第17卷第4期 控制理论与应用 1

Vol ．7‚ 4
No ．
2
000年8月 CONTROL THEORY AND APPLI CATI ONS 2
Aug ．‚000

0
文章编号：100－8
152
（20
00 4－0
）0 469－0
7

预测控制性能研究的新进展∗

席裕庚 耿晓军 陈 虹
（ 上海交通大学自动化研究所·上海‚
200
030
） （ 吉林工业大学控制工程系·长春‚
130
025
）

摘要： 随着预测控制在工业过程中的广泛应用‚近年来‚预测控制理论研究也取得很大进展．本文系统地综述
和评析了在预测控制性能方面理论研究的新进展‚主要内容包括预测控制系统的稳定性、鲁棒性、可行性等性能以
及对非线性系统的研究．
关键词： 预测控制；稳定性；鲁棒性；可行性；非线性系统
文献标识码： A

Recent Advances i n Research on Predictive Control Perfor mance

XI Yugeng and GENG Xiaojun
（Institute of Auto mation ‚Shanghai Jiaotong University ·Shanghai ‚2
000
30‚P ．
R．China）

CHEN Hong
（ Depart ment of Control Engineering ‚Jilin University of Technology ·Changchun ‚1
300
25‚P ．
R．China）
Abstract ： With the wide application of predictive control in industrial processes ‚
the theoretical research on predictive con-
trol also achieves great develop ment in recent years ．In this paper ‚recent advance in research on predictive control perfor mance
is surveyed ‚which includes the stability ‚robustness ‚feasibility of predictive control syste ms ‚as well as nonlinear predictive
control ．
Key words ： predictive control ；stability ；robustness ；feasibility ；nonlinear syste ms

1 引言（Introduction） · 不确定 MPC 系统鲁棒性分析和设计．

9
0年代以来‚模型预测控制（ MPC） 不仅在实际应用中‚ ·MPC 可行性分析．
而且在理论上取得了突飞猛进的进展．预测控制之所以成为 · 非线性系统 MPC 的相应研究．
过程控制中的典范‚主要原因在于其对模型的宽容性（ 参数 2 稳定性（Stability）
或非参数、线性或非线性） 、有限时域滚动优化的有效性以及 虽然 MPC 技术发展已久‚但研究 MPC 系统的稳定性却
在设计中考虑各种软、硬约束的可能性．近年来的研究工作 一直十分困难‚尤其是对于带约束的 MPC 以及开环不稳定、
已发展到针对有扰动、有摄动和有约束的 MPC ‚研究其稳定 有非最小相位、时滞等特性的对象．通常 MPC 是通过反复在
性、鲁棒性、可行性等‚并涉足非线性 MPC（ NLMPC） ．
NLMPC 线求解一个带约束的有限时域优化问题来实现的．有限时域
和 CMPC（ 约束 MPC） 已逐渐成为预测控制研究的热点． 开环最优不能保证系统闭环稳定‚而且 MPC 系统的闭环描
对于早期预测控制的研究已有一些文献作了综述．近年 述很难得到‚这是研究困难所在．近年来‚在标准 MPC 问题
来‚文［ 1
］ 又对 MPC 在工业过程中的应用作了较为细致的评 的基础上‚人们对其描述进行转化或添加各种条件、约束‚在
述．本文则从研究 MPC 系统性能的角度出发‚对 MPC 理论 稳定性研究方面得到许多结果．下面根据这些研究所用方法
的发展近况作一总结和评述． 和思路的差异‚分别进行评述．
由大量文献可以看到‚预测控制的闭环性能分析主要集 2
∙1 无限优化时域 Np ‚无限控制时域 NU 的预测控制（Pre-
中在稳定性及鲁棒性两方面‚而对控制算法的设计和改进也 dictive control with infinite opti mization horizon Np and infi-
集中于保证系统稳定性和提高系统鲁棒性．另外‚在工业实 nite control horizon NU） ［ 2～4］
践中‚输入输出变量存在着各种各样的硬约束‚而 MPC 算法 线性系统无约束 MPC 问题类似于 LQR 控制‚利用 Ric-
设计时又往往会加入人为的条件‚因此控制系统解的可行性 cati 方程可得到定常增益反馈控制‚保证标称系统稳定．对于
研究也很有意义．此外‚非线性系统 MPC（ NLMPC） 的研究又 带约束的系统或非线性系统‚每一采样时刻需要求解一个无
有其特殊性和重要性‚因此‚本文将从以下几方面进行综述： 穷维的无穷时域最优控制（I HPC） ‚难以实现．但工业实践中
· 标称 MPC 系统稳定性分析和设计． 约束及非线性因素又是不可避免的‚方便处理约束的能力恰

∗ 基金项目：国家自然科学基金（699
340
20） 资助项目．
收稿日期：1
999－0
3－2
6；收修改稿日期：1 9
99－1
1－0
2．
 470 控制理论与应用 1
7卷

