[1]段 焜,张 鹏.双层结构MPC控制器参数性能评估方法[J].工业仪表与自动化装置,2025,(06):111-117.[doi:10.19950/j.cnki.CN61-1121/TH.2025.06.020]
　DUAN Kun,ZHANG Peng.Assessment of controller parameter performance based on double-layer model predictive control[J].Industrial Instrumentation & Automation,2025,(06):111-117.[doi:10.19950/j.cnki.CN61-1121/TH.2025.06.020]
点击复制

双层结构MPC控制器参数性能评估方法()

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2025年06期
页码:
111-117
栏目:
出版日期:
2025-12-15

文章信息/Info

Title:
Assessment of controller parameter performance based on double-layer model predictive control
文章编号:
1000-0682（2025）06-0111-07
作者:
段 焜; 张 鹏
江苏安全技术职业学院，江苏 徐州 221011
Author(s):
DUAN Kun;  ZHANG Peng
(Jiangsu College of Safety Technology, Jiangsu Xuzhou 221011, China)
关键词:
双层模型预测控制; 控制器参数; 性能评估; Wood-Berry精馏塔模型
Keywords:
double-layer model predictive control;  controller parameter;  performance assessment;  Wood-Berry distillation column model
分类号:
TP273
DOI:
10.19950/j.cnki.CN61-1121/TH.2025.06.020
文献标志码:
A
摘要:
针对双层模型预测控制（MPC）中稳态优化层与动态优化层对控制器参数需求矛盾导致的综合性能评估难题，文中设计提出了一种基于分项指标融合的控制器参数性能评估方法。该方法分别设计了表征扰动抑制、稳态跟踪和稳态预测的3种性能分项指标，并通过融合机制构建了动态优化层综合性能指标与稳态优化层性能指标。利用Wood-Berry精馏塔模型进行的仿真实验结果表明，所提方法能够有效评估参数性能，在预测时域P=100时稳态预测指标达0.957 8，综合性能指标优于0.95。
Abstract:
Addressing the challenge of comprehensively assessing controller parameter performance due to conflicting requirements between the steady-state optimization layer and the dynamic optimization layer in double-layer model predictive control (MPC), this paper proposes a performance evaluation method based on the fusion of sub-indicators. This method designs three sub-indicators characterizing disturbance rejection performance, setpoint tracking performance, and steady-state prediction performance. A fusion mechanism is then employed to construct a comprehensive performance indicator for the dynamic optimization layer and a separate performance indicator for the steady-state optimization layer. Simulation results on the Wood-Berry distillation column model demonstrate the effectiveness of the proposed method in evaluating parameter performance, achieving a steady-state prediction indicator of 0.9578 with a prediction horizon (P) of 100, while the comprehensive performance indicators exceed 0.95.

参考文献/References:

[1] 杨立柱,李冰.基于模糊MPC的自主车辆队列转向换道协同控制系统设计[J].电子设计工程,2025,33(3):53-57,62.

[2] 杜巧玲,薛成泽,郑伟.基于MPC的仿生尺蠖机器人运动控制[J].沈阳工业大学学报,2025,47(1):124-129.
[3] 臧春华,张帅杰,苏宝玉.模型预测控制约束自适应研究[J].工业仪表与自动化装置,2022(5):116-123.
[4] 王志国,储天舒,田静,等.控制系统性能评估技术发展综述[J].自动化仪表,2023,44(11):1-10.
[5] 潘晓真.不同采样方式下网络控制系统性能分析和控制器设计[D].哈尔滨:哈尔滨理工大学,2023.
[6] 宗法鑫,鲁文其,鄢鹏飞,等.基于SMO的SynRM无位置传感器直接转矩控制系统[J].电子科技,2024,37(12):56-66.
[7] 朱瑛,石琦,蔡寿国,等.基于二维动态减载和双层MPC的风储联合调频与功率优化分配[J].电力自动化设备,2024,44(8):1-8.
[8] Xu F, Huang B, Akande S. Performance assessment of model pedictive control for variability and constraint tuning[J]. Industrial & Engineering Chemistry Research, 2007, 46(4): 1208-1219.
[9] Zhao C, Zhao Y, Su H, et al. Economic performance assessment of advanced process control with LQG benchmarking[J]. Journal of Process Control, 2009, 19(4): 557-569.
[10] Cai X, Sun P, Chen J, et al. ILC strategy for progress improvement of economic performance in industrial model predictive control systems[J]. Journal of Process Control, 2014, 24(12): 107-118.
[11] 张立炎,钱积新.多变量模型预测控制器设计与参数调节评述[J].机床与液压,2007(9):31-34.
[12] 刘长良,翟永杰,周黎辉,等.一种基于模型预测的参数自调整模糊控制[J].自动化仪表,2002(8):21-23.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2025-06-27基金项目：江苏省高校“青蓝工程”资助项目( 苏教师函[2024] 14 号)第 一作者：段焜(1986 — )，男，江苏徐州人，硕士，副教授，研究方向为控制工程。
更新日期/Last Update: 1900-01-01