CN113608436A

CN113608436A - 一种多维度鲁棒预测控制方法和装置

Info

Publication number: CN113608436A
Application number: CN202110750863.0A
Authority: CN
Inventors: 张玉梅
Original assignee: Hangzhou Xiyazhi New Technology Co ltd
Current assignee: Hangzhou Xiyazhi New Technology Co ltd
Priority date: 2021-07-01
Filing date: 2021-07-01
Publication date: 2021-11-05
Anticipated expiration: 2041-07-01
Also published as: CN113608436B

Abstract

本申请涉及控制技术领域，特别是一种多维度鲁棒预测控制方法和装置，其方法包括，获取初始模型矩阵G_L1、G_L2，生成第一联合模型矩阵G；建立串级变量关系；根据串级变量关系，确定G_L1、G_L2之间的连接矩阵E；得到第二联合模型矩阵

依据所述

过程约束条件，确定模型控制器被控变量、控制变量的最优操作点；在一个模型预测控制框架中，实现多个独立子控制器的串级联系，降低用户工程实施门槛，提高用户工程实施效率，提高了模型预测控制器的控制性能。

Description

一种多维度鲁棒预测控制方法和装置

技术领域

本申请涉及控制技术领域，特别是一种多维度鲁棒预测控制方法和装置。

背景技术

MPC(ModelPredictiveControl，模型预测控制)作为一种有效解决工业过程对象中广泛存在的多变量、多变量、有耦合、多目标、大时滞等控制难题，得到工业界、学术界广泛地研究与应用。传统的模型预测控制采用“稳态- 动态”双层算法架构，但局限于单维度的预测控制算法，在遇到控制通道存在扰动的情况时，其控制效果将会大打折扣。目前，解决这一问题的主流思路是利用串级控制，采用MPC+PID的控制结构策略，如图1所示，PID作为底层内回路，MPC作为串级外回路，MPC的输出值作为PID的设定值，由PID驱动执行机构动作完成控制作用。虽解决了上述控制通道存在扰动的问题，同时也伴随着新的问题出现，其一，对PID控制策略的设计要求较高，若PID的回路中参数性能不佳，影响对扰动的抑制效果；其二，PID中存在回路饱和问题，即执行机构满量程或完全关闭，使得整个预测控制结构失去控制作用；其三，PID是一种单变量对单变量的控制策略，无法应对多变量的控制问题，难以对多变量的扰动进行多变量解耦。

发明内容

鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种多维度鲁棒预测控制方法和装置，包括：

获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，合并所述G_L1、G_L2得到第一联合模型矩阵G；

将所述第二子控制器的控制变量输入至所述第一子控制器，并作为所述第一子控制器的被控变量的设定点，以建立所述第一控制器和所述第二子控制器之间的串级变量关系；

根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E，通过所述连接矩阵E对所述G_L2进行优化，得到优化后的第二联合模型矩阵

在所述

中输入所述第一子控制器的被控变量、所述第二子控制器的控制变量的过程约束条件，在所述模型控制器的预设运行周期内所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点。

优选的，所述获取预设于模型控制器中的第一子控制器的初始模型矩阵 G_L1、第二子控制器的初始模型矩阵G_L2，合并所述G_L1、G_L2得到联合模型矩阵G包括：

通过辨识或机理分析得到所述G_L1、G_L2，分别建立G_L1、G_L2中控制变量和被控变量的模型增益关系；

合并所述G_L1、G_L2得到联合模型矩阵G。

优选的，在所述中输入所述第一子控制器的被控变量、所述第二子控制器的控制变量的过程约束条件，在所述模型控制器的预设运行周期内确定所述被控变量、所述控制变量的最优工作点，包括：