恰正是预测控制的特长所在‚因此只能考虑近似求解．如文 Uk＋1 ＝｛u（ k ＋1

）‚ ） ‚…‚
u（ k ＋2 u（ k ＋ N －1
）‚0
｝为 k ＋1时
［4
］ 针对离散线性系统带约束的 MPC 问题‚将一定时域后的 刻满足约束的一个可行解‚其对应的性能指标值为 J k＋1‚记
控制输入固定为 LQR 状态反馈控制‚从而将无穷维的控制 ∗
该时刻的最优性能指标值为 J k＋1‚于是有
∗
1 ≤J k＋1 ＝
问题近似为有限维问题求解． J k＋
2
∙2 无穷优化时域 Np ‚有限控制时域 NU 的预测控制（Pre-
J k∗ －x T（ k） Q（ k） x（ k） － u T（ k） R（ k） u（ k） ≤ J k∗ ．
dictive control with infinite opti mization horizon Np and finite
可见‚若系统不在原点‚最优性能指标值随时间单调递减‚由
control horizon NU ‚
I HPC）
此可导出控制系统的渐近稳定‚同时表明稳定性仅要求约束
有限控制时域使优化问题中决策变量为有限个数‚因此
优化问题的可行性而非最优性［ 60］ ‚从而可在保持稳定性的
每一采样时刻只需在线优化一个有限维 QP 问题‚并且可以
前提下‚以降低最优性为代价‚提高算法的实时性．
解决约束问题；无穷优化时域则保证了最优目标函数值在滚
除了上述终端等式约束 MPC 外‚从稳定性考虑‚人们还
动优化过程中的不断下降‚从而得到稳定的 MPC 系统．
引入了不同形式的终端不等式约束‚称为稳定性约束（stabili-
文献［ 5
］ 将线性被控系统按稳定与否及有无约束分为四
Polak 和 Yang ［ 14］ 在优化过程中加入终端不等式
ty constraints） ．
种情形分别进行研究．对于不稳定系统‚在控制时域终点将
约束‚从而针对带约束的线性连续时间系统‚得到了一个压
不稳部分状态强制为零‚相当于增加了一个约束项‚从而可
缩 MPC 策略‚即要求 k 时刻的预测状态量x（ k ＋ L） 收敛到
转化为带约束稳定系统的优化问题．利用某些正定变量随时
某一范围内．这一压缩硬约束保证了闭环系统的稳定性．文
间的单调递减变化‚可给出上述各种情况下I HPC 系统稳定
［1
5］ 则针对离散非线性系统‚在滚动优化过程中强制某些时
的条件．文献［ 6
］ 侧重于研究输入约束下I HPC 控制律的存在
刻的状态量成递减趋势．
并指出在输入约束条件下无穷时域 MPC 使离散线性系
性‚
终端硬约束方法能够得到漂亮的稳定性结论‚然而这些
统全局稳定的条件是开环系统的特征值全部位于闭单位圆
人为的约束‚再加之系统本来具有的硬约束可能使优化问题
内．文献［ 7
］ 从可达状态出发‚基于在单位能量控制下可达状
变得不可行．因此‚伴随而来的可行性问题还有待解决．
态集的增长率‚证明了离散可控线性系统在控制约束下可在
2
∙4 有限时域终端加权（ Weighting on the ter minal of the finite
有限步控制 到 原 点‚当 且 仅 当 它 的 所 有 特 征 值 在 闭 单 位 圆
horizon）
内．该文将这一结论引入I HPC 系统‚指出若系统特征值在闭
前述有限时域终端约束的引入‚减少了控制器的灵活性
单位圆内‚则存在某一 N 值‚当控制时域大于 N 时‚可保证
和可行区域‚甚至会导致可行解不存在．终端状态强制到零
系统稳定．这些结论均可验证‚且具有明确的物理意义．
相当于终端加权矩阵为无穷大‚这启发了人们考虑终端加权
然而‚实际求解过程中无穷时域的目标函数值只能近似
矩阵若为有限时‚如何保证系统稳定性的问题．
得到（ 即采用足够长的时域近似） ‚且计算量非常大．近来‚文
一种思路是选取特殊形式的终端加权项‚并借用无穷时
［8
］ 基于广义预测控制（ GPC） ‚利用线性有限脉冲响应（FI R）
域 MPC 的稳定性机制．如文［ 1
6］ 针对线性时不变离散系统‚
模型的特点‚将无穷时域的目标函数等价为有限时域优化问
选取如下目标函数：
题‚使问题得到解决． N
P
2
∙3 加入终端硬约束（Including hard constraints on ter minal） Jk ＝ mi n
u（ k／k） ‚…‚
u（ k＋N －1
U
）
｛∑x（ k ＋
i ＝1
对有限时域滚动优化问题加入终端等式约束‚在优化时
i／k） T Γx（ i） x（ k ＋i／k） ＋
域结束时将状态量或输出误差量人为强制为零‚早在 Kwon
N －1
等人研究滚动时域控制（ RHC） 时就已提出［ 9］ ．这一思想被人
U

