CN109828459A - 一种基于多变量约束区间预测控制的平稳控制实现方法 - Google Patents

Abstract

本发明涉及一种基于多变量约束区间预测控制的平稳控制实现方法，包括针对被控对象进行区间参数设置；利用改进的DMC算法对控制输入进行约束，将得到的控制量作用到被控对象。本发明可以使输入变量面对扰动时显得更加稳定，被控变量达到控制目标的同时系统稳定性也相应的提升，实现了工业现场平稳控制的要求，节省了劳动力的同时增加了设备的使用寿命，最终提升工厂的经济效益。

Description

一种基于多变量约束区间预测控制的平稳控制实现方法

技术领域

本发明涉及先进过程控制领域，具体地说是一种基于多变量约束区间预测控制的平稳控制实现方法。

背景技术

模型预测控制在复杂工业过程中已经取得了很大的成功，特别是面对多变量约束问题时，模型预测控制技术相比于PID控制技术有不可替代的作用。但是在工业现场时，由于被控变量上可能会存在干扰噪声或者不可测扰动，这些不可控因素往往会带来操纵变量的不停动作，很难使设备精准的控制在某一个稳定值上。并且预测控制具有‘牵一发而动全身’的连锁效应，任何一个控制动作都可能造成所有的被控变量都不能稳定下来。并且频繁的控制动作会大大的增加工业现场操作人员的劳动量，也很容易减小执行机构设备的使用寿命。工业现场易受噪声以及不可测干扰的影响，会造成控制动作频繁，造成全部的被控变量都不能稳定，执行机构不能实现平稳控制，同时造成现场操作人员工作量加大，并且频繁的操作设备会使设备使用寿命变短。

发明内容

针对现有技术的不足，本发明提供一种基于多变量约束区间预测控制的平稳控制实现方法。本发明中预测控制的控制目标不止是设定点控制，而且还有区间控制，区间控制就是被控变量不需要控制到某一个设定点，而是在一个区间内都可以。在求解控制增量的同时上增量上面添加小区间约束，不同于输出的区间约束，它是在输入变量有幅值跟增量约束的条件下引入小增量阈值约束，如果控制增量在增量阈值内，那么维持控制动作在上一时刻，如果超出阈值，那么则对控制动作进行调整。本发明设计的算法可以使输入变量面对扰动时显得更加稳定，被控变量达到控制目标的同时系统稳定性也相应的提升，实现了工业现场平稳控制的要求，节省了劳动力的同时增加了设备的使用寿命，最终提升工厂的经济效益。

本发明为实现上述目的所采用的技术方案是：

一种基于多变量约束区间预测控制的平稳控制实现方法，包括以下步骤：

步骤1：针对被控对象进行区间参数设置；

步骤2：利用改进的DMC算法对控制输入进行约束，将得到的控制量作用到被控对象。

所述区间参数设置包括以下步骤：

步骤1：被控对象具有m个执行机构，相应的控制变量为m个，被控对象有p个被控变量，用p维的列向量表示为y＝[y₁ … y_p]^T；

步骤2：将p个被控变量按照控制目标的不同进行分类，将控制目标为设定点控制的被控变量设置为y′＝[y₁ … y_n]^T,将控制目标为区间控制的被控变量设置为y″＝[y_n+1… y_p]^T；

步骤3：对控制目标为区间控制的被控变量y″＝[y_n+1 … y_p]^T中每个被控变量y_i设 置区间上限和区间下限，表示为[y_i,low,y_i,high]，并将该区间设置为其平稳控制区间；当被控 变量y_i超出区间上限或区间下限时，被控目标值为

步骤4：对控制目标为设定点控制的被控变量y′＝[y₁ … y_n]^T中的每个被控变量y_j设置平稳控制区间[y_j,low,y_j,high]；

步骤5：对于所有被控变量设置平稳控制比例系数；

步骤6：设置平稳控制的控制增量阈值。

区间控制的算法为：

DMC算法的目标函数为：

通过对DMC算法的目标函数进行更改为：

其中，y_spe为区间控制的设定点向量，Q_spe为输出权系数矩阵；

当输出预测值在给定的区间内，则不对其进行惩罚，若超出给定范围，给予惩罚，即满足区间内的预测值，则修改Q_spe，使其相应的输出权系数设置为0，即为不对其进行惩罚；

