長庚大學化工與材料工程研究所

碩士論文

非線性不穩定程序之
多重線性模式預測控制

Multiple Linear Model Predictive Control of

Nonlinear Unstable Processes

研 究 生：李豪業
指導教授：王國彬 博士

中華民國 八十九 年 六 月
 誌 謝
本論文研究期間，承蒙恩師 王國彬老師悉心指導與殷切關懷，

使研究得以順利進行、所需不致缺乏，致上最誠摯的謝意。

也感謝台灣大學黃孝平教授與台灣科技大學錢義隆教授以及本校

程學恆副教授於口試期間提出諸多寶貴的意見與指正，使得此論文能

更加的完善。

在這兩年時間，感謝我親愛的室友志誠、震軒在相處上給予我許

多的支持；各實驗室所有同窗同學在生活、球場及課程學習上相互的

打氣，以及清楠、宏名、永元與致遠等學弟在實驗室眾多事物上的幫

忙與協助，使我在論文的研究上更能專心。

同時亦感謝在長庚六年來陪伴我走過一切傷心、快樂的光鹽社眾

伙伴，以及這兩年來成為我精神支柱的女友。

最後，僅以此論文獻給我敬愛的雙親及家人，以及所有關心我的

師長、朋友。

ii
 摘 要

基於經濟上的考量，許多工業程序都是在不穩定點上進行操作的
，然而，將程序操作在不穩定點的條件上是很具挑戰性的控制問題。
本研究之主要目的在發展以多重線性模式為基礎的非線性預測控制策
略，此法伴隨著狀態估測，可有效操控開環不穩定的非線性程序。
很明顯地，模式預測控制法則的性能取決於所得模式的品質。藉
由空間距離權重的概念，本研究提出簡便且有效的方法，結合一組局
部線性化模式成為一整體的模式，可準確地代表非線性程序。為求減
輕計算負荷，在模式預測控制架構中，上述之多重模式即可作為預測
方程式來計算程序未來的輸出值。同時，本研究提出一些參數調諧策
略，確保此預測控制系統具有低超越及良好的韌性。最後，將所發展
的多重模式預測控制技術應用於典型非線性不穩定的化學反應製程控
制問題上，以證實其效能。

i
 Abstract

For many industrial processes the unstable point may be the desired
operating condition because of the economical concern. However, it is
known that operating a process at an unstable condition is a challenging
control problem. The goal of this article is to develop a multiple linear
model-based nonlinear predictive control with state estimation for
stabilizing open-loop unstable nonlinear processes.
Clearly, the performance of the model predictive control(MPC)
algorithm depends on the quality of the derived model. In this work, by use
of the concepts of weighting of the space distance, a set of locally
linearized models can be simply and effectively combined into a global
description of the nonlinear plant. For saving the computational load, these
multiple linear models are then used as prediction equations in MPC
framework to calculate the future behavior of the process. Simultaneously,
this work presents some parameter tuning strategies which guarantee low
overshoot and good robustness for the predictive control system. The
effectiveness of the proposed multiple linear model predictive control
approach is demonstrated by its application to the exothermic chemical
reactor which is a typical nonlinear unstable process.

ii
 目 錄

摘 要.................................................................................................. i
Abstract........................................................................................................ ii
目 錄................................................................................................ iii

圖 表 目 錄 .................................................................................................v

1. 緒論.........................................................................................................1
1.1. 前言........................................................................................................... 1
1.2. 研究動機與目的....................................................................................... 1
1.3. 組織章節................................................................................................... 6

2. 多重線性模式 ........................................................................................7
2.1. 前言........................................................................................................... 7
2.2. 多重模式概念說明................................................................................... 8
2.2.1. 多重模式控制器的概念................................................................... 9
2.2.2. 多重模式的概念............................................................................. 11
2.3. 多重線性模式之建構............................................................................. 13
2.3.1. 模式之建構..................................................................................... 13
2.3.2. 權重因子之計算............................................................................. 19

3. 非線性模式預測控制策略 ................................................................. 25
3.1. 前言......................................................................................................... 25
3.2. 動態矩陣控制......................................................................................... 25
3.2.1. 單變數系統之動態矩陣控制......................................................... 25
3.2.2. 多變數系統之動態矩陣控制......................................................... 36
3.3. 二次規劃動態矩陣控制......................................................................... 41
3.3.1. 操作變數之限制............................................................................. 43
3.3.2. 操作變數速率之限制..................................................................... 44
3.3.3. 系統輸出之限制............................................................................. 44

iii
 3.3.4. 有限制條件下的控制律................................................................. 46
3.4. 非線性二次規劃動態矩陣控制............................................................. 48
3.5. 多重線性模式之非線性二次規劃動態矩陣控制................................. 52

4. 非線性不穩定系統之多重模式預測控制 ......................................... 57
4.1. 前言......................................................................................................... 57
4.2. 一階放熱反應非等溫連續攪拌反應器................................................. 58
4.3. 多重線性模式之模擬結果與討論......................................................... 64
4.4. 非線性模式預測控制之模擬結果與討論............................................. 70
4.5. 不穩定程序多重模式預測控制之模擬結果與討論............................. 81

5. 結論及未來研究方向 ......................................................................... 90

參考文獻 .................................................................................................... 91

iv
 圖 表 目 錄

圖 1-1 高階製程控制技術對製程操控之效能 ...................................................... 3

圖 2-1 多重模式控制複合子區域示意圖 ............................................................. 8
圖 2-2 多重模式與多重模式控制器之架構圖 ..................................................... 9
圖 2-3 多重模式控制器示意圖 ........................................................................... 10
圖 2-4 以多重模式近似真實系統示意圖 ........................................................... 12
圖 2-5 合併模式輸出架構圖 ............................................................................... 15
圖 2-6 a) 硬性區間與 b) 軟性區間示意圖......................................................... 20
圖 3-1 動態矩陣控制之基本架構 ....................................................................... 26
圖 3-2 階梯應答模式示意圖 ............................................................................... 28
圖 3-3 動態矩陣控制移動水平運算法則[22]..................................................... 29
圖 3-4 NLQDMC 操作流程圖.............................................................................. 53
圖 3-5 NLQDMC 應用多重線性模式操作流程圖.............................................. 54
圖 4-1 放熱反應非等溫連續攪拌反應器的多重穩態點 .................................... 58
圖 4-2 一階放熱反應非等溫連續攪拌反應器溫控系統示意圖 ........................ 59
圖 4-3 一階放熱反應非等溫 CSTR 當 u = 0 時之開環相平面圖..................... 61
圖 4-4(a)一階放熱反應非等溫 CSTR 之穩態平面變化圖................................. 62
圖 4-4(b)一階放熱反應非等溫 CSTR 之穩態立體變化圖................................. 63
圖 4-5 (a) 3 models (b) 5 models (c) 7 models 之操作點...................................... 67
圖 4-6 利用點與點距離公式所得權重之系統動態 ........................................... 68
圖 4-7 利用距離權重公式所得權重之系統動態 ............................................... 69
圖 4-8 穩定操作點下輸入 u = ±0.7 與 u = ±0.4 之變化之系統開環動態 .......... 74
圖 4-9 輸入 u = +0.7 之系統開環相平面圖......................................................... 74
圖 4-10 輸入 u = -0.7 之系統開環相平面圖....................................................... 75
圖 4-11 輸入 u = +0.4 之系統開環相平面圖 ....................................................... 75
圖 4-12 輸入 u = -0.4 之系統開環相平面圖....................................................... 76
圖 4-13 穩定操作點下 NLQDMC 與 QDMC 控制結果.................................... 76
圖 4-14 穩定操作點下 NLQDMC 與 QDMC 擾動變化控制結果.................... 77
圖 4-15 穩定操作點下 NLQDMC 與 MMPC 控制結果.................................... 77
圖 4-16 穩定操作點下不同 Hp 之控制結果 ....................................................... 78
圖 4-17 穩定操作點下 HP = 5 時不同處罰因子之控制結果 ............................ 78
圖 4-18 穩定操作點下 HP = 30 時不同處罰因子之控制結果 .......................... 79

v
圖 4-19 穩定操作點下加入 KF 後不同 Hp 之控制結果 .................................... 79
圖 4-20 穩定操作點下加入 KF 後 HP = 5 時不同處罰因子之控制結果 ......... 80
圖 4-21 穩定操作點下加入 KF 後 HP = 30 時不同處罰因子之控制結果 ....... 80
圖 4-22 不穩定操作點下輸入 u = ±0.7 與 u = ±0.4 之變化之系統開環動態 .... 84
圖 4-23 不穩定操作點下 NLQDMC 與 QDMC 控制結果................................ 84
圖 4-24 不穩定操作點下 NLQDMC 與 MMPC 控制結果................................ 85
圖 4-25 不穩定操作點下 HP = 5 時不同處罰因子之控制結果 ........................ 85
圖 4-26 不穩定操作點下 HP = 30 時不同處罰因子之控制結果 ...................... 86
圖 4-27 不穩定操作點下不同 Hp 之控制結果 .................................................. 86
圖 4-28 不穩定操作點下加入 KF 後不同 Hp 之控制結果 ............................... 87
圖 4-29 不穩定操作點下加入 KF 後 HP = 5 時不同處罰因子之控制結果 ..... 87
圖 4-30 不穩定操作點加入 KF 後 HP = 30 時不同處罰因子之控制結果 ....... 88

表 1.1 模式預測控制技術於各製程領域的應用統計[24].................................... 3
表 4.1 一階放熱反應非等溫連續攪拌反應系統之相關變數.............................. 60
表 4.2 一階放熱反應非等溫連續攪拌反應系統之設計參數.............................. 61
表 4.3 穩定操作點之 NLQDMC 與 QDMC 參數設定 ....................................... 70
表 4.4 穩定操作點之 NLQDMC 與 MMPC 參數設定 ....................................... 71
表 4.5 不穩定操作點之 NLQDMC 與 QDMC 參數設定 ................................... 81
表 4.6 不穩定操作點之 NLQDMC 與 MMPC 參數設定 ................................... 82

vi
1. 緒論
1.1. 前言
眾所周知，化工製程通常具有下列特性：(1)程序動態複雜且為多
變數之非線性系統，(2)具有程序時延(Process deadtime)，(3)各控制環
路間交互作用(Interaction)頗大，(4)控制變數與操作變數之值有限制
(Constraint)。這些因素會嚴重影響原有控制系統之性能，使製程平穩操
控的難度大增，產品品質無法符合規格要求。為徹底解決此問題，並
大幅提升企業之競爭力，應用高階製程控制技術(Advanced process
control technology)於製程操作與控制系統是不可避免的。
綜觀現今高階程控技術之發展，模式預測控制(Model predictive
control，MPC)是應用最為成功的一種[19]。探究廣受使用的原因，其
本身即是一種多進多出(Multi-input multi-output，MIMO)的控制系統，
符合實際生產的需求；而且能直接由階段測試(Step test)得到所需求模
式；並能夠將實際工廠的操作限制條件一併考量，因此在工業上已有
越來越多商業運轉的應用實例。然而在學理的探討上，MPC 仍有諸多
技術問題待克服，如準確模式之取得、最適化求解及計算效能等等，
底下將說明本研究之動機與目標。