们引入各种形式的预测控制［ 10～13］ ‚并发展了相应的 MPC 策

∑u（ k ＋i／k） T Γu（ i） u（ k ＋i／k）｝．
i ＝0

略‚如 GPC ∞ 控 制［ 12］ 和 CRHPC （ constrained receding-

horizon 其中终端加权矩阵 Γx（ NP） 满足
∞
predictive control） ［ 13］ ．这些文献大体分为两类‚一类基于状态 Γx（ NP） ≥ ∑（ AT） i Γx（ NP －1） Ai ‚
i ＝0
空间描述‚k 时刻优化问题要求x（ k ＋ Np） ＝0．另一类基于
A 为 系 统 矩 阵．该 MPC 策 略 的 出 发 点 来 自 无 穷 时 域
k 时刻优化问题要求输出误差在 Np 之后一段
输入输出模型‚
MPC［ 2‚
5］
‚
它可使 最 优 性 能 指 标 值 单 调 下 降‚具 有 稳 定 性 保
时域内为零．
证．文［ 1
7］ 考虑一般连续非线性系统‚选取性能指标形如：
总的来讲‚加入终端等式约束后的稳定性多是利用最优
J［ xt ‚ h F（·）］ ＝
ut ‚t＋N－1‚N ‚
性能指标值（ 作为 MPC 系统的 Lyapunov 函数） 的单调性来证
t ＋N－1
明的．该方法简单‚并且适用的范围广泛‚包括非线性系统和
∑h（ xi ‚ui） ＋ h F（ xt ＋N） ‚ t
i ＝t
≥0．
有约束系统．其主要思路为：在 k 时刻‚设满足系统输入输出
其中终端加权项 h F（ x） ＝ ax T Px ‚
a ＞0‚P 为对称正定阵．适
约束的最优解
当选取 a 和 P 可使控制系统稳定．文［ 1
8］ 则对非线性系统提
U k∗ ＝｛u（ k） ‚ ） ‚…‚
u（ k ＋1 u（ k ＋ N －1
）｝
出如下 MPC 策略
使系统状态在 k ＋N 时刻转移到原点‚即 x（ k ＋N） ＝0．相应
∫
t ＋TP
mi n J（ x（ t） ‚
u（·）） ＝ ） ‖2Q ＋ ‖u（ τ
（ ‖x（ τ ） ‖2R）d τ＋
的最优二次性 能 指 标 值 为 J k∗ ．则 对 于 无 干 扰 的 标 称 系 统‚ u（·） t
 4期
‖x（ t ＋ T P ； t） ‖2P ‚
x（ t） ‚
其中 x（ t ＋T P ； t） ∈ Ω‚Ω是原点处满足一定条件的邻
x（ t） ‚
域‚称为终端区域‚P 为一 Lyapunov 方程的正定解‚使得
‖x（ t ＋ T P ； t） ‖2P ≥
x（ t） ‚
∫
∞ MPC 性能‚并简单分析了 MPC 系统的鲁棒性．文［ 2
（ ‖x（ τ； t） ‖2Q ＋ ‖u（ τ
x（ t） ‚
t ＋TP
u ＝ kx ‚ ∀x（ t ＋ T P ； t） ∈ Ω．
x（ t） ‚
可见该终端项实质上是 t ＋ T P 时刻之后无穷时域性能指标
的一个上界‚可以保证前述最优性能指标单调下降．
另一种思路是设计终端加权矩阵‚求解出使有限时域性
Kwon 在文［ 1
能指标值单调下降的条件． 9］ 中考虑线性系统
MPC ‚推出当终端加权矩阵满足如下矩阵不等式
d 项式的系数映射为基础‚分析了 CARI MA 模型中噪声滤波器
F ＋ A Tt Ft ＋ Ft At － Ft Bt R t－1BTt Ft ＋ Qt ≤0‚
dt t
其中 Ft ＞0．则性能指标单调下降．最近‚文［ 2
0］ 将该思路进
行扩展‚得到了终端加权矩阵差分不等式条件‚该条件可以
转化为 LMI 进行求解‚并且覆盖了文［ 1
9］ 的结果．
2
∙5 内模控制（I MC） 框架下的稳定性研究（Stability
under the I MC sche me）
内模控制框架下的系统分析是在频域中进行的．文［ 2
1］
将 GPC 变换到内模控制框架下进行描述‚文［ 2
2］ 从该内模控
制结构和最小化实现形式出发‚针对一类常见的一阶惯性加
时滞的工业过程‚分析了其预测控制系统的闭环性能‚给出
了系统动态响应、抗干扰性、鲁棒性与设计系数的解析关系．
文［ 2
3］ 在［ 2
1‚2
2］ 的基础上‚推导出 GPC 更一般意义的闭环
特征多项式的系数变换关系．以此作为 GPC 系统性能分析的
出发点‚通过 分 析 闭 环 特 征 多 项 式 的 根 是 否 全 部 在 单 位 圆
内‚得到了一些有意义的结论．
Rossiter 和 Rossner 等的一系列研究也令人注目．他
另外‚
们在文［ 2
4］ 中提出SGPC（Stable GPC） 策略．其中决策变量不
再是控制增量 Δu（ z） ‚而是作用于一个稳定回路的任意有限
维多项式 c（ z） ．将目标函数用 c（ z） 表示‚优化求解有限维决
策变量‚使预测输出在有限步达到期望值．根据最优目标函
数值随采样时间的单调递减性质‚该策略可保证系统闭环稳
对于约束情况‚他们 继 而 提 出 了 CSGPC（ Constrained SG-
定．
［2
5］
PC） ‚以及改进的 CSGPC（ MCSGPC）
总而言之‚无论是研究方程迭代矩阵‚还是直接从性能
指标值入手‚目前 MPC 稳定性证明的基本方法是利用某些
正定函数的单调性．尤其是对于非线性系统‚由于系统细节
描述的多样性和复杂性‚难于利用其本身特性‚因此可以说‚
稳定性研究只是针对并抓住了滚动时域优化的一般特点．
3 鲁棒性（Robustness）
无论是对于何种形式的预测控制算法‚鲁棒性研究一直
是其理论研究中的薄弱环节．实际工业过程存在于不确定性
环境‚总会受到预先未知的各种不确定性的影响；模型和被
控对象之间也不可避免地存在着失配．基于模型设计的最优
控制律应用 于 实 际 对 象 可 能 导 致 系 统 性 能 变 差‚因 此 研 究
MPC 鲁棒性是十分必要且有实际意义的．总的来说‚
MPC 鲁
预测控制性能研究的新进展 471
棒性问题的研究分鲁棒分析和鲁棒综合两个方面．
3
∙1 MPC 鲁棒性分析（Robustness analysis of MPC）
1
） 基于内模控制（I MC） 框架．
Garcia 和 Morari 于 8
0 年 代 初 提 出 在I MC 框 架 下 研 究
7］ 推导了
） ‖2R）d τ‚
预测控制在内模控制结构下的定量表达‚然后由模型和对象
之间的失配来分析鲁棒性‚其优点是可以定量地研究设计参
数与系统鲁棒性间的关系‚但较局限．在上述基础上‚文［ 2
2］
又研究了一类 MPC 系统在模型增益失配和时滞失配时的鲁
棒性‚给出了增益和时滞的允许失配范围‚以及失配度变化
趋势和系统鲁棒稳定性的关系‚但所得定理只是充分的‚且
仅针对这一类系统．随后‚文［ 2
3］ 以对象到闭环系统特征多
T 对于闭环系统鲁棒性的影响‚并通过比较得出 GPC 中噪声
滤波器 T 作为设计参数时‚其地位实际上相当于 DMC 中的
校正参数‚它们都对模型失配时的闭环系统鲁棒性产生很大
影响．
study 2
） 基于输入输出描述框架．
Zafiriou ［ 28］ 等考虑 输 入、 输 出 约 束‚从 分 析 u（ k ＋1
） 和
u（ k） 之间的映射关系 F 入手‚利用压缩映射原理‚研究其导
致 F′的模的性质‚分析了 MPC 鲁棒稳定性的一些充分和必
要条件．基于单入单出（SISO） 的有限脉冲响应（FI R） 系统‚文
［2
9］ 对带约束的 l 1 范数 MPC 算法进行鲁棒分析‚其中系统
不确定性描述为脉冲响应系数的上下界．文［ 2
3］ 则通过对噪
声滤波器多项式 T（ q －1） 的设计来改善 GPC 系统的鲁棒性．
文［ 3
0］ 在二次性能指标中引入可调多项式以增强 MPC 的鲁
棒性．
3
） 基于状态空间框架．
文［ 1
1］ 对带终端零约束的滚动时域控制（ ZSRH） 进行了
细致而有意义的鲁棒性分析‚使人耳目一新．它从确保性能
指标值的递减性即稳定性出发‚利用性能指标值关于状态量
的泰勒展开‚对增益和幅度扰动分别得出保证鲁棒稳定性的
两个结论‚并给出鲁棒裕度指标 δg 和δa ．利用 Riccati 矩阵方
程可得知‚鲁棒裕度 δg 和δa 均随N 的增大而增大．当 N → ∞
时‚ZSRH 控制器趋近无穷时域 LQ 控制器‚从而表明无穷时
［2
6］
． 域LQ 控 制 器 比 ZSRH 控 制 器 有 更 好 的 鲁 棒 裕 度 保 证．文
［3
1］ 针对非线性连续系统‚首先证明了终端零约束的 NL M-
PC 系统在控制律 Lipschitz 连 续 的 假 设 条 件 下‚是 指 数 稳 定
的‚进而得出该 NL MPC 系统在外界衰减扰动下是渐近稳定
的．
3
∙2 MPC 鲁棒综合（Robust synthesis of MPC）
鲁棒综合问题是建立在被控对象模型不确定性描述基
础上 的．大 多 数 鲁 棒 MPC 设 计 都 基 于 min-max 描 述‚具 有
H ∞ 控制的思想‚即将 MPC 的在线 min 优化问题变为 min-max
优化‚求解控制律使在不确定性最坏情况（ worst case） 下的目
标函数值最小．根据目标函数和不确定性描述的不同‚这里
将鲁棒 MPC 设计分为如下三类：
1
） 基于不确定FI R 模型的 min-max 设计．
 472 控制理论与应用 1
7卷

