可解释的 LP-MPC：影子价格贡献揭示 MV-CV 配对
系统与控制
2026-05-19 v2 系统与控制
摘要
在过程工业中，MPC（模型预测控制）通常实现为两级控制器，其中线性规划（LP）稳态优化器为 MPC 算法生成经济最优目标。工业 LP 优化器中的异常行为通常难以合理化，尤其是在涉及大量操纵变量（MV）和受控变量（CV）时。我们通过将 LP 解中影子价格的作用重新定义为 MV-CV 关系的归因机制，引入了一种新颖的事后 LP 可解释性方法。核心思想是，受约束 CV 的影子价格不仅仅是 LP 解的内在属性，而且可以分解为来自各个无约束 MV 的贡献，并使用线性求和分配算法解析为一对一的 MV-CV 配对。所提出的 MV-CV 配对框架可作为在线 LP-MPC 系统的实用可解释性工具，使从业者能够诊断次优约束并验证控制器行为与其原始设计的一致性。
引用
@article{arxiv.2512.06194,
title = {Explainable LP-MPC: Shadow Price Contributions Reveal MV-CV Pairings},
author = {Lim C. Siang and Daniel L. O'Connor},
journal= {arXiv preprint arXiv:2512.06194},
year = {2026}
}
备注
Accepted at the 2026 IFAC World Congress