一种改进的基于去耦结构的状态空间MPC设计，具有改进的性能

在自动控制领域，模型预测控制（Model Predictive Control，简称MPC）是一种广泛应用于工业过程控制的方法。它利用数学模型预测未来一段时间内的系统行为，并通过优化计算，确定在预测时间范围内应该采取的控制动作。由于MPC能够直接处理系统的约束条件，因此特别适合于多变量、多约束、以及动态响应复杂的过程控制。 文章的标题指出了采用了一种改进的基于解耦结构的状态空间MPC设计，具有改进的性能。解耦控制是指在多变量控制系统中，为了消除各个控制变量之间的相互影响，而采取的控制策略。这通常涉及到对系统模型进行处理，使得各个控制回路之间相互独立，从而简化控制结构，提高控制品质。在多变量过程中，零极点取消是一个常见问题，它可能影响系统的控制性能和稳定性。 文章内容提到了传统的状态空间MPC存在一些问题，例如观测器动态通常假定要比反馈控制器快，这在实际中可能导致数值计算上的困难。此外，还提到了模型预测控制的发展历程，从有限脉冲响应(Finite Impulse Response，FIR)或阶跃响应模型为基础的MPC（如动态矩阵控制 Dynamic Matrix Control, DMC），到传递函数模型为基础的MPC（如广义预测控制 Generalized Predictive Control, GPC），以及最近的状态空间模型为基础的MPC（State Space Model based MPC, SSMPC），后者近年来受到了显著的研究关注。 文章提出了一种新的改进的解耦结构，它避免了零极点取消问题，并通过调节额外的参数确保了可行性。在此基础上，文章进一步提出了一种单输入-单输出(SISO)设计的模型预测控制，它采用了一种新的状态空间实现方法，用于提高控制性能。通过这种新的设计模型，可以直接考虑过程状态变量的动态特性。文章还分析了所提出的解耦器性质、闭环控制性能、与传统状态空间MPC的关系以及鲁棒稳定性问题。 为了评价所提出的MPC设计的有效性，作者通过与近期文献中典型的过程进行比较，评估了该设计的效率，与一种典型的非最小状态空间MPC进行了对比。 文章最后提到，该研究得到了如下支持：杭州电子科技大学信息与控制研究所、香港科技大学化学与生物分子工程系。文章中还给出了有关文章历史的信息，如接收日期、修订日期和接受日期，以及关键字包括模型预测控制、状态空间模型、闭环控制性能和离散时间过程等。 本研究论文强调了在多变量控制系统中使用改进的解耦结构和状态空间MPC设计的重要性。通过这种设计，能够有效避免一些传统MPC在实施过程中遇到的困难，如零极点取消、控制可行性问题以及数值计算难题，并通过新设计的模型直接考虑过程状态变量的动态特性，从而提高整个控制系统的性能和稳定性。通过对典型过程的研究，这一新的MPC设计在实际应用中的效果得到了验证，这将有助于未来在工业过程控制等领域中的应用推广。