FI R 模型的不确定性可用脉冲响应系数的变化来描述． MPC 鲁棒性研究大多以其稳定性研究成果为

总的来说‚
文［ 3
2］ 设计了∞-范数和1
-范数性能指标的鲁棒 MPC 算法． 基础‚然后引入用来保证鲁棒稳定性的鲁棒约束条件或用来
文［ 3
3‚3
4］ 假设脉冲响应系数的变化存在已知的上下界‚其 改善鲁棒性的可调变量‚设计鲁棒控制器使控制系统在稳定
中文［ 3
4］ 还推导出 SISO MPC 鲁棒稳定的充分条件．然而该 的同时具有一定的鲁棒性．
方法仅在很简单的模型不确定性描述下才可将在线优化降 4 可 行 性 和 约 束 MPC（ Feasibility and constrained
为线性优化．此外‚这种在线开环优化没有考虑不确定系统 MPC）
的反馈‚而反馈的存在会使每一采样时刻的最坏情况（ worst 可行性是指在给定约束与性能指标的条件下‚相应的预
case） 模型有所变化． 测控制律是否存在的问题．文［ 5］ 中讨论了可行性与稳定性
Zheng 和 Morari ［ 35］ 考 虑 了 压 缩 MPC 策 略［ 14］ 使 原
此外‚ 的关系‚指出无论开环线性系统稳定与否‚解的可行性是任
来优化过程中的压缩约束鲁棒化‚即对所有不确定性集合中 意可调参数下系统稳定性的前提‚文［ 4
0］ 也指出：MPC 稳定
FI R 模型均满足该压缩映射．对于某些特定不确定性‚该问题 性的结果几乎可以从可行性直接推出．此外‚如果存在控制
可等价于一个适当维数的 QP 问题． 或状态约束‚可行性与相应的约束可控性有关［ 65］ ．因 此‚可
2
） 基于 LMI 的 MPC ． 行性是和 MPC 系统性能紧密联系的．
近年来 LMI 理论开始应用于控制问题‚这一处理方法也 可行性的问题大体存在于两个方面：一方面‚无论是利
被引入 min-max MPC 研究．它适用于比 FI R 模型更为广泛的 用 LQ 方法或输入输出模型得出的形式最优控制律‚必须是
不确定性描述．文［ 3
6］ 考虑如下两种线性时变不确定模型：
可行的才真正有意义．另一方面‚由于预测控制众多的约束
· 多模型结构
条件之间可能出现矛盾‚再加之为保证稳定性而人为加入的
x（ k ＋1
） ＝ A（ k） x（ k） ＋ B（ ku（ k）） ‚
终端约束若和输入／输出约束不相容‚也可能导致无可行解．
［ A（ k） ‚B（ k）］ ∈ Ω‚
这两方面的可行性问题的根源是不同的‚其研究方法也就不
Ω＝ Co｛［ A1‚B1］ ［ A2‚B2］ ‚…‚
［ Al ‚Bl］ ｝‚
同．
其中 Co 表示凸组合． 对于第一方面问题的研究主要集中在能够显式表示控
· 反馈不确定性模型 制律的 MPC 策略上．文［ 4
1］ 进行了一些讨论‚研究了 GPC 参
x（ k ＋1
） ＝ Ax（ k） ＋ Bu（ k） ＋ Bpp（ k） ‚ 数选取空间中一些特殊的部分．文［ 2
3］ 则进一步对各种参数
q（ k） ＝ Cpx（ k） ＋ Dquu（ k） ‚ 选取情况下 GPC 是否有解给出了较完整的结论．在该文中‚
p（ k） ＝（ Δq）（ k） ‚ 作者分别从两个角度着手研究．一是在输入输出描述下‚利
Δ1 用 GPC 闭环特征多项式的系数表达式研究 GPC 最优控制律
Δ＝ ⋱ ‚ 的可解性；一是将 GPC 算法转化为迭代求解最优控制律的
Δr LQ 形式．从这两个不同的角度‚得到了类似的结论‚较完整
‖Δi（ k） ‖2 ＝ ﹣
σ（ Δi（ k）） ≤1． 地解决了在设计参数各种选取条件下 GPC 的可行性问题．
对于上述模型‚基于无穷时域线性二次性能指标‚设计线性 第二方面的研究是随着约束 MPC（ CMPC） 算法的大量提
反馈控制律使对于不确定集合 Ω 中的任一系统性能指标单 出而产生的．不 少 MPC 算 法 通 过 附 加 人 为 约 束‚如 终 端 约
调下降．在考虑输入输出约束时‚这一问题可转化为涉及一 束‚
保证了系统稳定性‚但并不能保证随之产生的约束优化
组 LMI 的凸优化并可在线求解． 问题一定有解．虽然目前大多数 CMPC 策略只要初始时刻优
3
） 滚动时域 H ∞ 控制． 化问题有解‚则以后时刻均有可行解．但由于约束的加入带
［3
7］
Tad mor 将线性系统 H ∞ 控制 理 论 应 用 于 滚 动 时 域 控 有强制性‚在 不 少 情 况 下 很 难 对 可 行 性 问 题 作 出 直 观 的 判
制（ RHC） ‚针对有外界扰动输入的连续线性时变系统‚提出 断．因此‚近年来提出的 CMPC 算法大多在分析系统性能的
了零终端约束的滚动时域 H ∞ 控制‚给出了闭环系统稳定及 同时‚也开始考虑约束引起的可行性问题．
对不确定外部输入的 l 2 增益小于某个设定值的充分条件．文 在算法实施过程中无可行解时‚文［ 4
0］ 提出逐渐增大约
［6
1］ 将上述结果推广到采用二次型终端加权．文［ 3
8］ 则针对 束时域的下限‚直到使问题可行‚并证明了由该方法得到的
有扰 动 的 离 散 LTV 系 统‚在 零 终 端 约 束 RHC 和 终 端 加 权 解仍然可保证控制系统的稳定性．但若采用减小约束时域上
RHC 两种稳定策略基础上‚分别提出相应的滚动时域 H ∞ 控 限的方法‚虽然也可以使问题可行‚但系统将无稳定保证．文
制．文［ 3
9］ 进一步考虑摄动线性系统‚利用线性分式变换将 ［1
2］ 在终端等式约束和不等式约束相矛盾的情况下‚提出调
摄动问题转化为扰动问题‚从而设计了基于系统摄动的鲁棒 整性能指标中输出设定值 W‚变化增量 ΔW‚使解可行．该方
RHC 控制律‚上述滚动时域 H ∞ 控制方法基本上没有考虑系 法同样可以保证系统的稳定性．上述方法都很新颖且简单实
统的输入约束‚而能在线动态处理约束是预测控制的一大特 此外‚文［ 2
用． 9‚6
3］ 通过在性能指标中增加惩罚项将硬约束
因此文［ 6
点‚ 2］ 讨论了基于 H ∞ 理论的约束非线性时变系统 “ 软化” ‚由于增加了优化变量‚在线计算量将大大增加‚从而
的鲁棒 MPC 综合问题‚给出了闭环系统鲁棒稳定的充分条 降低了算法的实时性［ 63］ ．文［ 6
4］ 给出了一些处理可行性问题
Δ结构．
件‚其中不确定性描述采用了较普遍的 M- 方法的比较．
 4期 预测控制性能研究的新进展 473