确定所述控制变量和所述被控变量在稳态优化中的过程约束条件；

根据所述约束条件以及优化问题的目标函数，形成所述第一子控制器和所述第二子控制器之间的稳态优化问题；

通过线性规划与二次规划对所述稳态优化问题求解，得到所述控制变量的最优操作点和所述被控变量的最优操作点。

优选的，所述确定所述控制变量和所述被控变量在稳态优化中的过程约束条件，包括：确定所述控制变量和所述被控变量在稳态优化中的过程输入变量约束条件的上界和下界、稳态输出变量约束条件的上界和下界、控制变量的速率约束上限和下限。

优选的，所述通过线性规划与二次规划对所述稳态优化问题求解，得到所述控制变量的最优操作点和所述被控变量的最优操作点，包括：

在所述约束条件中增加经济约束条件，确定所述经济约束条件的约束等级：

根据所述约束等级求解得到所述控制变量的最优操作点，并根据所述控制变量的最优操作点在

中计算得到所述被控变量的最优操作点。

优选的，所述在所述模型控制器的预设运行周期内所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点包括：

根据所述预设的调度周期，控制所述第一子控制器和所述第二子控制器在不同的周期内进行稳态优化与动态控制。

优选的，所述第一控制器和所述第二控制器的运行次数为所述预设的运行周期的整数倍。

还包括一种多维度鲁棒预测控制装置，包括：

矩阵获取模块，用于获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，合并所述G_L1、G_L2得到第一联合模型矩阵G；

关系建立模块，用于将所述第二子控制器的控制变量输入至所述第一子控制器，并作为所述第一子控制器的被控变量的设定点，以建立所述第一控制器和所述第二子控制器之间的串级变量关系；

矩阵优化模块，用于根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E，通过所述连接矩阵E对所述G_L2进行优化，得到优化后的第二联合模型矩阵

操作点确定模块，用于在所述

还包括一种设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的多维度鲁棒预测控制方法的步骤。

还包括一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的多维度鲁棒预测控制方法的步骤。

本申请具有以下优点：

在本申请通过通过获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述G_L1和G_L2生成第一联合模型矩阵G；依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系；根据所述串级变量关系，对所述 G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E；通过所述连接矩阵E对所述G_L2进行优化，得到第二联合模型矩阵

获取所述第一子控制器的被控变量的过程约束条件以及所述第二子控制器的控制变量的过程约束条件，并依据所述

所述第一子控制器的被控变量的过程约束条件、所述第二子控制器的控制变量的过程约束条件，确定所述模型控制器在预设运行周期内所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点，在一个模型预测控制框架中，实现多个独立子控制器的串级联系，首先通过指定第二子控制器中的部分变量为串级控制变量，指定第一子控制器中的部分变量为串级被控变量，并将第二子控制器中的控制变量通过计算处理得到的优化或者控制结果输出至第一控制器中且作为被控变量的设定值，最终形成整体的模型预测控制架构，降低用户工程实施门槛，提高用户工程实施效率，提高了模型预测控制器的控制性能。

附图说明

为了更清楚地说明本申请的技术方案，下面将对本申请的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是现有技术中模型预测控制器的结构框图；

图2是本申请一实施例提供的一种多维度鲁棒预测控制方法的步骤流程图；

图3是本申请一实施例提供的一种多维度鲁棒预测控制装置的结构框图；

图4是本发明一实施例提供的一种计算机设备的结构示意图。

具体实施方式

为使本申请的所述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，在本发明任一实施例中，不再依赖传统的MPC+PID的控制结构策略，而是舍去PID，直接在MPC架构中应用串级策略，直接实现MPC的优化控制，摆脱PID在抑制扰动等方面所存在的诸多弊端，降低了预测控制技术的实施门槛与工程实施成本。

参照图1，示出了本申请一实施例提供的一种多维度鲁棒预测控制方法的步骤流程图；

所述方法包括：

S110，获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述G_L1和G_L2生成第一联合模型矩阵G；