当输出的预测值超出给定的区间，则修改Q_spe，使其相对应的输出权系数设置为1，即对其进行惩罚；

当预测值超出给定的区间后，将给定区间的中间点设置为设定点，即修改y_spe，使其为区间的中间值。

所述平稳控制区间为平稳控制的有效区间。

对应于每一个被控变量，设置其平稳控制比例系数k_i；设置原则为：k_i等于被控对象的模型增益数量级，如果模型增益的数量级为1，则设置k_i＝1，如果模型增益的数量级为10，则设置k_i＝10，以此类推。

对应于每一个被控变量y_i，不管其是设定点控制还是区间控制，设置平稳控制的控制增量阈值dU_i,ths：

其中，y_i为第i个被控变量的实际输出值，y_i,spe为第i个被控变量的目标值，y_i,high为第i个被控变量对应的平稳控制区间的上限，y_i,low为第i个被控变量对应平稳控制区间的下限，k_i为平稳控制比例系数。

所述改进的DMC算法包括以下步骤：

步骤1：通过检测得到当前时刻k的各个被控变量的实际输出值y(k)＝[y₁(k),y₂(k),…y_p(k)]^T，通过上一时刻(k-1时刻)对当前时刻k的预测输出值计算预测误差：

步骤2：计算预测输出校正值：

其中，H为误差校正矩阵，设置其元素全部为1，

步骤3：计算初始预测值：

其中，S为移位矩阵，

步骤4：通过极小化性能指标进行QP问题求解得到m个控制变量的控制增量；

步骤5：计算k时刻对未来P个控制周期的预测值：

其中，A为动态矩阵，通过被控对象的过程模型获得；Δu_M(k)为步骤4中求得的控制增量的向量形式；

步骤6：判断如果被控变量输出y_i(k)在平稳控制区间内，则判断，如果|dU_i|<dU_i,ths，则dU_i＝0，如果|dU_i|≥dU_i,ths,则dU_i不变；其中dU_i为第i个控制变量的求得的控制增量，dU_i,ths为第i个控制变量的控制增量阈值；

如果被控变量输出y_i(k)不在平稳控制区间内，则执行步骤7；

步骤7：计算当前时刻k的控制输入值：

u_i(k)＝u_i(k-1)+dU_i(k)

其中，u_i(k-1)为当前时刻k的上一时刻的控制输入量；

步骤8：下一时刻返回步骤1。

所述通过极小化性能指标进行QP问题求解包括以下过程：

将优化问题描述为一个QP问题，然后通过QP问题求解方法来求解，该QP问题表示如下：

s.t.

其中，H和f^T为该问题需要的表示方法，没有实际物理意义；Δu_M(k)为控制增量的向量形式；C和是约束条件统一合并之后的向量形式；

其中，A为动态矩阵，通过被控对象的过程模型获得，Q为输出权矩阵，R为控制权矩阵，可自行设置；w(k)参考轨迹向量，为初始输出预测值，I为单位阵，B为单位阵的变形矩阵，C₁，C₂，C₃，c₁，c₂，c₃为约束的向量形式，无实际意义；u_min为控制变量输入下限的向量形式，u_max为控制变量输入上限向量形式；Δu_min为控制增量下限的向量形式，Δu_max为控制增量上限的向量形式，y_min为被控变量输出下限的向量形式，y_max为被控变量输出上限的向量形式。M为控制时域，P为预测时域，m为控制变量个数，p为被控变量个数；B＝block-diag(B₀,…,B₀)

其中，u₁(k-1)为上一时刻的第一个控制变量的输入，u_m(k-1)为上一时刻的第m个控制变量的输入；u_1,min表示第一个控制变量的输入下限，u_m,min表示第m个控制变量的输入下限；u_1,max表示第一个控制输入的输入上限，u_m,max表示第m个控制输入的输入上限；Δu_1,min为第一个控制变量的输入增量的下限，Δu_m,min为第m个控制变量的输入增量的下限；Δu_1,max为第一个控制变量的输入增量的上限，Δu_m,max为第m个控制变量的输入增量的上限；y_1,min为第一个被控变量的输出下限，y_p,min为第p个被控变量的输出下限；y_1,max为第一个被控变量的输出上限，y_p,max为第p个被控变量的输出上限。