1.2. 研究動機與目的
透過模式預測控制技術能夠使製程的操控更加平穩，產品品質符
合更嚴格的規範，如圖 1-1 所示。Froisy 曾在 1994[6]年對 MPC 技術作
一回顧與展望，統計到 1993 年年中為止，有關模式預測控制技術應用
實例的報導約有 410 個，而如今僅美洲地區即有超過二千二百個商業

1
運轉的實例，如表 1.1 所示[24]，顯見 MPC 技術的成熟與日益蓬勃的
市場需求。過去數年來，國內幾家大型石化公司開始發展高階製程控
制策略，如中美和石化公司採用 Honeywell 發展的 RMPCT [29]，中殼
潤滑油公司使用 Shell Co. 的控制部門所發展的 SMOC [30,31]，實行成
效非常顯著，在短期內即可將投注之成本回收。目前，中油公司、台
塑石化公司及福聚公司也開始推動 MPC 技術的應用，另有數家石化廠
也正進行評估中。值得注意的是，在台灣嘗試應用模式預測控制技術
的同時，大陸的石化業也積極推展高階控制技術，中國石化的 7 座煉
油廠即率先採用 Honeywell 的 RMPCT。顯可預測，從現在到未來數年
間，MPC 技術將在大陸的石化工業大顯身手，蓬勃發展。
在眾多的模式預測控制方法中，動態矩陣控制(Dynamic matrix
control，DMC)[3]是最熟悉且廣為應用者之一；也可以說，其後所開發
的一些 MPC 商用軟體，都是採用 DMC 的概念加以修正的[24]。為了
將動態矩陣控制技術推廣應用於一有限制情況下的程序，Garcia 提出
了二次規劃動態矩陣控制(QDMC)[7,8]。由進一步解析可知，執行 DMC
與 QDMC 的演算過程中，在計算未來輸出變數的預測值後，利用最適
化技術(Optimization technology)求得最佳之操作變數時，都是以線性動
態模式(Linear dynamic model)為依據來進行運算。也就是說，目前市場
上商用的 MPC 技術都是以線性動態模式為基礎的，故可稱之為線性模
式預測控制(Linear MPC，LMPC)技術，所以其適用的製程操作範圍皆
不可過大。對於高度非線性的製程(如高純度蒸餾塔等)，或中度非線性
但操作範圍很大的製程(如生產多種等級產品的聚合反應器等)，則
LMPC 技術將操控失效，此時即須引用非線性模式預測控制（Nonlinear
MPC，NMPC）技術[13,14]。

2
 115

110
specification or operating limit
105

100

95
percent of limit

90

85
operator
80 target

75

70

65

60

55
with pneumatic control with DCS with DCS + MPC
50

Time

圖 1-1高階製程控制技術對製程操控之效能

表 1.1 模式預測控制技術於各製程領域的應用統計[24]
Area DMC Setpoint Honeywell Adersa Treiber Total
Corp. Inc. Profimatics Controls
Refining 360 320 290 280 250 1500
Petrochemicals 210 40 40 - - 290
Chemicals 10 20 10 3 150 193
Pulp and Paper 10 - 30 - 5 45
Gas - - 5 - - 5
Utility - - 2 - - 2
Air Separation - - - - 5 5
Mining/Metallurgy - 2 - 7 6 15
Food Processing - - - 41 - 41
Furnaces - - - 42 - 42
Aerospace/Defense - - - 13 - 13
Automotvie - - - 7 - 7
Other 10 20 - 45 - 75
Total 600 402 377 438 416 2233
First Application DMC: IDCOM-M: PCT:1984 IDCOM:1973 OPC:1987
1985 1987 RMPCT: HIECON:
SMCA: 1991 1986
1993
Largest Application 603× 35×28 28×20 - 24×19
283

3
 儘管 DMC 已成功地應用於工業製程控制上，而為了進一步將動態
矩陣控制技術推廣至一般的非線性程序中，Garcia 曾於 1984[7]年提出
一個用來處理非線性系統的二次規劃矩陣控制方法，而在 1992 年 Gattu
與 Zafiriou[10]則利用一非線性模式計算過去操作變數和未來負荷干擾
的估測值對系統輸出預測值的影響，此法被稱為非線性二次規劃動態
矩陣控制(Nonlinear quadratic dynamic matrix control，NLQDMC)。然而
考慮實際的情況，化工製程皆十分複雜，要從質能平衡的觀點，應用
熱力學和動力學的概念來建立一嚴謹的非線性模式(Rigorous nonlinear
model)以代表真實的程序，實非易事。因此，Morari 和 Lee[19]在近期
對 MPC 技術的回顧文章中曾提及，即使在現今發展的 NMPC 技術，
其演算法則幾乎都沿用了類似局部線性化(Local linearization)的作法，
透過將描述系統的非線性式予以線性化；或由現場收集到的輸入和輸
出數據，利用模式識別(Model identification)方法求取適當模式。當然，
此一模式僅能在局部範圍內有效地描述原始程序，而在某一操作點上
因局部線性化而被忽略的動態，很可能在另一操作點變得非常重要，
所以即使耗費大量的計算時間，以逐點線性化的方式獲得“時變的
(Time-varying)”模式，也無法在大的操作範圍準確地代表真實程序。
因此，若可以透過多重線性模式(Multiple linear model)在離線
(Off-line)的情況將系統分別化分成幾個具有代表性的子模式，透過輸
出測量值和各線性模式輸出值作比較，或利用時變的權重(Time-varying
weights)在子模式間作內插，即可將這些子模式合併成為一整體的模式
(Global model)，即可用來設計控制器。Foss 等人[5]即利用內插的方式
處理多重模式，進行批式發酵製程的非線性預測控制。而王國彬和李
豪業[32]曾發展出以多重線性模式為基礎的非線性模式預測控制技術
，應用空間距離(Space distance)的概念來計算各子模式的權重大小，則

4
此多重模式可在系統的操作範圍內準確地描述原有之非線性程序，故
可用來計算過去之系統操作變數值對未來控制變數值的影響效應，求
得準確的未來控制變數預測值。上述的作法，可改善一般非線性預測
控制技術中，使用持續線性化的模式進行程序的預測和最適化時，所
需耗用的大量計算時間。
另一方面，當工廠基於節約能源或降低生產成本等因素的考量，
須將系統操作在不穩定的定常狀態(Unstable steady state)[28]，上述方法
的控制性能將大為降低。因為有關不穩定程序控制系統的設計方法，
相較於穩定程序有很大的不同，一些傳統的控制設計方法，並不能直
接應用到不穩定程序上。所以如何系統化且有效地設計不穩定程序的
控制系統，是相當重要的研究主題，尤其是要求非線性程序操作在不
穩定點上，一直都是很有挑戰性的控制問題。傳統的 MPC 技術，以
DMC 作代表，乃使用線性模式來進行演算，無法有效處理線性開環不
穩定程序，因其階段應答模式無法建立。Ricker(1990)[25]曾深入探究
狀態估測(State estimation)在模式預測控制演算架構中所扮演的角色，
明確指出典型的 MPC 公式的缺點是只能處理設定點或輸出型擾動
(Output disturbance)的階段變化問題，無法有效控制其他類型的擾動變
化情形。因此，必須使用閉環狀態估測來估算系統負荷擾動之大小，
將擾動估測值加入計算未來輸出之預測方程式中，如此才能有效處理
擾動消除(Disturbance rejection)的問題和開環不穩定程序。
而針對非線性不穩定程序，Sistu 和 Bequette(1991)[26]提出加入開
環觀測器(Open-loop observer)的非線性預測控制策略，可使 CSTR 操作
在不穩定點上；當有預測模式之誤差存在的情況下，所提之控制方法
仍可達成相同目標，然依 Ricker 的研討結果，此一預測控制方法無法
應付擾動變化的情況。稍後，Gattu 和 Zafiriou(1992，1995)[10,11]則應

5
用卡門濾波器於 NLQDMC 策略中，可成功地處理開環不穩定程序的伺
服控制(Servo control)問題，甚至具有更好的負荷干擾消除能力；Lee
和 Ricker(1994)[18]進一步將擴展型卡門濾波器(Extended Kalman filter
，EKF)引入非線性模式預測控制運算中，更適用於處理非線性的程序
。Gobin 等人(1994)[12]則探討開環不穩定的苯乙烯聚合反應器的控制
問題，其 DMC 控制器的執行乃基於在穩定操作點附近線性化的模式。
對於非線性不穩定程序，由上所述，須引進狀態估測於 NMPC 架
構中，才能將非線性程序有效操作在不穩定點上。然而，應用卡門濾
波器來進行狀態估測，可能引發收斂性的問題，其計算量也會大增；
同時，非線性模式預測控制技術因有逐點線性化的需求，其計算負荷
也嚴重。為解決此一問題，本研究嘗試將多重線性模式引入 NLQDMC
架構中，採用簡便的方式估算各子模式之權重因子，進行不穩定化學
反應系統的操控。另一方面，可將所得之多重模式應用於系統狀態或
參數估測中，這樣的作法，預期可增進整體非線性模式預測控制策略
的性能，也有助其於實務應用上的可行性。

1.3. 組織章節
本論文共分為五章。第一章說明本研究的動機與目標；在第二章
中介紹多重線性模式的概念，以及多重線性模式之文獻回顧與設計方
法，最後提出子模式權重的簡單估算方法。第三章則分別介紹動態矩
陣控制、二次規劃動態矩陣控制和非線性二次規劃矩陣控制之原理與
演算法則，並說明多重線性模式在非線性二次規劃動態矩陣中的執行
方法。第四章先解析一階非等溫反應系統之不穩定現象，並建構此系
統之多重線性模式，最後驗證所提多重線性模式預測控制技術之操控
成效。第五章為結論。

6
2. 多重線性模式
2.1. 前言
一般的控制器設計是以模式為基礎的，所以在決定合宜的控制器
參數時，須先為製程建立一套數學模式，以描述其在穩態操作點附近
的動態行為，而此模式多為線性的一階帶時延(FOPDT)型式。現實已知
的物理世界中，幾乎所有的系統都是非線性的，對一個非線性程序而
言，線性模式(Linear model)可能只在穩態操作點附近有效，當系統操
作範圍偏離該點越遠，或當此程序之非線性現象較為明顯時，則模式
與真實程序之響應輸出間的誤差即會大增；因此，根據穩態操作點求
得之線性模式所發展的控制策略，其控制性能往往大打折扣。
藉由多重線性模式 (Multiple linear model) 的概念，可將操作範圍
分為數個子區域(Sub-regime)，然後每一個子區域用一個線性模式來代
表，再依照相對應的權重合併各個子區域的線性模式成為整體模式
(Global model)。另一方面，亦可分別對上述各個線性模式發展其控制
策略，然後依其權重合併之，則預期可以獲得較佳的控制效果。如此
，即不用直接對非線性程序來做設計，因為非線性控制系統之設計通
常較為複雜且困難。
在先前的一些研究中，已有使用多個線性或簡單的非線性動態模
式來描述一個非線性程序的建議[5,15,16,20,21,33,34,35]，其出發點是
基於：在不同的操作條件及設定點，系統之動態行為應該是不同的；
因此，可將製程的操作範圍分割成數個具代表性的子區域，在每個子
區域以一線性模式描述其動態。本章將回顧並說明多重線性動態模式
之概念與方法，接著嘗試以幾何空間與距離權重的觀點去詮釋多重線