可行性不是 MPC 理论研究的主流‚但其它性质的研究 类似 线 性 系 统‚无 穷 时 域 NLMPC 也 是 一 种 稳 定 策

都是以可行性为前提的‚因此必须重视．需要注意的是在解 略［ 2‚
51］
文［ 5
． 2］ 证明只要优化时域足够大‚
NL MPC 系统是稳
决可行性的同时不要破坏控制系统的稳定性． 定的‚为了可实现‚文［ 1
8］ 引入终端加权‚提出了 Quasi-
Infinite
5 非线性 MPC（ Nonlinear MPC） NLMPC 策略．文［ 1
7 x T Px ‚其中
］ 引入了特殊终端加权形式 α
就预测控制的基本原理而言‚只要从被控对象能够抽取 α‚P 满足一定条件．
出满足要求的预测模型‚它便可以应用于任何类型的系统‚ 可以 看 到‚稳 定 NLMPC 策 略 的 思 路 基 本 同 线 性 系 统
包括线性和非线性系统．但由于非线性系统的复杂多样性‚ MPC 一致‚无论是终端等式、不等式约束还是终端加权‚其目
在实现的技术上和理论分析上难度比线性系统要大得多．目 的都是利用 MPC 的滚动优化特性使性能指标值单调递减．
前对于 非 线 性 MPC（ NLMPC） 系 统 的 研 究 对 象 可 归 结 为 三 当然对非线性系统‚假设条件更为严格‚在线求解更为困难．
类： 5
∙2 NL MPC 算法研究（ Algorithm study of NLMPC）
第一类是执行机构引起的非线性‚包括饱和、死区、回滞 线性化一直是处理非线性问题的常用方法．文［ 5
3］ 采用
等．这些特性在通常的控制设计中被当作未建模动态而不予 线性化方法来处理带约束的非线性系统‚提出参数整定的算
考虑‚但 这 样 处 理 将 导 致 对 控 制 器 鲁 棒 性 要 求 的 增 加．文 法．文［ 5
4］ 通过在多个平衡点附近建立线性子模型‚形成非
［4
2］ 对这些常见的非线性特性进行了描述‚并根据是否可逆 线性系统的 线 性 化 多 模 型 表 示‚在 此 基 础 上 提 出 多 模 型 方
进行分类‚分别进行了控制设计． 法．文［ 1
5］ 在每一采样时刻用线性化模型求解控制律‚而用
第二类是一些可以用特殊的非线性结构描述的系统．例 稳定约束（Stability Constraints） 来保证控制系统的稳定性．文
如 Bilinear 模型、广义 Ha mmerstein 模型、Volterra 参数模型等． ［5
5］ 针对无穷时域 MPC ‚为减 少 优 化 变 量 ｛u（ k／k） ‚
u（ k ＋
文［ 4
3］ 从上述三种模型的I／O 递归描述推导出可用作预测 1
／k） ‚…｝的个数‚预先将｛u（ k ＋1
／k） ‚ ／k） ‚…｝近似
u（ k ＋2
模型的公式并进行了仿真‚结果显示了预测控制对这几类非 给出（ 如假设为某线性反馈） ‚使原优化问题的决策变量仅为
线性系统的有效性．文［ 4
4］ 提出 Ha mmerstein 模型的 GPC 控 u（ k／k） ．文［ 5
6］ 设计了 FL ＋MPC 策略‚即状态反馈线性化
制策略．文［ 4
5］ 针对二阶 Volterra 不确定模型（ 不确定性描述 和线性带约束 MPC 的组合‚该控制使系统稳定‚但由于精确
为 Volterra 级数系数的变化） ‚设计了带约束的鲁棒预测控制 状态反馈线性化的变换关系和状态有关‚原线性约束转变为
文［ 4
器． 6］ 根据二次 Volterra 模型和 MPC 特性得到由常规线 与状态有关的非线性约束‚增加了求解难度．
性控制器和一个非线性校正项的辅助回路组成的 MPC 控制 除线性化方法之外‚文［ 5
7］ 将预测模型泰勒展开‚近似
器结构． 表示预测值‚从而减少了 NL MPC 的计算量．文［ 5
8］ 设计了多
第三类研究是针对普遍意义下的非线性差分或微分系 层前馈神经元网络‚使控制律离线求解．文［ 5
9］ 设计在线优
主要工作可归结为设计 NLMPC 策略使系统满足一定性
统‚ 化方法使原来两点边值问题转化为初值问题‚从而避免了非
能要求（ 如稳定性、鲁棒性） 及设计 NLMPC 优化算法使在线 线性优化的大量迭代过程．
计算量下降． NLMPC 研究可以借鉴许多线性 MPC 的方法
可以看出‚
对于非线性 MPC ‚其主要研究内容有以下两方面： 和成果‚但也有其特殊性和难点．由于工业界存在大量强非

