基于 gPROMS 平台的快速原型 MPC 工具

本文提出一种基于 gPROMS 平台的快速原型模型预测控制(Model Predictive Control, MPC)工具，支持完整的 MPC 设计工作流。gPROMS-MPC 工具不仅可直接与基于第一性原理的 gPROMS 模型交互进行闭环仿真，还可利用其数学信息推导简化面向控制的模型，基本通过线性化技术实现。它可继承基于第一性原理的 gPROMS 模型的可解释性，不同于 PAROC 框架中面向控制的模型是基于 gPROMS 仿真数据通过黑箱系统辨识获得。gPROMS-MPC 工具允许用户选择线性化时机，如每个采样时刻（连续线性化）或某些特定点以获得一个或多个良好线性模型。gPROMS-MPC 工具实现了我们先前的无构造 CDAL 和在线参数主动集 qpOASES 算法，分别用于求解稀疏或浓缩 MPC 问题公式，以适应可能的连续线性化或高状态维数情形。我们的 CDAL 算法还是无矩阵、无库的，因此支持嵌入式 C 代码生成。在对该工具进行诸多实例验证后，此处仅展示一个实例以考察不同 MPC 方案的性能。