7
性動態模式，最後提供一簡便之權重計算方法以取代現有一些複雜的
方法。

2.2. 多重模式概念說明
所謂多重模式控制，意即透過對製程及系統的瞭解，將系統分成
數個子集合或子區域，再應用權重的概念將其合併而得之一種控制策
略，如圖 2-1 所示。

圖 2-1 多重模式控制複合子區域示意圖
事實上，任何模式或控制器都有其操作環境的限制，特別在需要滿足
其精確性與良好控制效果的情況下，這些限制來自於：線性化的準確
性、簡化模式時所做的假設、系統的穩定性或者實驗的環境等。因此，
將系統分成數個子區域的模式或控制器，勢必比將系統描述成單一個
模式或控制器來得精準與有效。
透過上述的想法，衍生了所謂的多重模式控制的概念，而一般又
將多重模式控制分成兩個不同的大方向[21]，一是多重模式控制器的建
構，另一則是多重模式的建構，如圖 2-2 所示。對於二者的發展概念，
分別說明於下。

8
 圖 2-2 多重模式與多重模式控制器之架構圖

2.2.1. 多重模式控制器的概念
多重模式控制器與多重模式的概念，都是先將系統劃分成數個操
作區域，但由於系統在不同之操作區域間，其控制器之調諧參數適用
範圍必然有別，因此，可透過權重的概念分別將各子區域之控制器加
以權重合併。此種作法稱之為多重模式控制器，如圖 2-3 所示。
吾人考慮一個非線性 PID-like 的控制器，型式如下

d
u (t ) = K c ( z (t )) e(t ) + K r ( z (t )) ò
t
e(t ) dt + K d ( z (t )) e(t ) (2.1)
0 dt

其中 Kc 為控制器增益，Kr 為積分常數，Kd 為微分常數，此三者皆為系

統操作點 z(t)之函數。在傳統的 PID 控制器設計中，上述之 PID 參數皆
為常數，對於其影響系統之性能與韌性也都有諸多不同的調諧法則，
相對而言，非線性 PID-like 的控制器型式會比上述的 PID 控制器在設
計上較為困難，但是，透過分割成不同操作點的想法則提供了工程上

9
良好的解答。吾人可以設計數個分別在不同操作點 z1, z2, …, zn 有良好
之性能與韌性的 PID 控制器，如下式：

d
ui (t ) = K ci e(t ) + K ri ò
t
e(t ) dt + K di e(t ) i = 1, 2, …, n
0 dt

PID
controller
Kc3, Kr3,Kd3
PID controller
Kc1, Kr1,Kd1
PID controller
Kc4, Kr4,Kd4
PID controller
Kc2, Kr2,Kd2

圖 2-3 多重模式控制器示意圖
縱使在系統存有非線性的動態模式時，考慮這樣局部的 PID 控制
器較為容易，且設計非線性的 PID 控制問題也比較直接。因此，吾人
將每一個子區域中的控制器合併起來，描述成一完整的 PID 控制器，
結果如下
n
æ d ö
u (t ) = å ç K ci e(t ) + K ri ò e(t ) dt + K di
t
e(t ) ÷ w i ( z (t )) i = 1, 2, …, n (2.2)
i =1 è
0 dt ø

與式(2.1)比較，可得
n
K c ( z (t )) = å K ciw i ( z (t ))
i =1
n
K r ( z (t )) = å K riw i ( z (t ))
i =1
n
K d ( z (t )) = å K di w i ( z (t ))
i =1

其中 w i ( z (t )) 稱為權重因子(Weighting factor)，代表系統各個子區域中單

10
一控制器的有效與適用程度，至於其值如何決定，之後會詳加說明。

2.2.2. 多重模式的概念
多重模式的概念仍舊延續利用不同操作區域或操作點的想法來實
現，然其與多重控制器不同的是，將系統依照不同操作點 z1, z2, …, zn
劃分成數個子模式，例如，吾人可考慮以下列的一階帶時延模式型式
來描述

ki e -q i s
Gi ( s ) = i = 1, 2, …, n (2.3)
tis +1

再利用權重因子將其合併成一完整的模式，如下式所示

ke -qs
G (s) = i = 1, 2, …, n (2.4)
ts + 1
其中
n
k = å kiw i ( z (t ))
i =1
n
t = å t iw i ( z (t ))
i =1
n
q = åq iw i ( z (t ))
i =1

然而，描述多重模式的型態有許多的方式，基於不同操作區域與
操作點，依照曲線或曲面近似的作法，可以在不同子區域用各種不同
的函數來近似真實之系統；如圖 2-4 所示，可用常數函數、線性函數或
二次函數等來合併成一完整的模式。但基於實際執行上的便利且顧及
準確性，一般多選取線性型態的函數來完成模式之建構，稱之為多重
線性模式。而多重線性模式之所以不同於一般線性模式，乃由於多重
線性模式是分段式地用線性模式描述整個系統，使得模式本身不再受
限於傳統線性模式僅能準確地描述穩態操作點附近行為的缺點，而能
在整個操作範圍中準確描述整個程序。

11
 圖 2-4 以多重模式近似真實系統示意圖
多重線性模式在不同的操作點上，可分別由非線性數學模式的局
部線性化(Local linearization)或由傳統的模式識別(Model identification)
的方法得到一個線性動態模式，故可得下列之子模式：

ì x& = A1 x + B1u
P1：z(x1 , y1 , u1) í
î y = C1 x

ì x& = A2 x + B2 u
P2：z(x2 , y2 , u2) í
î y = C2 x

M (2.5)

ì x& = An x + Bn u
Pn：z(xn , yn , un) í
î y = Cn x

或是以轉移函數(Transfer function)表示之子模式：

P1：z(x1 , y1 , u1) y(s) = G1(s)u(s)

P2：z(x2 , y2 , u2) y(s) = G2(s)u(s)

12
 M (2.6)

Pn：z(xn , yn , un) y(s) = Gn(s)u(s)

也就是說，多重線性動態模式是將整個程序的操作範圍分割成數個子
區域(分割的方式可由狀態變數 x、輸出變數 y 或輸入變數 u 決定)，對
於每一個子區域以一個線性模式描述其動態行為，再以權重的方式合
併每個子模式的輸出而得到整體模式的輸出結果。

2.3. 多重線性模式之建構
多重線性模式的建構共分成二大步驟：
(1) 將操作範圍劃分成數個子區域，求得代表各子區域的線性模
式。
(2) 權重因子之計算。
其中操作範圍的劃分可以根據程序的輸出 y、程序的輸入 u 或程序的狀
態 x 等，視情況的不同，使用一個或數個變數來做為劃分的依據。例
如當只考慮程序輸出 y 為劃分的依據時，若對每一個子區域都只能用
“一個”線性模式來代表時，則只要知道程序輸出落在哪一個子區域，
就可以知道現在是屬於哪一個線性模式。
然而對於所有的現況，並非都可以如此明確地在每一個子區域都
只用一個線性模式來表示其動態行為，有時各個子區域可能同時有數
個線型模式，各有不同的適用程度，此時必須同時考慮如何合併各個
線性模式的權重問題。底下依序介紹上述兩大步驟，說明多重線性模
式建構的方法。

2.3.1. 模式之建構
操作範圍的劃分、操作點之選擇及操作點數量之多寡對於每一個

13
系統而言，並沒有一定的準則，但一般可以根據程序的輸出 y、程序的
輸入 u 或程序的狀態 x 等來決定系統之操作點，進而求得足以代表子
區域的各個線性模式。
為了要建立整體之線性模式，各個線性子模式合併的方式一般有
三種：合併模式輸出[34,35]、合併模式輸出變化[34,35]與合併模式參數
[15,20,21,34]，分別描述如下。

合併模式輸出
以狀態空間(State space)來表示時，將系統依照不同操作區域或不
同操作點 z1, z2, …, zn 劃分成數個子模式，則合併模式輸出在不同操作
點之子模式描述如下：

ì x& = A1 x + B1u
P1：z(x1,s , y1,s , u1,s) í
î y = C1 x

ì x& = A2 x + B2 u
P2：z(x2,s , y2,s , u2,s) í
î y = C2 x

M
ì x& = An x + Bn u
Pn：z(xn,s , yn,s , un,s) í
î y = Cn x

在此須強調的是，由於每一個線性模式的穩態值均不相同，所以處理
模式輸出合併時較為複雜。假如有 n 個操作點，則會得到 n 個線性模
式，其穩態值分別為(u1,s , y1,s)，(u2,s , y2,s)，…，(un,s , yn,s)。
整體模式的輸入為 u，輸出為 y，兩者皆為偏差變數(Deviation
variable)，其穩態值分別為 us 和 ys，所以每一個線性模式的輸入及輸出
變數分別為

14
 u1 = uˆ - u1,s y1 = yˆ1 - y1,s
u 2 = uˆ - u 2,s y = yˆ - y
， 2 2 2,s (2.7)
M M
u n = uˆ - u n ,s y n = yˆ n - yn ,s

之後再將各模式之輸出變數 y1 、y2…yn 分別還原成真實的值 ŷ1 、

ŷ 2 … ŷ n ，再計算各模式的權重 w1 、 w 2 … w n ，將其合併即可得到整體模

式的輸出，如圖 2-5 所示。

u1, s y1, s

- u1 y1 +
ŷ1
+
G1 +
w1

us
ys
u 2, s y 2,s

+ - +
u û u2 y2 + ŷ2 ŷ - y
+
+
G2 +
w2 + +
+

M
u n, s yn , s

+
- un yn ŷn
+ Gn +
wn

圖 2-5 合併模式輸出架構圖

合併模式輸出變化
若將多重線性模式中的每一個子模式離散化，即可得到下列線性
的代數式：

ì x ( k + 1) = F i x ( k ) + Gi u(k )
í i = 1, 2, …, n (2.8)
î y (k ) = H i x ( k )

其中

15
 Ai2Ts2 Ai3Ts3
F i = e AiTs = I + AiTs + + + L » I + AiTs
2! 3!
AiTs Ai2Ts2
Gi = ( I + + + L) BiTS » BiTS
2! 3!
其中 Ts 為取樣時間。由於線性系統均是使用偏差變數，故能改寫成上
述式子的先決條件是操作基準點相同，才能由目前的狀態估算下一個
時間的狀態。但由多重線性模式的定義可知，每個子模式的操作基準
點均不相同，故無法直接透過離散化子模式計算模式輸出，也就是說，
多重線性的模式推論方式必須做一部份的修正。

ì x(k + 1) = xi ,s + F i ( x(k ) - xi ,s ) + Gi (u (k ) - ui ,s )
í i = 1, 2, …, n (2.9)
î y (k ) = yi ,s + H i ( x(k ) - xi ,s )

其中 xi,s、yi,s 和 ui,s 為各操作點之狀態和輸出及輸入值。

若對此離散系統取前一取樣時間相減，即可消去穩態值 xi,s、yi,s 和
ui,s，則上式可改寫成

ìDx(k + 1) = F i Dx(k ) + Gi Du (k )
í i = 1, 2, …, n (2.10)
î Dy (k ) = H i Dx(k )

其中
Dx ( k ) = x ( k ) - x (k - 1)
Dy ( k ) = y ( k ) - y (k - 1)
Du (k ) = u ( k ) - u ( k - 1)
Dx ( k ) = 0, "k £ 0
故以式(2.10)為基礎所建立的多重線性模式為一個合併模式輸出變
化，只不過其輸入變數由 u(k)改為Δu(k)，輸出 y(k)則變為Δy(k)。因此，
第(k+1)個為取樣時間之程序輸出可表示為