S120，依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系；

S130，根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E；

S140，通过所述连接矩阵E对所述G_L2进行优化，得到第二联合模型矩阵

S150，获取所述第一子控制器的被控变量的过程约束条件以及所述第二子控制器的控制变量的过程约束条件，并依据所述

所述第一子控制器的被控变量的过程约束条件、所述第二子控制器的控制变量的过程约束条件，确定所述模型控制器在预设运行周期内所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点。

在本申请实施例中，通过获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述G_L1和G_L2生成第一联合模型矩阵G；依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系；根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E；通过所述连接矩阵E 对所述G_L2进行优化，得到第二联合模型矩阵

所述第一子控制器的被控变量的过程约束条件、所述第二子控制器的控制变量的过程约束条件，确定所述模型控制器在预设运行周期内所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点，在一个模型预测控制框架中，实现多个独立子控制器的串级联系，首先通过指定第二子控制器中的部分变量为串级控制变量，指定第一子控制器中的部分变量为串级被控变量，并将第二子控制器中的控制变量通过计算处理得到的优化或者控制结果输出至第一控制器中且作为被控变量的设定值，最终形成整体的模型预测控制架构。

需要说明的是，第一子控制器应对被控变量，作为模型预测控制器的底层架构，替代原有MPC+PID架构中PID，起到抑制控制通道扰动的作用，弥补原有技术中所存在的缺陷，避免用户采用MPC+PID控制的复杂工程策略方法来弥补主流MPC技术存在的缺陷以及采用该工程策略后潜在出现的各类问题，降低用户工程实施门槛，提高用户工程实施效率，提高MPC控制器的控制性能。

下面，将对本示例性实施例中多维度鲁棒预测控制方法作进一步地说明。

如所述步骤S110所述，获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述G_L1和G_L2生成第一联合模型矩阵G，其第一联合模型矩阵G表达为：

需要说明的是，通过步骤S110得到联合模型矩阵G，构建了应用于本申请实施例中的L2_MPC+L1_MPC架构的基本框架，以替代原有的MPC+ PID的架构，其中，L2_MPC为第二子控制器，L1_MPC为第一子控制器。

如所述步骤S120所述，依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系。

示例性的，MV作为L2_MPC输入的控制变量，通过L2_MPC将优化或控制后的结果输出至L1_MPC，并作为L1_MPC的被控变量CV的设定点，具体的，MV1输出作为CVs的设定点，MVt输出作为CVp的设定点，可依次类推指定构建多种多维度的串级变量关系，以实现一个模型预测控制器中多个独立的子控制器的串级功能。

如所述步骤S130、步骤140所述，根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵；以及通过所述连接矩阵E对所述G_L2进行优化，得到第二联合模型矩阵

根据串级关系，重新整合得到第一子控制器的优化模型矩阵，其中存在多子控制器，当串级变量非0时，可形成连接矩阵为E，从而得到第二联合模型矩阵为

其中，第二联合模型矩阵

表达为：

通过上述将第二子控制器与第一子控制器的模型矩阵进行联立，形成第二联合模型矩阵，也即

并通过指定需要串级变量设定，可解决控制通道扰动抑制与目标跟踪问题，同时还可处理第一子控制器中的饱和问题。

在本发明一实施例中，所述获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述G_L1和G_L2生成第一联合模型矩阵G，包括：

建立第一子控制器中被控变量和控制变量的第一模型增益关系，以及第二子控制器中被控变量和控制变量的第二模型增益关系；

依据所述所述G_L1、所述G_L2、所述第一模型增益关系和所述第二模型增益关系生成第一联合模型矩阵G。

需要说明的是，通过辨识或机理分析得到所述G_L1、G_L2；其中，G_L1中控制变量和被控变量的第一模型增益关系表达为：

y_k，L1＝y_k-1，L1+G_L1(u_k，L1-u_k-1，L1)

G_L2中控制变量和被控变量的第二模型增益关系表达为：

y_k，L2＝y_k-1，L2+GL₂(u_k，L2-u_k-1，L2)

