模型预测控制(MPC)是在各种工业领域应用范围很广的一种新型控制技术,MPC控制器运行正常并保持良好的控制器性能具有非常重要的实际意义。在工业实践中,MPC在投用初期由于控制器模型比较准确,普遍满足性能要求,而在经过一段时间的运行后,由于各种因素影响,MPC控制器的性能可能出现下降,偏离了系统的性能基准。本文针对模型预测控制器在工业实际投运中遇到的性能下降问题,提出了两种对于模型预测控制器的自愈算法,主要研究内容如下:(1)提出了一种基于ISE-TSV指标的模型预测控制器性能评价及自愈方法。先基于累积平方误差(ISE)和总平方波动(TSV)指标对模型预测控制器进行实时性能评价,再根据无限时域MPC的逆特性,基于ISE-TSV指标的分析,提出了一种MPC控制器的鲁棒自愈方法。使用直线二级倒立摆系统的仿真与实验结果证明了所提出的自愈方法可行且有效。(2)提出了一种基于新型神经动力学(ZNN)原理的MPC控制器的自愈算法。当模型出现严重失配,而导致MPC性能大幅度下滑时,利用此MPC自愈算法,先运行预测偏差校正模块,目的是使模型的预测输出得到纠正,然后再根据修改更正后的预测输出,使用根据ZNN原理的算法重新辨识被控对象的模型参数,从而更新被控对象模型来实现控制器性能的自愈。用直线二级倒立摆的仿真实验结果验证了所提出的自愈方法可行且有效。(3)在VS环境下,使用C#设计编写一个APC性能监测软件,实现对控制器进行数采,指标计算,多指标评价与Web发布为一体的功能,并取得了良好的工业实际应用成果。