16
 n
Dy (k ) = å w i Dy (k )
i =1
n
= å w i H i Dx(k )
i =1
n é n ù
= å êw i H i å w j Dx(k )ú
i =1 ë j =1 û
n ì ü
[ ]
n
= å íw i H i å w j F j Dx(k - 1) + G j Du (k - 1) ý
i =1 î j þ
ì ü
[ ]
n n
= å w i H i íå w j F j Dx(k - 1) + G j Du (k - 1) ý
i =1 î j =1 þ

æ n öæ n ö
y (k ) = y (k - 1) + ç å w i H i ÷çç å w j F j ÷÷Dx(k - 1)
è i =1 øè j =1 ø
(2.11)
æ n öæ n ö
+ ç å w i H i ÷çç å w j G j ÷÷Du (k - 1)
è i=1 øè j =1 ø

其中
n
Dx(k ) = å w i Dx(k )
i =1

故最後可導得

n n n
F (w ) = åw i F i ， G(w ) = åw i Gi ， H (w ) = åw i H i
i =1 i =1 i =1

其中w = [w1 w2 … wn]T。

合併模式參數
上述問題亦可利用合併模式參數的方式加以處理。例如當使用一
階帶時延為模式的架構時，則可依各模式之權重值合併模式參數，獲
得當時情況下最適當之模式參數值，如 2.2.2 節中式(2.4)所得之結果。
如以狀態空間表示時，則合併模式參數的執行方法如下所述。

17
 利用 n 個線性模式來描述一非線性模式

x& = f ( x, u ) ， y = g ( x, u ) (2.12)

經局部線性化後得

x& = Ai (x - xi ,s ) + Bi (u - ui ,s )
i = 1, 2, …, n (2.13)
y = Ci (x - xi ,s ) + Di (u - ui ,s )

其中

¶f ¶f ¶g ¶g
Ai = xi , s ,ui , s ， Bi = xi , s ,ui , s ， Ci = xi , s ,ui , s ， Di = xi , s ,ui , s
¶x ¶u ¶x ¶u
將式(2.13)合併成下列之整體模式

x& = å [Ai (x - xi ,s ) + Bi (u - ui ,s )] w i
n

i =1

y = å [Ci (x - xi ,s ) + Di (u - ui ,s )] w i
n

i =1

展開後化簡可得

[ ]
n n n
x& = å [Aiw i ] x + å [Biw i ] u - å ( Ai xi ,s + Bi ui ,s ) w i
i =1 i =1 i =1

[ ]
n n n
y = å [Ciw i ] x + å [Diw i ] u - å (Ci xi ,s + Di ui ,s ) w i
i =1 i =1 i =1

進一步將上式與下列代表式相比較

x& = A(w ) x + B(w ) u - E (w )

(2.14)
y = C (w ) x + D(w ) u - F (w )

故得
n n n n
A(w ) = å [Aiw i ] ， B(w ) = å [Biw i ] ， C (w ) = å [Ciw i ] ， D(w ) = å [Diw i ]
i =1 i =1 i =1 i =1

[ ] [ ]
n n
E (w ) = å (Ai xi ,s + Bi ui ,s ) w i ， F (w ) = å (Ci xi ,s + Di ui ,s ) w i
i =1 i =1

w = [w1 w2 … wn]T

18
雖然對於每一個線性模式而言，其穩態值為定值，但是最後所得的整
體線性模式之穩態值卻是隨時間而改變。
因此，Banerjee 等人(1997)[2]曾採取系統參數內插法，利用穩態拓
樸空間(Steady state manifold)上最接近目前觀測值的點作為目前穩態的
估測值；並用最適化方法求出當時所有狀態的估計值，再以此得到各
參數之權重，求得參數，最後計算模式輸出。此種方法須先求出整個
穩態拓樸空間，而且在求取狀態的穩態值時亦需大量使用最適化技巧
，故計算負荷相當繁重。更嚴重的是，由穩態拓樸空間所得到的穩態
估測值大多是不準的，所以模式所估算之輸出準確性不夠可靠；雖然
最後其估計輸出可透過效力函數的最適化將這個不準度修正回來，但
也造成效力函數會與物理直覺不符的現象。因此，若能夠透過簡單的
方法來處理好穩態的估計，則對模式的準確性及計算負荷之減輕會大
有助益。

2.3.2. 權重因子之計算
為了將各子模式合併成整體模式且判定各子區域的有效範圍，在
上節的推導過程中，吾人透過權重因子來解決子模式間合併的問題。
因此，尋求決定權重因子的方法，即成為當前的重要課題[15,16,20,21,
32,33,34,35]。
在決定權重因子之前，吾人需先定義一子模式效力函數(Local
model validity function) r i (z )，分別描述各操作點與子區域間之關係。一

般來說，操作點 z 和系統變數 x、y 和 u 間存在對應關係，可寫成 z = f

(x , y , u)，而吾人將權重因子定義成下式

ri ( z )
wi ( z) = n
(2.15)
år
j =1
j ( z)

19
其中
n

å w ( z) = 1
i =1
i

因此，只要決定效力函數即可決定系統之權重因子。
一 般 權 重 因 子 之 決 定 方 法 約 略 可 分 成 二 種 ： 硬 性 區 間 (Hard
partitions)與軟性區間(Soft partitions)[21]。分別探討如下。

硬性區間
硬性區間意指各操作區域的範圍並不重疊，且其子區域之邊界彼
此相鄰，如圖 2-6 所示。由圖顯見在各個子區域僅有一個線性子模式，
或者說在各個子區域中所代表之線性子模式其權重為 1，其他子模式之
權重為 0。因此可將權重因子表示成[0,1]之離散集合，此一作法在工業
之應用上通常用於安全防護方面，如系統之啟動(Start up)及停車(Shut
down)等。

圖 2-6 a) 硬性區間與 b) 軟性區間示意圖

軟性區間：模糊邏輯
一般系統較常用的是軟性區間之作法。早期多重線性模式的軟性
區間建構是依照模糊邏輯推論，先決定幾個口語化項目(Linguistic term)
來描述各操作範圍的代表模式，即訂定口語化項目的集合，如{很小，
小，大，很大}等。然後決定使用哪一種隸屬度函數，至於每一個口語
化項目的隸屬度函數均指在鄰近兩個主值之間有非零的值時，則由各
口語化項目主值的位置即可決定各子區域的範圍。然後在各個主值的

20
位置求得相對應的線性模式，可以藉由一般的系統辨識方法或由理論
推導，如質量守恆和能量守恆等關係式或其他的關係式來獲得。由程
序的輸出、程序的輸入或程序的狀態等，利用模糊控制規則(Fuzzy
control rule)來決定現在屬於哪些模式。當此控制規則使用模式輸出時
，則控制規則的形式如下：

R1：IF x is X1 and y is Y1 and u is U1 THEN y(s) = G1(s)u(s)

R2：IF x is X2 and y is Y2 and u is U2 THEN y(s) = G2(s)u(s)

M (2.16)

Rn：IF x is Xn and y is Yn and u is Un THEN y(s) = Gn(s)u(s)

每一條控制規則中的隸屬度函數相當於是單值型(Singleton)，不過
其主值的位置並不固定，隨著前提(Premise)部份之狀態不同而改變，
再由模糊模式之方法來決定各線性模式的權重。最後再合併各模糊控
制規則之輸出，用以形成整個系統的輸出模糊集合，經解模糊化就可
以獲得整體的模式及其輸出變數

y=
å r y = åw y
i i
(2.17)
år i i
i

r i = f ( X i ( x* )，Yi ( y * )，U i (u * ))

其中
w i ＝第 i 個子模式之權重

yi = Gi u 第 i 個子模式之輸出

空間距離概念
為使決定權重之方法透明化，因此吾人考慮利用簡單的空間距離

21
概念來處理權重之問題，透過系統狀態與操作點間之距離長短來決定
權重之大小。當然，這樣的好處是可以避免決定各子區域之大小，完
全由權重因子來決定適用之子模式，並將其合併成完整之模式。
系統狀態 x 與某一穩態操作點間的距離可以描述成下式

å [(x - xi , js ) ]
N
di = j
2
(2.18)
j =1

則各多重線性模式間隨時間變化的權重可依下式決定

1
di
wi = n
， di ¹ 0 (2.19)
1
å
j =1 d j

其中 di 表系統狀態值到第 i 個線性子模式之距離，n 表示子模式之個

數，N 表示系統狀態 x 之維數(Dimension)，xi,js 表示第 i 個線性子模式
中第 j 個狀態變數之穩態值。

距離權重概念
以直觀而言，當系統狀態與某一穩態操作點間的距離愈近時，則
此穩態操作點所代表之子模式的權重也應增大；因此，將上述空間距
離本身加以權重，結果如下

[ ]
N
si = å ( x j - xi , js ) 2 (2.20)
j =1

則各模式間隨時間變化的權重可推算得

1
si
wi = n
， si ¹ 0 (2.21)
1
å
j =1 s j

其中 n 表示子模式之個數，N 表示系統狀態 x 之維數。

22
本章符號說明
英文字母

符 號 意 義
Ai 第 i 個子模式之線性系統矩陣
Bi 第 i 個子模式之線性系統矩陣
Ci 第 i 個子模式之線性系統矩陣
Di 第 i 個子模式之線性系統矩陣
di 第 i 個子模式之狀態變數與狀態變數穩態操作
值之距離
e(t) 系統輸出與設定值之差
Gi(s) 第 i 個子模式之轉移函數模式
Hi 第 i 個子模式之線性系統輸出矩陣
ki 第 i 個子模式之一階帶時延轉換函數增益
Kci 第 i 個子模式之 PID 控制器增益
Kri 第 i 個子模式之 PID 控制器積分常數
Kdi 第 i 個子模式之 PID 控制器微分常數
si 第 i 個子模式之權重距離
Ts 取樣時間
ui,s 第 i 個子模式之輸入穩態操作值
u 輸入向量
Ui 對應第 i 個子模式之程序輸入 u 的前提項目
xi,s 第 i 個子模式之狀態變數穩態操作值
x 狀態向量
Xi 對應第 i 個子模式之狀態 x 的前提項目
yi,s 第 i 個子模式之輸出穩態操作值
y 輸出向量
Yi 對應第 i 個子模式之程序輸出 y 的前提項目
zi 第 i 個子模式之系統操作點

23
希臘字母

符 號 意 義
Gi 第 i 個子模式之離散線性系統矩陣
Dui(k) 第 k 個取樣時間之第 i 個子模式輸入變化
Dxi(k) 第 k 個取樣時間之第 i 個子模式狀態變化
Dyi(k) 第 k 個取樣時間之第 i 個子模式輸出變化
qi 第 i 個子模式之一階帶時延轉換函數時延
ri 有效因子
Fi 第 i 個子模式之離散線性系統矩陣
ti 第 i 個子模式之一階帶時延轉換函數時間常
數
wi 第 i 個子模式之權重
w 權重向量