本发明具有以下有益效果及优点：

1.本发明针对工业现场中不可避免的噪声跟不可测干扰问题，通过引入了平稳控制策略，将控制变量控制在一个平稳的状态上，适合工业现场的操作，避免了由于噪声的干扰去频繁的操作执行机构，减少了人力操作并且设备的使用寿命也会相应提升；

2.本发明能够使得系统的稳定性提升。通常多变量的预测控制通常由于某一个被控变量的扰动会造成全部的操作变量都产生动作，这样子对于没有噪声或者噪声很小的被控变量会产生较大的干扰，等于增大了这些被控变量的噪声。这种‘牵一发而动全身’的效果是工业现场不能接受的，故引入平稳控制策略能够使得其他没有噪声或者噪声很小的被控变量稳定性更好，提升了系统的稳定性；

3.本发明基于区间控制与设定点控制混合在一起的控制模式,该控制模式能够适用于目前的工业流程控制，并且相比单纯的设定点控制能够增加系统的自由度，使得系统的稳态解可能不止一个，当控制目标的某一个稳态解由于约束不可达时，这种控制模式可以有其他的稳态解来满足控制目标。

附图说明

图1是本发明的方法流程图；

图2是本发明的重油分馏塔系统示意图；

图3是本发明的被控变量仿真图；

图4是本发明的控制变量仿真图；

图5是本发明的被控变量仿真对比图；

图6是本发明的控制变量仿真对比图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1所示为本发明的方法流程图。

一种基于多变量约束区间预测控制的平稳控制实现方式，多变量约束二次规划求解、控制目标为混合型和平稳控制实现步骤。

多变量约束二次规划求解，是指控制系统中的各个变量是有约束的，并且针对约束变量运用二次规划求解。

目标控制为混合型，就是指被控目标不仅仅是设定点控制，而是设定点控制跟区间控制一起混合起来作为控制目标，针对部分被控对象采用设定点控制，针对另外一部分对象采用区间控制。

平稳控制，是一种在模型预测控制算法上做出了改进算法，保证了控制动作的平稳性，并且对于其他被控变量也有较好的抗干扰性。

运用二次规划求解最优解。

在实际项目中约束条件是不可避免的，这里特指控制系统某些变量在时间域上的取值约束。

例如，执行机构饱和是对控制量的时域约束，故对于控制量的约束表示为:

u_min(k)≤u(k)≤u_max(k)

执行机构动作不允许过大是对控制增量的时域约束。故对于控制增量的约束可以表示为:

Δu_min(k)≤Δu(k)≤Δu_max

为了生产安全要求某个状态如温度或压力不超过极限值，或者为了环境保护而使得一些被控变量不得高于一定的阈值。这些对于被控变量的约束可以表示为:

y_min(k)≤y(k)≤y_max

对于一个多变量过程，假设该过程包含m个控制输入和p个控制输出。考虑控制输入量的幅值约束条件，即

它可以表示成向量形式

u_min≤u(k-1)+BΔu_M(k)≤u_max

其中,B＝block-diag(B₀,…,B₀)(m块)

其次，考虑控制输入量的变化率约束，即

它可以表示成向量形式：

Δu_min≤Δu_M(k)≤Δu_max

其中

同样，由于一般的多变量系统的多步预测模型为

所以各输出约束预测值同样应该满足约束,其向量形式为

其中，

则上式可以写成统一的形式：

其中，C和为k时刻已知的矩阵和矢量。将这些约束条件的DMC优化问题可以描述为

s.t.

其中，H＝2(A^TQA+R),

由于目标函数中包含决策变量Δu_M(k)的二次项，故通过此二次型来求解多变量约束的稳态解，相当于求解一个QP问题。

目标控制为混合型，区间控制算法以及被控变量控制目标为区间跟设定点二种。

区间控制算法，包括控制策略与算法策略。

一般的DMC算法的目标函数描述如下

通过对一般的目标函数进行更改：

目标函数中的y_spe和Q_spe分别表示区间控制的设定点向量跟输出权系数矩阵，只需要对y_spe和Q_spe进行修改即可实现区间控制的控制效果。

区间控制的算法策略为若输出预测值在给定的区间内，则不对其进行惩罚，若超出给定范围，才给予惩罚。即满足区间内的预测值，则修改Q_spe，使其相应的输出权系数设置为0，即为不对其进行惩罚。当输出的预测值超出了区间，则修改Q_spe使其相对应的输出权系数设置为1，即对其进行惩罚。

