的鲁棒性要求。

    1)基于继电反馈测试的参数辨识astrom早在1970s开始从自适应控制的角度研究过程系统在线的辨识方法，提出一种新颖的自整定pid控制策略，假设被控过程是一个慢时变且在某一个稳定的工况下闭环系统工作在线性或者弱非线性区域内。自整定控制系统分为闭环测试和闭环控制两