24
3. 非線性模式預測控制策略
3.1. 前言
模式預測控制(MPC)是屬於以模式為基礎的控制方式(Model-based
control)，在所有的模式預測控制演算法中，皆必須提供適宜的動態應
答模式，用以描述程序輸出 y (t ) 與控制動作變化量 Du (t ) 之間的關係，並
且利用這個模式，來預測往後的控制動作對程序輸出的影響。模式預
測控制的基本特質有下列三點：
(1) 利用程序的動態模式和過去與現在的輸出值來建立未來的作動
變數變化與未來的程序輸出間的預測關係式；
(2) 透過所建立之輸出預測關係式，選定某一目標函數並考慮系統變
數有限制條件(Constraint)的情況，進行最佳化而得到一組未來的
作動變數變化量；
(3) 將所得到的第一個作動變數輸入程序，維持一個取樣時間間隔
後，到下一個取樣時間間隔再反覆上述的動作，此一「移動預測
水平」(Moving prediction horizon)的觀念即為模式預測控制的主
要精神所在。
而在眾多的模式預測控制方法中，動態矩陣控制(Dynamic matrix
control，DMC)是最熟悉且廣為應用者之一，因此，底下將使用 DMC
進行單變數與多變數系統之演導。

3.2. 動態矩陣控制

3.2.1. 單變數系統之動態矩陣控制
一般 DMC 之基本架構可用圖 3-1 表示，顯見其為一種以模式為基

25
 d
DMC
r e u y
Optimization Plant
+
-

Linear
- Model
+

圖 3-1 動態矩陣控制之基本架構
礎的控制技術，因此，所引用模式的準確程度對 DMC 之性能有深遠的
影響。DMC 乃採用階段應答模式(Step response model)，此模式可由工
廠直接測試而得，無須用到複雜的模式識別及參數估計等方法，故易
為現場操作人員所接受，然上述作法僅適用於線性或非線性程度不強
的程序。而常用的動態模式如下所述。

階梯應答模式(Step response model)

所謂的階梯應答模式，也就是褶積模式(Convolution model)。在時
間為零時，給予動態系統一單位階梯變化(即 Du (t ) = 1 )，而獲得程序的
輸出，此稱之為單位階梯應答。我們可以由圖 3-2 得知，在第一個取
樣時間(t = Ts)，程序之輸出為 â1 ；第二個取樣時間(t = 2Ts)，程序之輸
出為 â2 ；依此類推，第 k 個取樣時間(t = kTs)，程序之輸出為 âk 。而此 â1

至 âk 之數列，稱之為階梯應答係數(Step response coefficient)。

然而，當 Du (t ) 之變化大小不等於 1 時，則程序的輸出為階梯應答

係數乘上其瞬間 Du (t ) 之變化量。因此，程序之輸出值如以階梯應答模
式的方式表達，將可以寫成
¥
yˆ (k ) = å aˆi Du (k - i )
i =1

26
而此式又可進一步表為

Hm ¥
yˆ (k ) = å aˆi Du (k - i ) + å aˆ Du(k - i )
i (3.1)
i =1 i = H m +1

其中
ŷ (k ) ：在第 k 個瞬間的程序輸出

âi ：在第 i 個瞬間的階梯應答係數

u (k ) ：在第 k 個瞬間的控制器輸出

Du (k ) = u (k ) - u(k - 1)

H m ：模式水平(Model horizon)

如果模式水平 Hm 夠大，則系統輸出在第 Hm 個取樣時間之後將接近穩

態，令為

aˆ H m +1 = aˆ H m + 2 = L = aˆ ¥ = aˆ ss

故可推得
¥

å Du (k - i ) = u(k - H
i = H m +1
m - 1) - u (k - H m - 2 )

+ u (k - H m - 2 ) - u (k - H m - 3) + L (3.2)
= u (k - H m - 1)

若無模式誤差存在，則 âss 等於程序輸出的穩態值，所以程序之輸出可

描述成

Hm
yˆ (k ) = å aˆi Du (k - i ) + aˆ ss u (k - H m - 1) (3.3)
i =1

此即為階梯應答模式。

27
 Input Output
Dynamic
System

(a)
Output

â k

â3

â2

â1
0
0 Ts 2Ts 3Ts kTs Time

(b)

圖 3-2 階梯應答模式示意圖

脈衝應答模式(Impulse response model)

在脈衝應答模式中，吾人可以將程序之輸出值寫成

¥
yˆ (k ) = å hi u (k - i ) (3.4)
i =1

而 Garcia 等人(1989)[9]曾證明出階梯應答模式與脈衝應答模式是可相

28
互轉換的，可推導得知，階梯應答數列{ aˆ1 , aˆ 2 , L, aˆ ss }與脈衝應答數列

{ h,
1 h2 , L, h¥ }有下列關係

aˆ1 = h1
aˆ 2 = h1 + h2
aˆ3 = h1 + h2 + h3
(3.5)
M
aˆ n = h1 + h2 + L + hn
M

因此，脈衝應答模式亦可以用階梯應答模式來表示之。

輸出之預測公式
一般模式預測控制的移動水平運算法則之基本概念可用圖 3-3 表
示，其中 Hp 和 Hc 分別為預測水平(Prediction horizon)和控制水平
(Control horizon)，是 MPC 技術中兩個重要的調諧參數。

Past Future
Target

yˆ ( k + l )

yˆ ( k )

u(k + Hc - 1)

Du(k )
Du( k + 1)

k k+1 k+2 k+Hc-1 k+Hp

Horizon

圖 3-3 動態矩陣控制移動水平運算法則[22]

29
 動態矩陣控制採用階梯應答模式來對未來的輸出軌跡作預測，即
用 Hc 步未來控制動作來影響未來 Hp 步的程序輸出值。其中 Hc 必小於
或等於 Hp，亦即，作動變數在 Hc 步之後都不變，或者經過 Hc 步後作
動變數變化率 Du(k ) 維持相同，即

Du (k + H c ) = Du (k + H c + 1) = L = 0
或

u (k + H c ) = u (k + H c + 1) = L = u (k + H p - 1) = u (k + H c - 1)

因此，我們可以利用式(3.3)，從 k 瞬間往未來預測 Hp 步，結果如

下

Hm
yˆ (k + 1) = å aˆi Du (k + 1 - i ) + aˆ ss u (k - H m )
i =1

= aˆ1Du (k ) +
Hm

å aˆ Du (k + 1 - i ) + aˆ u(k - H )
i =2
i ss m

Hm
yˆ (k + 2) = å aˆi Du (k + 2 - i ) + aˆ ss u (k - H m + 1)
i =1

= aˆ1Du (k + 1) + aˆ 2 Du (k )
Hm
+ å aˆi Du (k + 2 - i ) + aˆ ss u (k - H m + 1)
i =3

M
Hm
yˆ (k + H c ) = å aˆi Du (k + H c - i ) + aˆ ss u (k - H m + H c - 1)
i =1

= aˆ1Du (k + H c - 1) + aˆ 2 Du (k + H c - 2 ) + L + aˆ H c Du (k )
Hm
+ å aˆ Du (k + H
i = H c +1
i c - i ) + aˆ ss u (k - H m + H c - 1)

經過 Hc 步後操作變數變化量 Du(k ) 維持相同，則

30
 Hm
yˆ (k + H c + 1) = å aˆi Du (k + H c + 1 - i ) + aˆ ss u (k - H m + H c )
i =1

= aˆ1Du (k + H c ) + aˆ 2 Du (k + H c - 1) + L + aˆ H c +1Du (k )
Hm
+ å aˆ Du(k + H
i= H c + 2
i c + 1 - i ) + aˆ ss u (k - H m + H c )

M
(3.6)
yˆ (k + H p ) = å aˆi Du (k + H p - i ) + aˆ ss u (k - H m + H p - 1)
Hm

i =1

= aˆ1Du (k + H p - 1) + L + aˆ H p - H c Du (k + H c )
+ aˆ H p - H c -1Du (k + H c + 1) + L + aˆ H p Du (k )

å aˆ Du (k + H - i ) + aˆ ss u (k - H m + H p - 1)
Hm
+ i p
i = H p +1

吾人定義

Hm
fˆ j (k ) = å aˆ Du(k + j - i ) + aˆ u (k - H
i ss m + j - 1) j = 1, 2, K , H c , K , H p (3.7)
i = j +1

則可推導出

é yˆ (k + 1) ù é aˆ1 0 L 0 ù é fˆ1 (k ) ù
ê yˆ (k + 2 ) ú ê aˆ ú ê ˆ ú
ê ú ê 2 aˆ1 L 0 ú é Du (k ) ù ê f 2 (k ) ú
ê ú
ê Du (k + 1) ú
ê M ú ê M M O M ú ê M ú
ê ú =ê ú +ê ˆ ú
ê yˆ (k + H c )ú ê aˆ H c aˆ H c -1 L aˆ1 ú ê M ú ê f H c (k )ú
ê ú
ê M ú ê M M O M ú ë Du (k + H c - 1)û H ´1 ê M ú
ê ú ê ú ê ú
ëê yˆ (k + H p )ûú
c

êëaˆ H p aˆ H p -1 L aˆ H p - H c +1 úû ê ˆ (k )ú
f
H p ´1 H p ´H c ë p û H p ´1
H

(3.8)
以矩陣形式表示，則得

Yˆ (k + 1) = Aˆ DU (k ) + Fˆ (k ) (3.9)

其中

31
 é yˆ (k + 1) ù é aˆ1 0 L 0 ù
ê yˆ (k + 2) ú ê aˆ aˆ1 L 0 ú
ê ú ê 2 ú
ê M ú ê M M O M ú
Yˆ (k + 1) = ê ú ， Aˆ = ê ú
ê yˆ (k + H c )ú ê aˆ H c aˆ H c -1 L aˆ1 ú
ê M ú ê M M O M ú
ê ú ê ú
ëê yˆ (k + H p )ûú H p ´1
aˆ
ëê H p
aˆ H p -1 L aˆ H p - H c +1 ûú
H p ´H c

é fˆ1 (k ) ù
ê ˆ ú
é Du (k ) ù ê f 2 (k ) ú
ê Du(k + 1) ú ê M ú
DU (k ) = ê ú ， Fˆ (k ) = ê ˆ ú
ê M ú ê f H c (k )ú
ê ú ê M ú
ë Du (k + H c - 1)û H c ´1 ê ú
êë fˆH p (k )úû
H p ´1

其中矩陣 Â 存有程序階梯應答所得到的動態資料，故此種控制方法稱
之為「動態矩陣控制」。
因 為 式 (3.9) 中 並 沒 有 加 入 輸 出 誤 差 之 修 正 項 ， 故 為 一 開 環
(Open-loop)預測公式，所以當系統存有模式誤差(Modeling error)或是外
在擾動(Load disturbance)時，則未來輸出值預測的結果將會嚴重失真或
造成系統的不穩定。此時即須加入輸出誤差之回饋項 dˆ (k ) = y (k ) - yˆ (k ) 加
以修正，來形成閉環(Closed-loop)之預測公式，其中 y (k ) 是 k 瞬間程序
真正輸出的量測值，而 ŷ (k ) 是程序輸出的估算值。因此，式(3.9)可改寫
成

Yˆ (k + 1) = Aˆ DU (k ) + Fˆ (k ) + Dˆ (k ) (3.10)

其中

é dˆ (k + 1) ù
ê ˆ ú
ê d (k + 2 ) ú
Dˆ (k ) = (3.11)
ê M ú
êˆ ú
ëêd (k + H p )ûú H p ´1

32
而

dˆ (k + i ) = y (k + i ) - yˆ (k + i ) i = 1, 2, L , H p

在此假設擾動為一常數擾動(Constant disturbance)，即

dˆ (k + 1) = dˆ (k + 2 ) = L = dˆ (k + H p ) = dˆ (k ) = y (k ) - yˆ (k )