5
∙1 NL MPC 性能研究（Perfor mance study of NLMPC） NLMPC 和 CMPC 的研究一样有着广阔的天地．
线性系统‚

Mayne 和 Michalska ［ 49］ 于1

990年考虑一般连续非线性系 6 结束语（Conclusion）
统‚在相当强的假设条件下‚提出了零终端约束 NLMPC 系统 本文总结了预测控制系统性能研究近年的新进展‚主要
的闭环稳定．文［ 4
7］ 引入 Dini 导数和广义的不变性原理‚将 从四个方面进行陈述：稳定性、鲁棒性、可行性、非线性 MPC ．
上述性能指标的连续可微性假设放松为满足 Lipschitz 局部 可以看到‚模型预测控制特有的机理使它从众多过程控制方
连续性．文［ 4
8］ 针对离散非线性系统‚类似地得到了终端等 法中脱颖而出‚也使它本身灵活多样地发展‚但同时‚它也在
式约束 NL MPC 的稳定性结果． 理论上提出了一系列富有挑战性的课题‚要完善地解决这些
然而‚与线性 MPC 不同‚上述终端等式约束是决策变量 问题‚还需继续开展深入的研究．
的非线性函数‚在算法上需要无穷次迭代才能精确满足‚因
此实际上只能近似满足‚也就失去了稳定性保证．为提高可 参考文献（References）
实现性‚人们转而研究终端不等式约束设计．文［ 4
9］ 在文［ 5］
［1
］ Qin S J and Badgwell T A ．An overview of industrial model predic-
基础上设计了“ 双模” 控制‚即将终端等式约束放松为不等式
tive control technology ［ A］ ．AI ChE Sy mposiu m Series ：
Fifth Interna-
约束 x（ t k ＋NP） ∈ Wα‚Wα为原点的小邻域‚是非线性系统的
tional Conference on Che mical Process Control ［ C］ ‚Calif ornia ‚
Lyapunov 不变集．状态在 Wα 之外用 NLMPC ‚进入 Wα 则用线
1
996‚3
16 3
（9） ：2
32－2
56
性反馈控制‚该策略使系统稳定．文［ 5
0］ 将终端不等式约束 ［2
］ Keerthi S and Gilbert E ．Opti mal infinite-
horizon feedback laws for a
取为 x（ t k ＋NP） ∈ Wα／2‚使该 NLMPC 具有一定的鲁棒性．另 general class of constrained discrete-
ti me syste ms ： stability and mov-
外‚文［ 1
4］ 采用压缩不等式约束‚文［ 4
5］ 针对二阶 Volterra 稳 ing horizon approxi mations ［ J］ ．J ．
Opti mal Theory and Application ‚
定模型得到保证稳定 NL MPC 的终端不等式条件． 1
988‚5
7 ） ：2
（2 65－2
93
 474 控制理论与应用 1
7卷