区间控制的控制策略为当预测值超出了区间后，不管是超出了区间的上限还是下限，都将区间的中间部分设置为设定点，即修改y_spe使其为区间的中间值，超出区间就往区间中间部分控。

故区间控制的算法修改思路为：

for j＝1:p

Q_spe(j,j)＝0(对在区间内的部分不惩罚)

Q_spe(j,j)＝1(设置惩罚系数，对超出区间的预测值进行惩罚)

y_spe＝区间中点(将目标值设置为区间的中点来进行控制)

Q_spe(j,j)＝1(设置惩罚系数，对超出区间的预测值进行惩罚)

y_spe＝区间中点(将目标值设置为区间的中点来进行控制)

end

end

被控变量控制目标为区间跟设定点两种，混合型。

区间控制，是由于工业上往往对于某一些变量没有特别精准的要求，所以一般可以放松部分输出的控制要求，给定一个输出允许的区间，作为其软控制目标。所谓的混合型，是指被控目标是设定点控制跟区间控制两种，工业上这种混合控制相比于全部设定点控制的方式相当于变相的增加了系统的自由度，使得系统的稳态解可能变多，同时也能够消除稳态静差，实现无静差控制。

平稳控制，包括区间参数设置以及平稳控制策略的实施步骤。

区间参数设置，步骤为：

步骤S1:控制系统具有m个执行机构，相应的系统的控制变量也就有m个，每个控制周期内通过二次型约束求解得到最优的控制增量作用到被控变量上。被控系统有p个被控变量，表示为p维的列向量，表示为y＝[y₁ … y_p]^T。

步骤S2:将p个被控变量按照控制目标的不同进行分类，将控制目标为设定点控制的被控变量设置为y＝[y₁ … y_n]^T,将控制目标为区间控制的被控变量设置为y＝[y_n+1 …y_p]^T。

步骤S3:y＝[y_n+1 … y_p]^T中每个被控变量y_i对应的区间[y_i,low,y_i,high]，每个被控变量y_i对应的超出区间后被控目标值为对于y＝[y₁ … y_n]^T中的每个y_i需要对其设置平稳控制区间，通常该区间是工业干扰噪声和不可测扰动可接受的范围，令y_i所对应的噪声区间为[y_i,low,y_i,high]。该区间为平稳控制的作用区间，超出该区间后平稳控制失效。并且系统的被控目标值一直是初始的设定点，这里区别于区间控制。

步骤S4:将步骤S3中的每个被控变量对应的区间设置为该变量的平稳控制作用区间，即每个被控变量y_i对应的平稳控制作用区间为[y_i,low,y_i,high]

步骤S5:设置平稳控制比例系数K，对应于y＝[y₁ … y_p]^T中的p个被控变量，设置比例系数为K＝[k₁,k₂,…,k_p]^T，K的值根据系统对象增益选取，通常区间控制比设定点控制的k值要小。

步骤S6:设置平稳控制的控制增量阈值dU_ths，对应m个控制变量，就有m个控制增量阈值。故设置控制增量阈值为dU_ths＝[dU_1,ths,dU_2,ths,…,dU_m,ths]^T，dU_ths的取值跟当前被控变量的实际输出有关，计算如下：

其中，y_i为第i个被控变量的实际输出值，y_i,spe为第i个被控变量的目标值，如果被控变量控制目标是区间控制，则y_i,spe为区间的中点。y_i,high跟y_i,low分别对应着被控变量的输出区间，对应于被控目标是区间控制的变量，y_i,high跟y_i,low就是其输出区间上下限。而对应于设定点控制的被控变量，y_i,high跟y_i,low就是步骤S3中设置的工业噪声容忍区间上下限。

平稳控制策略的实施步骤，包括通过改进DMC算法来实施控制,具体算法控制策略如下：

步骤S1：通过检测得到k时刻的各个被控变量的实际输出值y(k)，y(k)＝[y₁(k),y₂(k),…y_p(k)]^T，通过k-1时刻对当前时刻的预测输出计算预测误差