控制律
觀察式(3.10)可知，未來輸出的預測結果 Yˆ (k + 1) 包含現在和未來作
ˆ U (k )、過去作動變數的效應 F̂ (k ) 以及校正值 D̂(k ) 之總和
動變數的效應 AD
。應用式(3.10)的未來輸出預測關係式，吾人便可以此式來設計預測控
制器。在動態矩陣控制中所使用的目標函數(Object function)為：在 Hp
步預測水平中，預測輸出與設定點 r 之誤差平方和以及操作變數變化
的平方和。加入權重後，將目標函數 J 令為最小，即可表示成下式

Hp Hc
Gl [ yˆ (k + l ) - r (k + l )] + å L l Du (k + l - 1)
)å
2 2
min J = min (3.12)
Du ( k ),L,Du ( k + H c -1
l =1 l =1

上式以向量形式來表示可寫成

min J = min { GE (k ) + LDU (k ) }

2 2
(3.13)
DU ( k )

其中對誤差的權重矩陣設為

éG1 0 L 0 ù
ê0 G L 0 úú
G=ê
2

êM M O M ú
ê ú
L GH p úû
ëê 0 0 H p ´H p

對操作變數變化的權重矩陣設為

éL1 0 L 0 ù
ê0 L2 L 0 úú
L=ê
êM M O M ú
ê ú
ëê 0 0 L L H c úû
H c ´H c

33
再令

E (k ) = R (k ) - Yˆ (k + 1) = R (k ) - Aˆ DU (k ) - Fˆ (k ) - Dˆ (k )

其中未來 Hp 步的輸出設定點之值為

é r (k + 1) ù
ê r (k + 2 ) ú
R (k ) = ê ú
ê M ú
ë r (k + H p )û H p ´1
ê ú

式 (3.13)即 為 一 個最 佳 化 (Optimization)問 題 ， 也 是 一 最小 平 方
(Least square)的問題。其解法為將式(3.13)對 DU (k ) 偏微分後，令其值為

0，再將 E (k ) = R (k ) - Yˆ (k + 1) 帶入式中整理，結果可得

é Du (k ) ù
é GH ´H 0 H ´H ù é Aˆ H ´H ù ê Du (k + 1) ú
ê p p p c
ú ê p cú ê ú =
êë 0 H c ´H p I H c ´H c úû êë L H c ´H c úû (H + H )´H ê M ú
(H p + H c )´(H p + H c ) c ê ú
ëDu (k + H c - 1)û H c ´1
p c

éæ r (k + 1) - dˆ (k + 1) - fˆ +1 ö ù (3.14)
êç k ÷ ú
é GH ´H 0 H p ´H c ù êç M ÷ ú
ê p p ú ç
êç r (k + H ) - dˆ (k + H ) - fˆ ÷÷ ú
êë 0 H c ´H p I H c ´H c ú
û (H p + H c )´(H p + H c ) êè p p k +H p ø
H P ´1 ú
ê 0 H c ´1 ú
ë û (H p + H c )´1

式(3.14)從維度(Dimension)來看，可以發現左右二式有

[Right ](H p +Hc )´1 = [Left ](H p + H c )´1

將式(3.14)左右二式展開可以得到如下的結果

ê
( )
é GAˆ H p ´H c ù
ú [DU (k )]H c´1 = ê
(
é GEˆ (k ) H ´1 ù
p
ú
) (3.15)
L
êë H c ´H c úû (H p + H c )´H c êë 0 H c ´1 úû

其中 Eˆ (k ) = R (k ) - Dˆ (k )- Fˆ (k )， Ê (k ) 是利用 u (k ) = u (k + 1) = L = u (k + H p - 1) 對未

來 Hp 步的輸出值 Ŷ (k ) 所作的預測結果和設定點 R (k ) 間所成的差值。將

34
式(3.15)乘開後得

( ) (
é GAˆ DU (k ) H p ´1 ù é GEˆ (k ) H ´1 ù
ê ú=ê p
ú
)
êë (LDU (k ))H c ´1 úû êë 0 H c ´1 úû

故可比較得

GAˆ DU (k ) = GEˆ (k ) (3.16)

LDU (k ) = 0 (3.17)

欲解式(3.16)與式(3.17)，則可利用最小平方的作法，將上二式進一
步運算成

(Aˆ T
)
G T GAˆ DU (k ) = Aˆ T GT GEˆ (k ) (3.18)

(L L )DU (k ) = 0
T
(3.19)

將上二式相加後可得

(Aˆ T
)
GT GAˆ + LT L DU (k ) = Aˆ T GT GEˆ (k )

∴ DU (k ) = (Aˆ T GT GAˆ + LT L ) (Aˆ T G T G ) Eˆ (k )

-1
(3.20)

如定義
W1 = GT G
W2 = LT L = fI
其中 W1 和 W2 為正定權重矩陣(Positive definite weighting matrix)，而 I
為單位矩陣，f 為一純量(Scalar)，稱之為懲罰係數(Penalty factor)。因
此，式(3.20)可進一步寫成

(
DU (k ) = Aˆ T W1 Aˆ + fI ) (Aˆ W ) Eˆ (k )
-1 T
1 (3.21)

35
一般而言，對於控制器動作( DU (k ) )限制較嚴格的情況(即 DU (k ) 量不可過
於激烈)，則 f 需要儘量放大，以顯示出控制器輸出變化量之重要性；
反之，f 值若偏小，則表示控制器之輸出變化量比較不重要。
由式(3.21)所解出的 DU (k ) 包含 Hc 步未來作動變數之變化量，引用
移動預測水平的概念，並為了在每一個操作瞬間都能對負荷加以補償
，故僅使用 k 瞬間的控制動作，因此吾人可以寫下

é Du (k ) ù é u (k ) - u (k - 1) ù
ê
ê M ú (
ú = Aˆ T W Aˆ + fI
1 )(
-1 T
) ê
Aˆ W1 Eˆ (k ) = ê M ú
ú
êëDu (k + H c - 1)úû êëu (k + H c - 1) - u (k + H c - 2 )úû

∴ u (k ) - u (k - 1) = [1 0 L 0]1´H (Aˆ T W1 Aˆ + fI1 ) (Aˆ T W1 ) Eˆ (k )

-1
c

如定義 K DMC = [1 0 L 0]1´H (Aˆ TW1 Aˆ + fI ) (Aˆ T W1 )，則有

-1
c

u (k ) = u (k - 1) + K DMC Ê (k ) (3.22)

式(3.22)即為動態矩陣控制(DMC)之預測控制律。對於線性系統，若模
式參數沒有改變，KDMC 值也不會改變，因此在動態控制過程中，每次
只要重新計算 Ê (k ) 即可，在實際應用上甚為便利。

3.2.2. 多變數系統之動態矩陣控制

階梯應答模式
對一包含 nu 個輸入變數和 ny 個輸出變數的系統，其階梯應答模式
亦如單進單出(Single-input single-output，SISO)的系統一般，可將式(3.3)
改寫成

Hm
yˆ (k ) = å aˆ iΔu (k - i ) + aˆ ss u(k - H m - 1) (3.23)
i =1

其中

36
 é aˆ1,1,i aˆ1, 2,i L aˆ1,nu ,i ù
ê aˆ aˆ 2, 2,i L aˆ 2,nu ,i ú
ˆa i = ê ú
2 ,1,i

ê M M O M ú
êˆ ú
ëêa n y ,1,i aˆ n y , 2,i L aˆ n y ,nu ,i ûú
n y ´nu

[
yˆ (k ) = yˆ 1 (k ) yˆ 2 (k ) L yˆ n y (k )
T
]n y ´1

[
u(k - i ) = u1 (k - i ) u2 (k - i ) L u nu (k - i ) n ´1 ]T
u

輸出預測公式
如同單進單出系統所導出的預測公式，即式(3.10)，在多變數的系
統中，亦可推得類似的結果如下

Yˆ (k + 1) = AˆΔ U (k ) + Fˆ (k ) + Dˆ (k ) (3.24)

其中

é yˆ (k + 1) ù é aˆ 1 0 L 0 ù
ê yˆ (k + 2 ) ú ê aˆ aˆ 1 L 0 ú
ê ú ê 2 ú
ê M ú ê M M O M ú
Yˆ (k + 1) = ê ú ， Aˆ = ê ˆ ú
ê yˆ (k + H c )ú êa H c aˆ Hc -1 L aˆ 1 ú
ê M ú ê M M O M ú
ê ú ê ú
ëêyˆ (k + H p )ûú L
ˆ aˆ Hp -1 aˆ Hp -Hc +1 ûú
n y H p ´1 ëêa Hp n H
y p ´nu H c

é fˆ1 (k ) ù é dˆ (k + 1) ù
êˆ ú ê ˆ ú
é Δ u(k ) ù ê f 2 (k ) ú ê d(k + 2) ú
ê Δ u(k + 1) ú ê M ú ê ú
M
D U (k ) = ê ú ， Fˆ (k ) = ê ˆ ú ， Dˆ (k ) = ê ˆ ú
ê M ú êf Hc (k )ú êd(k + H c )ú
ê ú ê M ú ê ú
ëΔ u(k + H c - 1)û nu H c ´1 ê ú ê
M
ú
êëfˆHp (k )úû êëdˆ (k + H p )úû n y H p ´1
n y H p ´1

[
fˆi (k ) = fˆi ,1 (k ) fˆi , 2 (k ) L fˆi ,n y (k )
T
] n y ´1
i = 1, 2, L , H p

[
dˆ (k + i ) = dˆ1 (k + i ) dˆ2 (k + i ) L dˆn y (k + i )
T
]n y ´1
i = 1, 2, L , H p

37
控制律
吾人依然將控制系統的目標函數設為輸出誤差平方和與操作變數
變化量的平方和，如同單進單出系統的作法，要求目標函數值為最小
，即求解

min J = min { GE (k ) + LD U (k ) }
2 2
(3.25)
D U (k )

同理，將式(3.25)解開後，便可推得多變數系統之預測控制律，如同前
節式(3.22)的結果，可得

u(k ) = u(k - 1) + K DMC Ê (k ) (3.26)

其中

K DMC = [I 0 L 0]nu ´nu H c ( Aˆ W 1 Aˆ + f I ) -1 ( Aˆ W 1 )

T T

Eˆ (k ) = R (k ) - Dˆ (k )- Fˆ (k )

é r (k + 1) ù
ê r (k + 2 ) ú
R (k ) = ê ú
ê M ú
ê ú
ëêr (k + H p )ûú n y H p ´1

[
r (k + i ) = r1 (k + i ) r2 (k + i ) L rny (k + i ) ]
T
n y ´1
i = 1, 2, L , H p