上式子中，u_k∈R^m×1为k时刻待求解的最优控制变量的操作点，u_k-1∈R^m×1为k-1时刻控制变量的操作点，y_k∈R^p×1为k时刻待求解的最优被控变量的操作点，y_k-1∈R^p×1为k-1时刻被控变量的操作点。

在本发明一实施例中，所述获取所述第一子控制器的被控变量的过程约束条件以及所述第二子控制器的控制变量的过程约束条件，并依据所述

、所述第一子控制器的被控变量的过程约束条件、所述第二子控制器的控制变量的过程约束条件，确定所述模型控制器在预设运行周期内所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点，包括：

确定所述第二子控制器的控制变量和所述第一子控制器的被控变量在稳态优化中的过程约束条件；

依据所述约束条件以及优化问题的目标函数，生成所述第一子控制器和所述第二子控制器之间的稳态优化问题；

通过线性规划与二次规划对所述稳态优化问题求解，分别得到所述第二子控制器的控制变量和所述第一子控制器的被控变量的最优操作点。

需要说明的是，通过设立矩阵中相应的串级变量约束关系，以方程的形式联立，作为第一子控制器和第二子控制器连接约束关系的数学表达式，形成稳态优化问题，以得到第一子控制器和第二子控制器各自所需变量的最优操作点，为后续推动控制对象达到最优工作点做准备。

在本发明一实施例中，所述确定所述第二子控制器的控制变量和所述第一子控制器的被控变量在稳态优化中的过程约束条件，包括：

确定所述第一子控制器的被控变量在稳态优化中的过程输入变量约束条件的上界和下界、稳态输出变量约束条件的上界和下界，确定所述第二子控制器的控制变量在稳态优化中的过程输入变量约束条件的上界和下界、稳态输出变量约束条件的上界和下界、速率约束上限和下限；

生成所述第二子控制器的控制变量和所述第一子控制器的被控变量在稳态优化中的过程约束条件。

过程约束条件如下：

y_LL，L2≤y_k，L2≤y_HL，L2

y_LL，L1≤y_k，L1≤y_HL，L1

u_LL，L2≤u_k，L2≤u_HL，L2

u_LL，L1≤u_k，L1≤u_HL，L1

Δu_LL，L2≤u_k，L2-u_k-1，L2≤Δu_HL，L2

Δu_LL，L1≤u_k，L1-u_k-1，L1≤Δu_HL，L1

其中，u_LL∈R^m×1、u_HL∈R^m×1为过程输入变量约束条件的上界和下界， y_LL∈R^p×1、y_HL∈R^p×1为稳态输出变量约束条件的上界和下界，Δu_LL、Δu_HL为控制变量速率约束上限和速率约束下限。

在本发明一实施例中，多维度鲁棒预测控制方法，还包括：

中计算得到所述被控变量的最优操作点；其中，经济约束等级为1010-1999，共980个等级值可设置。

上述的线性规划的表达式为：

s.t.

y_k，L2＝y_k-1，L2+G_L2(u_k，L2-u_k-1，L2)

y_k，L1＝y_k-1，L1+[E G_L1][(u_k，L2-u_k-1，L2)(u_k，L1-u_k-1，L1)]^T

y_LL，L2≤y_k，L2≤y_HL，L2

y_LL，L1≤y_k，L1≤y_HL，L1

u_LL，L2≤u_k，L2≤u_HL，L2

u_LL，L1≤u_k，L1≤u_HL，L1

Δu_LL，L2≤u_k，L2-u_k-1，L2≤Δu_HL，L2

Δu_LL，L1≤u_k，L1-u_k-1，L1≤Δu_HL，L1

其中，c∈R^m×1为控制成本系数。

二次规划的表达式为：

s.t.

