模型预测控制(MPC)是20世纪70年代产生的一种基于模型的计算机控制算法,由于能够处理多变量、有约束的,具有不确定性的控制过程,在过程工业尤其是石油、化工工业中得到广泛的应用。当前,随着企业规模的扩大,系统越来越复杂,过程限制或约束的存在可能使系统达不到期望的设定值;而系统操作者新的输入信息以及干扰的影响,可能改变最优稳态的位置,因此,如何进行系统的优化与控制,使系统在最经济的状态下运行是本论文研究的重点。针对这类问题,本文从下面三个方面进行了系统研究。1.采用MPC稳态目标计算和动态优化控制两级结构,在每个采样时刻,考虑可测干扰的影响下,重新进行稳态目标计算。稳态目标计算时保证稳态目标与动态MPC计算中的输入速率约束兼容,并根据当前预测输出和测量输出之间偏差的反馈信息校正稳态模型,体现了MPC算法中的反馈思想。2.在MPC稳态目标计算和动态优化控制两级结构基础上,研究了系统优化可行性与目标协调问题,提出了一种系统优化可行性的判定方法,论述了系统稳态目标计算过程中,当由于系统动态(扰动或工况大范围变迁)引起可行域远离期望目标或系统优化不可行的情况时,需要同时进行系统的约束调整与目标协调,来获得满意的实时优化结果。采用目标优先因子描述约束调整的优先级,并将目标协调问题转化成目标约束满足问题,从而系统解决了稳态目标计算中的约束调整与目标协调问题。3.将上述控制方案应用于工业造粒系统,通过对系统设定值发生变化以及系统存在干扰的情况下进行闭环仿真可以看出,基于目标规划的约束系统稳态目标优化策略可以根据实际工况,重新进行稳态目标计算,通过对系统的软约束调整和目标协调,可以获得更加经济的结果,同时,由于系统在每一时刻都重新进行了稳态目标计算,可以使系统始终工作在最经济的状态。