步骤S2：计算预测输出校正值

其中，H为误差校正矩阵，通常设置其元素全部为1，

步骤S3：计算初始预测值：

其中，

步骤S4：通过权利2中的极小化性能指标进行QP问题求解得到m个控制变量的控制增量dU＝[dU₁,dU₂,…,dU_m]^T。

步骤S5：计算k时刻对未来P个控制周期的预测值：

步骤S6：判断输出y_i(k)是否进入平稳控制区间，如果被控变量输出y_i(k)还未进入平稳控制区间，则直接执行步骤7，如果y_i(k)已经进入平稳控制区间，则实行平稳控制策略：

if|dU_i|<dU_i,ths,dU_i＝0

else|dU_i|≥dU_i,ths,dU_i不变。

步骤S7：计算k时刻的控制输入值：

u_i(k)＝u_i(k-1)+dU_i(k)

步骤S8：进入k+1时刻，重新进行步骤S1。

实施例：

壳牌石油重油分馏塔的控制是一个标准控制问题，它的对象是一个多变量、有约束的系统，重油分馏塔设备有三个产品抽取出口，三个返塔循环回流，如图2所示。经济性能和操作条件决定分馏塔顶部和侧线抽取的产品性能要求，底部抽取液无性能要求，但分馏塔底部有温度操作约束。三个流通回路通过热交换来达到产品分离的目的。这些回路通过换热器的取热作用来达到对分馏塔其他部分的加热沸腾效果。所以，它们有变热负荷的要求，底部回路有一个焓控制器可以通过调整流量来达到调节热交换的目的。热负荷可以作为分馏器的一个控制变量，其他两个回路的热负荷作为系统的扰动。

Prett&Morari给出了该重油分馏塔的过程模型

其中，过程有控制变量：u₁代表分馏器顶部产品的抽出率；u₂代表分馏器侧线产品的抽出率；u₃代表分馏器底部的回流热负荷。过程的输出被控变量：y₁代表分馏器顶部产品的提取成分；y₂代表分馏器侧线产品的提取成分；y₃代表分馏器底部的回流温度。上述模型的采样周期为4min。系统中的各个变量已经进行归一化处理，系统的控制输入变量约束为[-0.5,0.5],被控变量输出约束为[-0.7，0.7]，控制输入变量的增量约束被限定在0.2.

采用此发明进行平稳控制:

步骤S1：三个被控变量中，经济性能和操作条件决定分馏塔顶部和侧线抽取的产品性能要求，底部抽取液无性能要求，但分馏塔底部有温度操作约束，所以将顶部y₁跟侧线y₂这两个被控变量做设定点控制，将底部y₃做区间控制，即y＝[y₁ y₂ y₃]^T。其中y₁跟y₂是设定点控制，y₃为区间控制，由此构成混合控制模式。

步骤S2：y₁设定点控制的控制目标为0.5，y₂设定点控制目标为-0.5，y₃的控制目标区间为[0.4,0.6]。将y₁跟y₂的平稳控制区间分别设置为[0.45,0.55],[-0.55,-0.45]。y₃的平稳控制区间即为原控制区间[0.4,0.6]。故y₃超区间后控制目标为0.5.

步骤S3：设置平稳控制比例系数K＝[k₁,k₂,k₃]^T，令k₁＝k₂＝1，k₃＝0.5。

步骤S4：设置平稳控制的控制增量阈值dU_ths，对应3个控制变量，就有3个控制增量阈值。故设置控制增量阈值为dU_ths＝[dU_1,ths,dU_2,ths,dU_3,ths]^T。

dU_1,ths＝0.05-(|y₁-0.5|)，dU_2,ths＝0.05-(|y₂+0.5|)，

dU_3,ths＝0.5×(0.1-(|y₃-0.5|))

其中y₁、y₂跟y₃是当前3个变量的实际输出值。

步骤S5：设置模型预测控制的步长为M＝30，模型的预测步长为P＝120，模型的长度也为N＝120，仿真总时长为300。

步骤S6：平稳控制策略实施控制：

步骤S61：通过检测得到当前k时刻的各个被控变量的实际输出值y(k)，y(k)＝[y₁(k),y₂(k),y₃(k)]^T，通过k-1时刻对当前时刻的预测输出计算预测误差