y_k，L2＝y_k-1，L2+G_L2(u_k，L2-u_k-1，L2)

y_k，L1＝y_k-1，L1+[E G_L1][(u_k，L2-u_k-1，L2)(u_k，L1-u_k-1，L1)]^T

y_LL，L2≤y_k，L2≤y_HL，L2

y_LL，L1≤y_k，L1≤y_HL，L1

u_LL，L2≤u_k，L2≤u_HL，L2

u_LL，L1≤u_k，L1≤u_HL，L1

Δu_LL，L2≤u_k，L2-u_k-1，L2≤Δu_HL，L2

Δu_LL，L1≤u_k，L1-u_k-1，L1≤Δu_HL，L1

其中，MP为装置最大经济效益。

在本发明一实施例中，所述在所述模型控制器的预设运行周期内所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点，包括：

依据所述预设运行周期，控制所述第一子控制器和所述第二子控制器进行稳态优化与动态控制，其中，所述第一控制器和所述第二控制器的运行次数为所述预设的运行周期的整数倍；

确定所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点。

需要说明的是，计算得到控制变量和被控变量的最优操作点后，通过控制所述第一子控制器和所述第二子控制器在不同的周期内进行稳态优化与动态控制，完成各个变量所形成优化控制数学问题的不同周期同步和异步调度控制。通过调度周期的设计，本发明能够有效应对不同尺度下的扰动抑制问题，以及优化控制问题。

示例性的，模型预测控制器的基本运行周期Ts，第一子控制器和第二子控制器的运行次数Rt，当Rt％w＝0时，该模块可进行调度计算，其中‘％’为整除取余符号。

在本发明一实施例中，所述依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系，包括：

依据所述控制变量生成所述第一子控制器的被控变量的设定点；

依据所述第二子控制器的控制变量和所述第一子控制器的被控变量建立所述第一控制器和所述第二子控制器之间的串级变量关系。

本发明的实施例中提出了一种全新的多维预测控制方法，包含变量、周期、层级三大维度功能，分别为：多变量预测控制、多周期同步和异步调度、多子控制器串级，将当前主流的单维度预测控制架构扩展为多维度预测控制架构，降低用户工程实施门槛，提高用户工程实施效率，提高模型预测控制器的控制性能，替代了MPC+PID控制器的工程策略实现方法，有效处理传统依靠PID作为底层执行回路的策略方式而不能解决的PID饱和问题，有效处理传统依靠PID作为底层执行回路的策略方式而不能解决原始PID控制回路设计不合理、PID控制性能不佳或PID控制器不存在问题，减少工程实施过程中的改造成本，有效处理传统依靠PID作为底层执行回路的策略方式而不能解决的多变量有耦合场景，提高了模型预测控制器的技术普适性，同时，支持多周期同步和异步调度控制，能够有效解决不同时间尺度下的扰动抑制问题，以及优化控制问题。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

如图3，示出了本申请一实施例提供的一种多维度鲁棒预测控制装置，包括：

矩阵获取模块210，用于获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述G_L1和G_L2生成第一联合模型矩阵G；