［3
］ Rossiter J A ‚Rossner J R and Kouvaritakis B ．Infinite horizon stable matica ‚1
998‚
34 2
（1） ：1
607－1
612
predictive control ［ J ］ ．I EEE Trans ．Auto mat ．Contr ．‚1
996‚
41 ［2
1］ 席裕庚．预测控制［ M］ ．北京：国防工业出版社‚
199
3
0
（1） ：1
522－1
527 ［2
2］ 席裕庚‚厉隽怿．广义预测控制系统的闭环分析［ J］ ．控制理论
［4
］ Scokaert P O and Rawlings J B ．Infinite horizon linear quadratic with 1
与应用‚99
1‚8
（4） ：4
19－4
24
constraints ［ A］ ．1
3th IFAC World Congress ［ C］ ‚San Francisco ‚ ［2
3］ 张峻．预测控制若干理论问题研究［ D］ ．上海：上海交通大学‚
1
996‚M：1
09－1
14 1
997
［5
］ Rawlings J B and Muske K B ．The stability of constrained receding ［2
4］ Kouvaritakis B ‚Rossiter J A and Chang A O T ．Stable generalized
horizon control ［ J］ ．I EEE Trans ．Auto mat ．Contr ．‚
199
3‚3
8（1
1） ： predictive control ［ J］ ．Proc ．
I EE ‚Part D ‚1
992‚
139
（5） ：3
49－3
62
1
512－1
516 ［2
5］ Rossiter J A and Kouvaritakis B ．Constrained stable generalized pre-
［6
］ Tsinckis A G and Morari M．Controller design with actuator con- dictive control［ J］ ．Proc ．IEE ‚Part D ‚1
993‚
140
（4） ：2
43－2
54
straints ［ A］ ．Proceedings of the 3
1st Conference on Decision and ［2
6］ Rossiter J A ‚Kouvaritakis B and Gossner J R ．Feasibility and stabil-
Control ［ C］ ‚Tueson ‚1
992‚
262
3－2
628 ity results for constrained stable generalized predictive control ［ J］ ．
［7
］ Balakrishnan V ‚Zheng A and Morari M．Constrained stabilization of Auto matica ‚1
995‚
31 ） ：8
（6 63－8
77
ti me syste ms ［ A］ ．In ：Clarke D W （ed ．
discrete- ） ‚Advances in ［2
7］ Xi Y ．New design method for discrete ti me multivariable predictive
Model-Based Predictive Control ［ C］ ‚Oxf ord ：Oxf ord University controllers ［ J］ ．Int ．J ．Control ‚1
989‚
49 ） ：4
（1 5－5
6
Press ‚1
994‚
205－2
16 ［2
8］ Zafiriou E ．Robust model predictive control of process with hard
［8
］ Scokaert Pierre O M．Infinite horizon generalized predictive control constraints ［ J］ ．Co mpu ．Che m ．Eng ．‚
199
0‚1
4 ） ：3
（3 59－3
71
［ J］ ．Int ．J ．Control ‚1
997‚
66 ） ：1
（1 61－1
75 ［2
9］ Genceli H and Nikolaou M．Robust stability analysis of constrained
［9
］ Kwon W H and Pearson A E ．On feedback stabilization of ti me-
vary- nor m model predictive control ［ J ］ ．AI ChE Journal ‚1
L 1- 993‚
39
ing discrete linear syste ms ［ J］ ．
I EEE Trans ．Auto mat ．Contr ．‚
197
8‚ 2
（1） ：1
954－1
965
2
3 ） ：4
（4 79－4
81 ［3
0］ 徐立鸿‚冯纯伯．加权多步预报控制-鲁棒性的频域分析［ J］ ．自
［1
0］ Mayne D Q and Michalska H ．Receding horizon control of nonlinear 1
动化学报‚99
3‚1
9 ） ：7
（6 24－7
27
syste ms ［ J］ ．IEEE Trans ．Auto mat ．Contr ．‚1
990‚
35（7） ：8
14－ ［3
1］ Scokaert P O M‚Rawlings J B and Meadows E S ．Discrete-
ti me sta-
8
24 bility with perturbations ：application to model predictive control ［ J］ ．
［1
1］ Nicolao G ‚Magni D L and Scattolini R ．On the robustness of rece- Auto matica ‚1
997‚
33 ） ：4
（3 63－4
70
horizon control with ter minal constraints ［ J］ ．I EEE Trans ．Au-
ing- ［3
2］ based predictive control ［ A］ ．
All wright J C ．On min-max model-
to mat ．Contr ．‚1
996‚
41 ） ：4
（3 51－4
53 In ：Clarke D W （ ed ．
） ．Advances in Model Predictive Control
［1
2］ Scokaert P O M and Clarke D W．Stabilizing properties of con- ［ C］ ‚Oxf ord ：Oxf ord University Press ‚1
994‚
415－4
26
strained predictive control ［ J］ ．I EE Proc ．Part D ‚1
994‚
141（5） ： ［3
3］ Zheng Z Q and Morari M．Robust stability of constrained model pre-
2
95－3
04 dictive control ［ A］ ．Proceedings of American Control Conference
［1
3］ Clarke D W and Scattolini R ．Constrained receding-
horizon predic- ［ C］ ‚San Francisco ‚1
993‚
1：3
79－3
83
tive control ［ J］ ．IEE Proc ．Part D ‚1
991‚
138
（4） ：3
47－3
54 ［3
4］ Badgwell Tho mas A ．Robust stability conditions for SISO model
［1
4］ Yang T H and Polak E ．Moving horizon control of nonlinear syste ms predictive control algorith ms ［ J］ ．Auto matica ‚1
997‚
33（7） ：1
357
with input saturation ‚disturbances and plant uncertainty ［ J］ ．
Int ．J ． －1
361
Control ‚1
993‚
58 ） ：8
（4 75－9
03 ［3
5］ Zheng A and Morari M．Robust control of linear ti me invariant sys-
［1
5］ De Oliveira S L and Morari M．Robust model predictive control for te ms with constraints ［ A］ ．AI ChE Annual Meeting ［ C］ ‚San Fran-
nonlinear syste ms ［ A］ ．Proceedings of the 3
3rd Conference on Deci- cisco ‚
199
4
sion and Control ［ C］ ‚Florida ‚1
994‚
356
1－3
567 ［3
6］ Kothare M V ‚Balakrishnan V and Morari M．Robust constrained
［1
6］ Zheng Alex ．Stability of model predictive control with ti me-
varying model predictive control using linear matrix inequalities ［ J］ ．Auto-
weights ［ J］ ．Co mputers and Che mical Engineering ‚1
997‚
21（1
2） ： matica ‚1
996‚
32 0
（1） ：1
361－1
379
1
389－1
393 ［3
7］ Tad mor G ．Receding horizon revisited ：an easy way to robustly sta-
［1
7］ Parisini T and Zoppoli R ．A receding horizon regulator for nonlinear bilize an LTV syste m ［ J］ ．Syste ms ＆Control Letters ‚1
992‚
18（4
）：
syste ms and a neural approxi mation ［ J ］ ．Auto matica ‚1
995‚
31 2
85－2
94
0
（1） ：1
443－1
451 ［3
8］ Lee J W‚Kwon W H and Lee J H ．Receding horizon H ∞control for
［1
8］ Chen H and Allegower F ．A quasi-
infinite horizon nonlinear model varying discrete linear syste ms ［ J］ ．Int ．J ．Control ‚1
ti me- 997‚
68
predictive control sche me with guaranteed stability ［ J］ ．Auto matica ‚ ） ：3
（2 85－3
99
1
998‚
34 0
（1） ：1
205－1
217 ［3
9］ 吴玮琦‚席裕庚‚耿晓军．一种结构化摄动系统的鲁棒滚动时
［1
9］ Kwon W H ‚Bruckstein A N and Kailath T ．Stabilizing state-
feed- 域控制［ J］ ．浙江大学学报‚
199
8‚3
2（ 增刊） ：1
05－1
10
horizon method ［ J］ ．Int ．J ．Control ‚
back design via the moving- ［4
0］ Scokaert P M and Clarke D W．Stability and feasibility in con-
1
983‚
37 ） ：6
（3 31－6
43 strained predictive control ［ A］ ．In ：Clarke D W （ed ．
） ．Advances
［2
0］ Lee J W‚Kwon W H and Choe J ．On stability of constrained reced- in Model-Based Predictive Control ［ C］ ‚Oxf ord ：Oxf ord University
ing horizon control with finite ter minal weighting matrix ［ J］ ．Auto- Press ‚1
994‚
217－2
29
 4期 预测控制性能研究的新进展 475