W 1 = GT G, W 2 = LT L = f I

38
預測控制律調諧參數
動態矩陣控制中的調諧參數不少，參數對控制性能與系統穩定度
息息相關，一般來說，調諧變數可以分為三大類：
﹙1﹚ 系統性參數：通常為設計時預先決定好的，很少做改變。
—取樣時間
—模式水平
﹙2﹚ 主要調諧變數：用來作為調諧的主要參數。
—控制水平
—預測水平
﹙3﹚ 次要調諧變數：一般有
—處罰因子
—輸出權重矩陣
在說明各個調諧因子對系統的影響時，先說明一些調諧因子必須
滿足的要件：
l Hm 必須足夠大，大到能達到系統的穩態值附近，才不會造成
截斷誤差(Truncation error)；
l 對於有時延(Dead time)的系統而言，Hp 必須足夠大，至少要
能夠大到使第一個不為零的輸出出現；
l 預測水平(Hp)必須大於控制水平(Hc)。
而主要與次要調諧因子對系統的影響分述如下。
﹙1﹚ 控制水平：
代表目標函數的個數，在相同的預測水平之下，增加控制水平，
則作動變數會較為激烈，應答變快，有較好的控制性能，但會導
致系統的韌性變差；有模式誤差時，表現較差。當沒有任何模式

39
 誤差時，選擇預測水平等於控制水平，將可使程序倒轉而達到完
美控制，一步即到達設定點。
﹙2﹚ 預測水平：
代表目標函數方程式數目，必須大於或等於控制水平，在固定的
控制水平之下，增加預測水平會使得控制動作較為保守，而且會
花費較多的計算時間，但會使得系統的韌性增加。
﹙3﹚ 處罰因子：
處罰因子是用以避免控制動作過於劇烈，所以當處罰因子大時，
控制動作較為和緩，每個取樣時間的控制動作變化較少，但是整
個閉環的應答就會比較緩慢，系統韌性會增加。
﹙4﹚ 輸出權重矩陣：
權重矩陣是對個別輸出的權重，可依照每個輸出的重要性的不
同，給予適當的權重，權重越大，代表該輸出的重要性越大。
整體來說，若想要使整個系統
l 閉環應答較快
l 控制動作變化較劇烈
l 韌性較低，只能容忍較小的模式誤差
則參數的調諧可設定如下：
l 預測水平減少
l 控制水平增加
l 處罰因子減少
這樣看來，或許有人會質疑動態矩陣控制的調諧變數過多。事實
上，根據實際模擬經驗，由於各個參數之間的調諧並非彼此獨立，故
吾人可以把控制水平定為 1，處罰因子定為 0，單獨調諧預測水平，這
樣不但可以用單一調諧參數而使得控制器能在韌性與性能(Performane)

40
之間做一個選擇，而且使得計算所需要量(Computation load)達到最小。
Marchretti 也曾提到類似的結果，他說明了當增加控制水平，而靠處罰
因子降低控制動作的劇烈程度，結果可由控制水平為 1，而減少預測水
平達到。

3.3. 二次規劃動態矩陣控制
依據非線性規劃的概念，二次規劃(Quadratic programming)的標準
公式可表為

ì1 ü
min J = min í c T Hc - g T c ý (3.27)
c c
î2 þ

s.t. Cc ³ c
其中χ為求最小化變數的向量，H 為 Hession matrix，g 為梯度向量
(Gradient vector)，C 為不等式限制條件方程式的矩陣，c 為不等式限制
條件方程式的向量。假如沒有限制條件，式(3.27)對χ微分

¶J
= Hc - g = 0 (3.28)
¶c

則可得其最適解

c = H -1 g (3.29)

再對式(3.28)微分得

¶2J
=H (3.30)
¶2c

如果χ最小值存在，則 H 必須是正定(Positive definiteness)。

對於最小平方問題，由

q = Ac - b = 0 (3.31)

41
令

1
min J (c ) = min q T q
c c 2
(3.32)
ì1 1 ü
= min í c T AT Ac - bT Ac + b T b ý
c
î2 2 þ

將式(3.32)化為二次規劃標準式

ì1 ü
min J (c ) = min í c T AT Ac - bT Ac ý (3.33)
c c
î2 þ
由無限制條件下最適解公式，可得其解如下

c = AT A-1 AT b (3.34)

其中

H = AT A
g = AT b
若令 H＝0，則式(3.27)變成

c c
{
min J (c ) = min - g T c } (3.35)

s.t. Cc ³ c
因此可簡化為一線性規劃(Linear programming)的問題。

一般將模式預測控制應用於化工程序控制時，系統的限制變數有
(1) 操作變數的限制(Manipulated variable constraints)：即為 u (k ) 的
限制，例如閥的飽和。
(2) 操作變數速率的限制(Manipulated variable rate constraints)：在
現實的控制問題上，為了讓控制動作不要太激烈以致減少設
備壽命，則 Du(k ) 須加以限制。
(3) 輸出變數的限制(Output variable constraints)：即為 y (k ) 的限

42
 制，通常是為了避免輸出過高或過低，以確保產品品質。
首先將限制變數的種類化為以 Du(k ) 當變數的不等式，如下

3.3.1. 操作變數之限制
未來( k + 1 )瞬間皆必須保持在限制條件內，數學不等式描述如下

u low (k ) £ u(k ) £ u high (k )

u low (k + 1) £ u(k + 1) £ u high (k + 1)
M
u low (k + H c - 1) £ u(k + H c - 1) £ u high (k + H c - 1)
l
∴ u low (k + l ) £ å Du(k + i ) + u(k - 1) £ u high (k + l )
i =0

其中

u low , u, u high ,Δ u Î R nu ´1 l = 0, 1, L , H c - 1

其中 u(k - 1) 為( k - 1 )瞬間的操作變數值，u low (k + l ) 和 u high (k + l ) 分別為( k + l )

瞬間操作變數的最低與最高值。表示成矩陣形式，則

éæ u(k - 1) - u high (k ) ö ù
ê ç ÷ ú
êç u(k - 1) - u high (k + 1) ÷ ú
êç M
÷ ú
êç ÷ ú
é(- I L )(nu Hc )´(nu H c ) ù êçè u(k - 1) - u high (k + H c - 1)÷ø ú
ê (I ) ú D U (k ) ³ ê (nu H c )´1
ú (3.36)
ë L (nu H c )´(nu H c ) û ê æç u low (k ) - u(k - 1) ö ú
ê ç u (k + 1) - u(k - 1) ÷÷ ú
êç low
÷ ú
êç M ú
ê ç u (k + H - 1) - u(k - 1)÷÷ ú
êë è low c ø(nu H c )´1 úû (2 n H )´1
u c

其中

é I 0 L 0ù
ê I I L 0ú
IL = ê ú ， I Î R nu ´nu
êM M O M ú
ê ú
ëI I L I û (nu H c )´(nu H c )

43
3.3.2. 操作變數速率之限制
其限制不等式可以下式表示

Du low (k ) £ Du(k ) £ Du high (k )

Du low (k + 1) £ Du(k + 1) £ Du high (k + 1)
， Du Î R n ´1u

M
Du low (k + H c - 1) £ Du(k + H c - 1) £ Du high (k + H c - 1)

表示成矩陣形式

éæ - Δ u high (k ) ö ù
êç ÷ ú
êç - Δ u high (k + 1) ÷ ú
êç M
÷ ú
êç ÷ ú
é(- I )(nu H c )´(nu H c ) ù êçè - Δ u high (k + H c - 1)÷ø (n H )´1 ú
ê (I ) ú D U (k ) ³ ê u c
ú (3.37)
ë (nu H c )´(nu H c ) û (2 nu H c )´(nu H c ) ê æç - Δ u low (k ) ö ú
÷
ê ç - Δ u low (k + 1) ÷ ú
êç ÷ ú
êç M ú
÷
ê ç - Δ u (k + H - 1)÷ ú
ëè low c ø (nu H c )´1 û (2 n H )´1
u c

3.3.3. 系統輸出之限制
其限制不等式可以下式表示

yˆ low (k + 1) £ yˆ (k + 1) £ yˆ high (k + 1)
yˆ low (k + 2 ) £ yˆ (k + 2 ) £ yˆ high (k + 2 )
M
yˆ low (k + H p ) £ yˆ (k + H p ) £ yˆ high (k + H p )

∴ Yˆ low (k + 1) £ Yˆ (k + 1) £ Yˆ high (k + 1) ， Yˆ Î R (n H )´1 y p

Yˆ (k + 1) = Aˆ D U (k ) + Fˆ (k ) + Dˆ (k )

Yˆ low (k + 1) £ Aˆ D U (k ) + Fˆ (k ) + Dˆ (k ) £ Yˆ high (k + 1)

44
 ∴ Yˆ low (k + 1) - Fˆ (k ) - Dˆ (k ) £ Aˆ D U (k ) £ Yˆ high (k + 1) - Fˆ (k ) - Dˆ (k )

用矩陣形式來表示

( )
é - Aˆ (n H )´(n H ) ù (
é Dˆ (k ) + Fˆ (k ) - Yˆ (k + 1)
(n y H p )´1 ú
ù )
ú D U (k ) ³ ê high
ê (3.38)
( ) ( )
y y u c

êë Aˆ (n y H y )´( nu H c ) úû ê - Dˆ (k ) - Fˆ (k ) + Yˆ (k + 1) ú
ë low (n y H p )´1 û (2 n H )´1
y p

其中

é yˆ Thigh (k + 1) ù é yˆ Tlow (k + 1) ù
ê T ú ê T ú
ê yˆ high (k + 2 ) ú ê yˆ low (k + 2 ) ú
Y high (k ) =
ˆ ， Y low (k ) = ê
ˆ
ê M ú M ú
ê T ú ê T ú
ëêyˆ high (k + H p )ûú n y H p ´1 ëêyˆ low (k + H p )ûú n y H p ´1

將上述限制條件，即式(3.36)至式(3.38)加以合併如下

éæ u(k - 1) - u high (k ) ö ù
êç ÷ ú
êç u(k - 1) - u high (k + 1) ÷ ú
êç M ÷ ú
êçç ÷ ú
êè u(k - 1) - u high (k + H p - 1)ø ( nu H c )´1 ú
÷
ê u low (k ) - u(k - 1) ú
ê æç ö
÷ ú
ê ç u low (k + 1) - u(k - 1) ÷ ú
êç ÷ ú
M
é(- I L )(nu H c )´( nu H c ) ù êç ÷ ú
ê (I ) ú ê çè u low (k + H c - 1) - u(k - 1)÷ø ú
( nu H c )´1
ê L ( nu H c )´(nu H c ) ú ê ú
ê (- I )( nu H c )´(nu H c ) ú ê æ Δ u high (k ) ö ú
ç ÷
ê ú D U (k ) ³ ê ç Δ u high (k + 1) ÷ ú
ê (I )( ) ( ) ú ê ú
n H ´ n H
ç ÷
( ) M
u c u c

ê - A ( n H )´( n H ) ú
ˆ ê ç ÷ ú
ê ú ê çΔ u (k + H - 1)÷ ú
( )
u c u c

êë Aˆ ( nu H c )´(nu H c ) úû (4 nu H c + 2 n y H p )´(nu H c ) ê è high p ø ( nu H c )´1 ú

ê æ Δ u low (k ) ö ú
ê ç ÷ ú
ê ç Δ u low (k + 1) ÷ ú
ê ç M ÷ ú
ê ç ÷ ú
ê çΔ u (k + H - 1)÷ ú
è low ø (nu H c )´1
( )
c
ê ˆ ú
ê D(k ) + F (k ) - Y high (k + 1) (ny H p )´1 ú
ˆ ˆ

(ê ˆ
)
ê - D(k ) - F (k ) + Y high (k + 1) (ny H p )´1 ú
ë
ˆ ˆ ú
û

45
 ∴ CD U (k ) ³ c(k ) (3.39)