步骤S62：计算预测输出校正值

其中，H为误差校正矩阵，设置其元素全部为1，

步骤S63：计算初始预测值：

其中，

步骤S64：通过权利2中的极小化性能指标进行QP问题求解得到3个控制变量的控制增量dU＝[dU₁,dU₂,dU₃]^T。

步骤S65：计算k时刻对未来P个控制周期的预测值：

步骤S66：判断输出y_i(k)是否进入平稳控制区间，如果被控变量输出y_i(k)还未进入平稳控制区间，则直接执行步骤7，如果y_i(k)已经进入平稳控制区间，则实行平稳控制策略：

if|dU_i|<dU_i,ths,dU_i＝0

else|dU_i|≥dU_i,ths,dU_i不变。

步骤S67：计算k时刻的控制输入值：

u_i(k)＝u_i(k-1)+dU_i(k)

步骤S68：进入k+1时刻，重新进行步骤S1。

为了观察控制效果，在y₁上面添加强度为0.01的高斯白噪声干扰模拟工业现场中的噪声，同时在225时刻添加强度为0.1的信号充当模拟现场中的不可测干扰，在实施平稳控制策略后控制结果如图3跟图4所示。

由图3可知，y₁由于存在白噪声所以输出不是很稳定，但是总体维持在设定点0.5处，y₂控制效果很稳定，基本维持在设定点-0.5处，y₃由于是区间控制，所以输出也满足在区间内，符合控制要求。

由图4可知，各个控制变量在输出到达平稳控制区间后，即使输出上面存在着高斯噪声(y₁)，但是各个系统输入依然维持平稳，不会因为扰动的影响而上下波动,当225时刻因为扰动而使控制器发生动作时，动作完后各个控制器继续维持在一个稳态值上面，这种控制方式方便现场工作人员的操作调节，避免了因为扰动而去频繁的调节控制器。

图5和图6是加入平稳控制策略跟未加入平稳控制策略的对比图，其中实现为本发明的平稳控制策略，虚线为未加入平稳控制策略，通过对比可以发现，虚线的控制变量根本不能够稳定，这种情况是工业现场所不能接受的，并且由于黑色的控制变量不稳定，放大观察y₂会发现控制效果也不如实线的好，观察y₃可以发现实线的效果比虚线好，虚线基本维持在区间下限，而实线能够在区间中间部位。由此也证明了本发明的优点及有益效果。

Claims (8)

1.一种基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：包括以下步骤：

步骤1：针对被控对象进行区间参数设置；

步骤2：利用改进的DMC算法对控制输入进行约束，将得到的控制量作用到被控对象。

2.根据权利要求1所述的基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：所述区间参数设置包括以下步骤：

步骤1：被控对象具有m个执行机构，相应的控制变量为m个，被控对象有p个被控变量，用p维的列向量表示为y＝[y₁ … y_p]^T；

步骤2：将p个被控变量按照控制目标的不同进行分类，将控制目标为设定点控制的被控变量设置为y′＝[y₁ … y_n]^T,将控制目标为区间控制的被控变量设置为y″＝[y_n+1 …y_p]^T；

步骤3：对控制目标为区间控制的被控变量y″＝[y_n+1 … y_p]^T中每个被控变量y_i设置区间上限和区间下限，表示为[y_i,low,y_i,high]，并将该区间设置为其平稳控制区间；当被控变量y_i超出区间上限或区间下限时，被控目标值为

步骤4：对控制目标为设定点控制的被控变量y′＝[y₁ … y_n]^T中的每个被控变量y_j设置平稳控制区间[y_j,low,y_j,high]；

步骤5：对于所有被控变量设置平稳控制比例系数；

步骤6：设置平稳控制的控制增量阈值。

3.根据权利要求2所述的基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：区间控制的算法为：

DMC算法的目标函数为：

通过对DMC算法的目标函数进行更改为：

其中，y_spe为区间控制的设定点向量，Q_spe为输出权系数矩阵；

当输出预测值在给定的区间内，则不对其进行惩罚，若超出给定范围，给予惩罚，即满足区间内的预测值，则修改Q_spe，使其相应的输出权系数设置为0，即为不对其进行惩罚；