［4
1］ Scokaert P O M．Constrained predictive control ［ D］ ．Oxf ord ： linear Model Based Process Control ［ C］ ‚Antalya ‚Turkey ‚1
997
Dept ．of Eng ．Science ‚Oxf ord University ‚1
994 ［5
6］ Nevistic V and Morari M．Constrained control of feedback-
lineariz-
［4
2］ Chow C M and Clarke D W．Actuator nonlinearities in predictive able syste ms ［ A］ ．Proceedings of the European Control Conference
control ［ A］ ．In ：Clarke D W （ed ．
） ．Advances in Model-Based ［ C］ ‚Ro me ‚1
995‚
172
6－1
731
Predictive Control ［ C］ ‚Oxf ord ：Oxf ord University Press ‚1
994‚ ［5
7］ Mutha R K ‚Cluett W R and Penlidis A ．Nonlinear model-
based
2
45－2
59 predictive control of control nonaffine syste ms ［ J ］ ．Auto matica ‚
［4
3］ So mmer S ．Model-
based predictive control methods based on nonlin- 1
997‚
33 ） ：9
（5 07－9
13
ear and bilinear para metric syste m descriptions ［ A］ ．
In ：Clarke D W ［5
8］ Parisini T ‚Sanguineti M and Zoppoli R ．Nonlinear stabilization by
） ．Advances in Model-Based Predictive Control ［ C］ ‚Oxf ord ：
（ed ． horizon neural regulator ［ J］ ．Int ．J ．Control ‚1
receding- 998‚7
0
Oxford University Press ‚1
994‚
193－2
04 ） ：3
（3 41－3
62
［4
4］ Wang Wei ．Generalized predictive control of nonlinear syste ms of ［5
9］ Ohtsuka T and Fuji H A ．Real-
ti me opti mization algorith m for non-
the ha mmerstein for m ［ J］ ．Control Theory and Applications ‚1
994‚ horizon control ［ J］ ．Auto matica ‚1
linear receding- 997‚
33（6） ：1
147
1
1 ） ：6
（6 72－6
80 －1
154
［4
5］ Genceli H and Nikoaou M．Design of robust constrained model-
pre- ［6
0］ Mayne D Q ．Opti mization in model predictive control ［ A］ ．Proc ．
dictive controllers with Volterra series ［ J］ ．AI ChE Journal ‚1
995‚
41 of IFAC Sy mposiu m Dyna mics and Control of Che mical Reactors ‚
） ：2
（9 098－2
107 Distillation Colu mns and Batch Process ［ C］ ‚Helsigor ‚1
995‚
229－
［4
6］ Doyle F J ‚Ogunnaike B A and Pearson R K ．Nonlinear model-
based 2
42
order Volterra models ［ J］ ．Auto matica ‚1
control using second- 995‚ ［6
1］ Lall S and Glover K ．A ga me theoretic approach to moving horizon
3
1 ） ：6
（5 97－7
14 control ［ A］ ．In ：Clarke D W （ed ．
） ．Advancess in Model-Based
［4
7］ Mayne D Q and Michalska H ．Receding horizon control of nonlinear Predictive Control ［ C］ ‚Oxf ord ：Oxf ord University Press ‚1
994
syste ms without differentiability of the opti mal value function ［ J］ ． ［6
2］ Chen H ‚Scherer C Wand Allgoewer F ．A ga me theoretic approach
Syste ms ＆Control Letters ‚1
991‚
16 ） ：1
（2 23－1
30 to nonlinear robust receding horizon control of constrained syste ms
［4
8］ Ala mir Mand Bornard G ．On the stability of receding horizon con- ［ A］ ．American Control Conference ［ C］ ‚Albuguergue ‚1
997‚
307
3
ti me syste ms ［ J］ ．Syste ms ＆Control Let-
trol of nonlinear discrete- －3
077
ters ‚1
994‚
23 ） ：2
（4 91－2
96 ［6
3］ Chen H and Allgoewer F ．A quasi-
infinite horizon predictive control
［4
9］ Mayne D Q and Michalska H ．An i mple mentable receding horizon sche me for constrained nonlinear syste ms ［ J］ ．
Control Theory and
control for stabilization of nonlinear syste ms ［ A］ ．The 2
9th I EEE Applications ‚
199
9‚1
6 ） ：3
（3 13－3
19
Conference on Decision and Control ［ C］ ‚Honolulu ‚Hawai ‚1
990‚ ［6
4］ Scokaert P O Mand Rawlings J B ．On infeasibilities in model pre-
3
396－3
397 dictive control ［ A］ ．In ：Kantor J C ‚Garcia C E and Carnahan B
［5
0］ Michalska H and Mayne D Q ．Robust receding horizon control of （eds ．
） ．Che mical Process Control-V ：
Proceedings of the Fifth Inter-
constrained nonlinear syste ms ［ J］ ．IEEE Trans ．Auto mat ．Contr ．‚ national Conference on Che mical Process Control ［ C］ ‚Calif ornia ‚
1
993‚
38 ） ：1
（9 623－1
633 1
997‚
331－3
34
［5
1］ Meadows E and Rawlings J ．Receding horizon control with an infi- ［6
5］ Chen H ．Stability and Robustness Consideration in Nonlinear Model
nite horizon ［ A］ ．Proc ．of American Control Conference ［ C］ ‚San Predictive Control ［ M］ ．Duesseldorf ：VDI Verlag ‚1
997
Francisco ‚1
996‚
292
6－2
930
［5
2］ Ala mir Mand Bornard G ．Stability of truncated infinite constrained
本文作者简介
receding horizon sche me ： the general discrete nonlinear case ［ J ］ ．
席裕庚 0
见本刊200年第1期第1
8页．
Auto matica ‚1
995‚
31 ） ：1
（9 353－1
356
耿晓军 1
女．97
2年生．
199
6年于西北工业大学获工学硕士学
［5
3］ Ali E and Zafiriou E ．On the tuning of nonlinear MPC algorith ms
位‚现为上海交通大学自动化系博士研究生．主要从事非线性预测控
［ A］ ．Proc ．of American Control Conference ［ C］ ‚San Francisco ‚
制的研究．
1
993‚
786－7
90
陈 虹 1
女．98
6年在浙江大学获得硕士学位．
199
7年在德国斯
［5
4］ 席裕庚‚王凡．非线性系统预测控制的多模型方法［ J］ ．自动化
图加特大学获得博士学位．现为吉林工业大学控制工程系副教授．主
1
学报‚99
6‚2
2 ） ：4
（4 56－4
61
［5
5］ Zheng Alex ．A co mputationally efficient nonlinear model predictive 要研究方向为优化理论及其应用‚鲁棒控制‚线性系统和非线性系统

control algorith m with guaranteed stability ［ A］ ．NATO ASI on Non- 理论．