关系建立模块220，用于依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系；

矩阵优化模块230，用于根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E；

矩阵确定模块240，用于通过所述连接矩阵E对所述G_L2进行优化，得到第二联合模型矩阵

操作点确定模块250，用于获取所述第一子控制器的被控变量的过程约束条件以及所述第二子控制器的控制变量的过程约束条件，并依据所述

在本发明一实施例中，所述矩阵获取模块210，包括：

建立子模块，用于建立第一子控制器中被控变量和控制变量的第一模型增益关系，以及第二子控制器中被控变量和控制变量的第二模型增益关系；

第一生成子模块，用于依据所述所述G_L1、所述G_L2、所述第一模型增益关系和所述第二模型增益关系生成第一联合模型矩阵G。

在本发明一实施例中，操作点确定模块250，包括：

条件确定子模块，用于确定所述第二子控制器的控制变量和所述第一子控制器的被控变量在稳态优化中的过程约束条件；

第二生成子模块，用于依据所述约束条件以及优化问题的目标函数，生成所述第一子控制器和所述第二子控制器之间的稳态优化问题；

操作点确定子模块，用于通过线性规划与二次规划对所述稳态优化问题求解，分别得到所述第二子控制器的控制变量和所述第一子控制器的被控变量的最优操作点。

在本发明一实施例中，所述条件确定子模块，包括：

条件确定子单元，用于确定所述第一子控制器的被控变量在稳态优化中的过程输入变量约束条件的上界和下界、稳态输出变量约束条件的上界和下界，确定所述第二子控制器的控制变量在稳态优化中的过程输入变量约束条件的上界和下界、稳态输出变量约束条件的上界和下界、速率约束上限和下限；

条件生成子单元，用于生成所述第二子控制器的控制变量和所述第一子控制器的被控变量在稳态优化中的过程约束条件。

在本发明一实施例中，多维度鲁棒预测控制装置还包括：

等级确定模块，用于在所述约束条件中增加经济约束条件，确定所述经济约束条件的约束等级；

操作点计算模块，用于根据所述约束等级求解得到所述控制变量的最优操作点，并根据所述控制变量的最优操作点在

中计算得到所述被控变量的最优操作点。

在本发明一实施例中，操作点确定模块250，还包括：

控制子模块，用于依据所述预设运行周期，控制所述第一子控制器和所述第二子控制器进行稳态优化与动态控制，其中，所述第一控制器和所述第二控制器的运行次数为所述预设的运行周期的整数倍；

操作点确定子模块，用于确定所述第一子控制器被控变量、所述第二子控制器控制变量的最优操作点。

在本发明一实施例中，关系建立模块220，包括：

第三生成子模块，用于依据所述控制变量生成所述第一子控制器的被控变量的设定点；

关系建立子模块，用于依据所述第二子控制器的控制变量和所述第一子控制器的被控变量建立所述第一控制器和所述第二子控制器之间的串级变量关系。

参照图4，示出了本发明的一种多维度鲁棒预测控制方法的计算机设备，具体可以包括如下：

上述计算机设备12以通用计算设备的形式表现，计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线18结构中的一种或多种，包括存储器总线18或者存储器控制器，外围总线18，图形加速端口，处理器或者使用多种总线 18结构中的任意总线18结构的局域总线18。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线18，微通道体系结构(MAC)总线 18，增强型ISA总线18、音视频电子标准协会(VESA)局域总线18以及外围组件互连(PCI)总线18。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块42，这些程序模块42被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其他程序模块42以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信，还可与一个或者多个使得医护人员能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)界面22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN))，广域网(WAN)和/或公共网络(例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白，尽管图4中未示出，可以结合计算机设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统34等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的多维度鲁棒预测控制方法。

也即，上述处理单元16执行上述程序时实现：获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述G_L1和G_L2生成第一联合模型矩阵G；依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系；根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E；通过所述连接矩阵E对所述G_L2进行优化，得到第二联合模型矩阵

在本发明实施例中，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有实施例提供的多维度鲁棒预测控制方法：

也即，给程序被处理器执行时实现：获取预设于模型控制器中的第一子控制器的初始模型矩阵G_L1、第二子控制器的初始模型矩阵G_L2，并依据所述 G_L1和G_L2生成第一联合模型矩阵G；依据所述第二子控制器的控制变量建立所述第一控制器和所述第二子控制器之间的串级变量关系；根据所述串级变量关系，对所述G_L1进行优化，确定G_L1、G_L2之间的连接矩阵E；通过所述连接矩阵E对所述G_L2进行优化，得到第二联合模型矩阵

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机克顿信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPOM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在医护人员计算机上执行、部分地在医护人员计算机上执行、作为一个独立的软件包执行、部分在医护人员计算机上部分在远程计算机上执行或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到医护人员计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种多维度鲁棒预测控制方法和装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。