当输出的预测值超出给定的区间，则修改Q_spe，使其相对应的输出权系数设置为1，即对其进行惩罚；

当预测值超出给定的区间后，将给定区间的中间点设置为设定点，即修改y_spe，使其为区间的中间值。

4.根据权利要求2所述的基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：所述平稳控制区间为平稳控制的有效区间。

5.根据权利要求2所述的基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：对应于每一个被控变量，设置其平稳控制比例系数k_i；设置原则为：k_i等于被控对象的模型增益数量级。

6.根据权利要求2所述的基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：对应于每一个被控变量y_i，设置平稳控制的控制增量阈值dU_i,ths：

其中，y_i为第i个被控变量的实际输出值，y_i,spe为第i个被控变量的目标值，y_i,high为第i个被控变量对应的平稳控制区间的上限，y_i,low为第i个被控变量对应平稳控制区间的下限，k_i为平稳控制比例系数。

7.根据权利要求1所述的基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：所述改进的DMC算法包括以下步骤：

步骤1：通过检测得到当前时刻k的各个被控变量的实际输出值y(k)＝[y₁(k),y₂(k),…y_p(k)]^T，通过上一时刻对当前时刻k的预测输出值计算预测误差：

步骤2：计算预测输出校正值：

其中，H为误差校正矩阵，设置其元素全部为1，

步骤3：计算初始预测值：

其中，S为移位矩阵，

步骤4：通过极小化性能指标进行QP问题求解得到m个控制变量的控制增量；

步骤5：计算k时刻对未来P个控制周期的预测值：

其中，A为动态矩阵，通过被控对象的过程模型获得；Δu_M(k)为步骤4中求得的控制增量的向量形式；

步骤6：判断如果被控变量输出y_i(k)在平稳控制区间内，则判断，如果|dU_i|<dU_i,ths，则dU_i＝0，如果|dU_i|≥dU_i,ths,则dU_i不变；其中dU_i为第i个控制变量的求得的控制增量，dU_i,ths为第i个控制变量的控制增量阈值；

如果被控变量输出y_i(k)不在平稳控制区间内，则执行步骤7；

步骤7：计算当前时刻k的控制输入值：

u_i(k)＝u_i(k-1)+dU_i(k)

其中，u_i(k-1)为当前时刻k的上一时刻的控制输入量；

步骤8：下一时刻返回步骤1。

8.根据权利要求7所述的基于多变量约束区间预测控制的平稳控制实现方法，其特征在于：所述通过极小化性能指标进行QP问题求解包括以下过程：

将优化问题描述为一个QP问题，然后通过QP问题求解方法来求解，该QP问题表示如下：

s.t.

其中，H和f^T为该问题需要的表示方法，没有实际物理意义；Δu_M(k)为控制增量的向量形式；C和是约束条件统一合并之后的向量形式；

H＝2(A^TQA+R),

其中，A为动态矩阵，通过被控对象的过程模型获得，Q为输出权矩阵，R为控制权矩阵，可自行设置；w(k)参考轨迹向量，为初始输出预测值，I为单位阵，B为单位阵的变形矩阵，C₁，C₂，C₃，c₁，c₂，c₃为约束的向量形式，无实际意义；u_min为控制变量输入下限的向量形式，u_max为控制变量输入上限向量形式；Δu_min为控制增量下限的向量形式，Δu_max为控制增量上限的向量形式，y_min为被控变量输出下限的向量形式，y_max为被控变量输出上限的向量形式；M为控制时域，P为预测时域，m为控制变量个数，p为被控变量个数；B＝block-diag(B₀,…,B₀)

其中，u₁(k-1)为上一时刻的第一个控制变量的输入，u_m(k-1)为上一时刻的第m个控制变量的输入；u_1,min表示第一个控制变量的输入下限，u_m,min表示第m个控制变量的输入下限；u_1,max表示第一个控制输入的输入上限，u_m,max表示第m个控制输入的输入上限；Δu_1,min为第一个控制变量的输入增量的下限，Δu_m,min为第m个控制变量的输入增量的下限；Δu_1,max为第一个控制变量的输入增量的上限，Δu_m,max为第m个控制变量的输入增量的上限；y_1,min为第一个被控变量的输出下限，y_p,min为第p个被控变量的输出下限；y_1,max为第一个被控变量的输出上限，y_p,max为第p个被控变量的输出上限。