滚动时域广义最小方差性能评价在模型预测控制中的应用

"模型预测控制器的广义最小方差性能评价 (2011年) - 李昌磊, 赵众 - 北京化工大学学报(自然科学版) - 第38卷第3期" 这篇论文主要探讨的是在模型预测控制（MPC）领域中，如何更有效地评价控制器的性能，特别是处理过程变量约束和操纵变量约束的问题。作者基于滚动时域最小方差性能评价方法（Rolling Horizon Minimization Variance, RH-MV）和广义最小方差控制（Generalized Minimum Variance, GMV）理论，提出了一种新的滚动时域广义最小方差性能评价方法。 传统的最小方差控制理论主要关注系统输出的均方误差最小化，而广义最小方差控制则进一步考虑了系统的多变量特性，旨在优化整个系统的性能，同时处理系统内部各变量之间的相互影响。在模型预测控制中，这种方法允许在预测期内优化未来的控制行为，以达到在满足系统约束条件下的最优性能。 论文指出，新提出的滚动时域广义最小方差性能评价方法不仅能处理过程变量的硬约束，例如物理限制或安全限制，还能够考虑操纵变量的软约束，如能源消耗、产品质量等。这使得该方法在实际工业应用中更具灵活性和实用性。 通过Wood-Berry精馏塔模型的仿真案例，作者证明了所提方法相比于传统的滚动时域最小方差性能评价，更能体现实际工况中的复杂性和约束条件，从而提供更准确的性能评估。这一案例分析不仅验证了新方法的有效性，也显示了它在处理约束问题上的优势。 此外，论文还引用了其他研究者的工作，如Harris的最小方差控制基准、Tyler的多变量系统扩展、Ko的时间序列分析等，这些工作为控制器性能评价提供了不同的视角和技术基础。对于模型预测控制的性能监测和诊断，尽管仍处于初步阶段，但这项研究无疑为该领域的进步作出了贡献。 总结来说，这篇论文提供了一种增强的性能评价工具，有助于改进和优化模型预测控制器在实际工业过程中的表现，尤其是在面临多种约束条件时。这种方法的实用性和有效性为未来工业自动化和过程控制领域提供了有价值的理论支持。