3.3.4. 有限制條件下的控制律
將以上限制條件與原來目標函數結合，化為標準二次規劃公式如
下

min J = min { GE (k ) + LD U (k ) }
2 2

D U (k ) D U (k )

J = GE (k ) + LD U (k ) = E (k )GT GE (k ) + D U (k )LT D U (k )
2 2 T T

s.t. CDU (k ) ³ c(k )

如之前所定義的
W 1 = G T G,W 2 = LT L
因此目標函數為

∴ J = E T (k )W 1 E (k ) + D U T (k )W 2 DU (k ) (3.40)

經由誤差的定義

E (k ) = Yˆ (k + 1) - R (k )

再由式(3.24)

Yˆ (k + 1) = Aˆ D U (k ) + Fˆ (k ) + Dˆ (k )

∴ E (k ) = Aˆ D U (k ) + Fˆ (k ) + Dˆ (k ) - R (k ) = Aˆ D U (k ) - Eˆ (k ) (3.41)

其中

Eˆ (k ) = R (k ) - Fˆ (k ) - Dˆ (k )

其物理意義為，在固定的 D U (k ) 之方式下( D U (k ) = 0 )設定點與輸出

預測值之差，因此 Ê (k ) 為一定值，故有

46
 ( ) (
T
)
J = Aˆ D U (k ) - Eˆ (k ) W 1 Aˆ D U (k ) - Eˆ (k ) + D U (k )W 2 D U (k )
T

= (Aˆ D U (k ) ) W (Aˆ D U (k ) ) - (Aˆ D U (k ) ) W Eˆ (k )

T T
1 1 (3.42)
- Eˆ (k )W (Aˆ D U (k ) ) + Eˆ (k )W Eˆ (k ) + D U (k )W D U (k )
T T T
1 1 2

因為 Eˆ (k )W 1 Eˆ (k ) 為一定值，對目標函數 F 求解 D U (k ) 並沒有影響，所以
T

重新定義新的目標函數 J ¢ ，其 D U (k ) 之解與原目標函數 J 相同。

T T
J ¢ = D U (k ) Aˆ W 1 Aˆ D U (k ) - D U (k ) Aˆ W 1 Eˆ (k )
T T

T
- Eˆ (k )W 1 Aˆ D U (k ) + D U W 2 D U (k )
T

T
(3.43)
= D U (k ) ( Aˆ W 1 Aˆ + W 2 ) D U (k )
T

T T
- D U (k ) ( Aˆ W 1 Eˆ (k )) - (Eˆ (k )W 1 Aˆ ) D U (k )
T

T
H = Aˆ W 1 Aˆ + W 2

g (k ) = Aˆ W 1 Eˆ (k )
T

其中
H Î R (nu H c )´(nu H c )
g Î R (nu H c )´1

∴ J ¢ = D U T (k )H D U (k ) - D U T g (k ) - g T (k )D U (k ) (3.44)

因為 D U T (k )g (k ) 和 g T (k )D U (k ) 同為內積(Inner product)。

∴ D U T (k )g (k ) = g T (k )D U (k ) (3.45)

故得

J ¢ = D U (k )H D U (k ) - 2 g T (k )D U (k ) (3.46)
T

將式(3.46)同除以 2，對目標函數的解並無影響，故

47
 1
J ¢¢ = D U (k )H D U (k ) - g T (k )D U (k ) (3.47)
T

式(3.47)是一個標準的二次形式的目標函數。
將限制條件與二次型式的目標函數結合，可得標準的二次規劃公
式，即式(3.48)

ì1 ü
min J ¢¢ = min í D U (k )H D U (k ) - g T (k )D U (k )ý (3.48)
T
D U (k ) D U (k ) 2
î þ

s.t. CD U (k ) ³ c(k )
其中

H = Aˆ W 1 Aˆ + W 2 Î R ( nu H c )´(nu H c )
T

g (k ) = A W 1 Eˆ (k ) Î R (nu H c )´1
T

(4 nu H c + 2 n y H p )´(nu H c )
DU Î R (nu H c )´1 ， C Î R ， c Î R (4 n H + 2 n H )´1
u c y p

3.4. 非線性二次規劃動態矩陣控制
Garcia 和 Morshedi(1985)[8]將 DMC 推廣，可以進一步處理存有線
性不等式的限制條件情況，此法被稱為二次規劃動態矩陣控制
(Quadratic dynamic matrix control，QDMC)，然其應用對象仍僅限於多
變數線性程序。之後，Gattu 和 Zafiriou(1992)[10]提出非線性二次規劃
動態矩陣控制(Nonlinear quadratic dynamic matrix control，NLQDMC)
，可有效地應用於非線性製程之伺服控制，甚且具有良好的干擾消除
能力。因此，本節將以此篇文獻為主，介紹非線性二次規劃動態矩陣
控制。
考慮一般性的多重輸入多重輸出之非線性系統

ì x& = f ( x, u ) + w
í (3.49)
î y = h (x ) + u

48
其中 x 是狀態變數，y 是輸出變數，u 是操作變數，而 w ~ (0, Q ) 和 u ~ (0, R )
代表系統之白色雜訊(White noise)，Q 和 R 分別為程序和測量雜訊之共
變異矩陣(Covariance matrix)。由於化工程序中負荷擾動與雜訊干擾的
模式很難取得，因此，Zafiriou 假設 Q » s w2 I 以及 R » s u2 I ，其中 s w2 和 s u2 分

別為純量變異數(Scalar variances)，並定義 s = s w s u ，s u2 = 1。我們可以

將 s 看成是狀態的不確定性與量測誤差之間的比值，可用來當作一個系
統不確定時的調諧參數，當 s 大時，意味著模式的不確定性比量測的干
擾大很多。
使用上述的系統，底下即逐步說明 NLQDMC 之設計方法。

取樣瞬時之已知值：
包括系統測量值 y (k )，操作變數 u (k - 1)，以及基於 (k - 1) 時間之資料
所得到的 k 時間狀態變數估測值 xˆ (k k - 1) 等。

未來操作變數之效應：

(Step 1)：線性化(Linearization)
將式(3.49)於 xˆ (k k - 1) 與 u (k - 1) 處線性化，則可得到下列線性狀態空

間方程式

ì x&ˆ = Ak xˆ + Bk u
í (3.50)
î y = C k xˆ

其中

Ak = (¶f ¶x ) x = xˆ (k k -1),u =u (k -1)

Bk = (¶f ¶u ) x = xˆ (k k -1),u =u (k -1)

C k = (¶h ¶x ) x = xˆ (k k -1)

49
(Step 2)：離散化(Discretization)
將式(3.50)離散化得

ì xˆ j +1 = F k xˆ j + Gk u j
í (3.51)
î y j = C k xˆ j

其中 F k 與 Gk 為離散狀態空間矩陣，可透過 Ak、Bk 及取樣時間計算而得。

(Step 3)：計算階梯應答係數 Si ,k
計算階梯應答係數的方式有兩種：一種是利用式(3.50)之線性模式
，令 u = 1.0 和 x(tk ) = 0.0 ，對式(3.50)之線性模式積分 Hp 個取樣時間，即

可得階梯應答係數；或者是透過式(3.51)之離散狀態空間矩陣，代入下
式計算得

i
S i ,k = å C k F kj -1 Gk ， Si ,k Î R
n y ´nu
(3.52)
j =1

其中 Si ,k 代表 k 瞬間的第 i 個階梯應答係數。

(Step 4)：計算卡門濾波器之增益(Kalman filter gain) K k

利用 Åström[1]提出之公式計算穩態之卡門濾波器增益值如下

[ ( )-1
]
P( j +1) k = F k Pjk - Pjk CkT Ck Pjk CkT + R Ck Pjk F Tk + Q

[
K k = F k P¥k C kT C k P¥k C kT + R ]
-1
(3.53)

其中 Pjk 代表時間 k 的線性化模式在第 j 次疊代而得到的狀態共變異矩

陣(State covariance matrix)，而 P¥k 則是穩態的狀態共變異矩陣。

過去操作變數之效應：

(Step 5)：計算過去操作變數在未來輸出預測上的效應
過去的操作變數值對未來程序輸出預測值的影響效應可依下列的

50
方法計算，其中，在上標為*之變數是令未來控制輸入值都等於 u (k - 1) 情
況下計算而得。
設 xˆ * (k k - 1) = xˆ (k k - 1) ，定義 d (k k ) = y (k ) - h (xˆ (k k - 1)) ，在不知未來輸

出的前提下假設 d (k + i k ) = d (k k )，其中 i = 1, 2, L , H p 。由 xˆ * (k + i - 1 k - 1) 起

，持續對原非線性系統模式 x& = f (x, u ) 加以積分，再加上 K k d (k k ) 之修正

項求得 xˆ * (k + i k - 1) 。經由上述運算，代入輸出函數可得

y * (k + i ) = h (xˆ * (k + i k - 1)) i = 1, 2, L , H p (3.54)

輸出之預測：

(Step 6)：輸出預測公式

l
yˆ (k + l ) = y * (k + l ) + å S i ,k Du (k + l - i ) + d (k k ) (3.55)
i =1

其中 i = 1, 2, L , H p 。上式可以直接與線性系統下的預測公式相對應比

Yˆ (k + 1) = Aˆ D U (k ) + Fˆ (k ) + Dˆ (k )

可清楚看出， åi=1 S i ,k Du (k + l - i ) 相當於線性系統下的 AD

l
ˆ U ，代表未來作

動變數的變化對未來輸出預測的影響。 y * (k + l ) 代表的是過去作動變數

對未來輸出預測的影響，相當於線性系統下的 F̂ ，不同的是， y * (k + l ) 是

直接由非線性模式積分而得，此為 QDMC 與 NLQDMC 最大的分野。

而 d (k k ) 則代表修正項。因此吾人可知，透過式(3.55)所得到之輸出預測
ˆ U )與非線性( y * (k + l ) )合成的輸出預測公式。
公式，是一個線性( AD

51
最適化步驟(Optimization)：
k +H p

å { ( yˆ (l ) - r (l )) G 2 ( yˆ (l ) - r (l )) + Du (l - 1) L2 Du (l - 1) } (3.56)
T T
min
DU
l = k +1

其中已假設 u (k + H c - 1) = u (k + H c ) = L = u (k + H p - 1) 。如同線性系統下，式

(3.56)之最適化問題可以化成一個二次規劃問題，經過最適化之後可以
得到一組未來的操作變數變化 Du (k ), Du (k + 1),L, Du (k + H c - 1) 。

(Step 7)：只取 Du (k ) 執行控制動作，即 u (k ) = Du (k ) + u (k - 1)

狀態估測：

(Step 8)：計算下一步的估測狀態 xˆ (k + 1 k )
由 xˆ * (k k - 1) 和 u (k ) 起，向前積分 x& = f (x, u ) 一個取樣時間，再加上

K k d (k k ) 以求得下一步的狀態估測值 xˆ (k + 1 k ) 。

上述之 8 個步驟可由圖 3-4 之操作流程表示之。

3.5. 多重線性模式之非線性二次規劃動態矩陣控制
NLQDMC 之所以稱為非線性的模式預測控制方法，其因乃上節步
驟 5 中所持續積分之系統方程式為原始非線性模式，而不是利用局部
線性化之後的模式。透過前一章所發展之多重線性模式，應用在
NLQDMC 策略的步驟 1 至步驟 3 上，以降低各取樣時間之局部線性化
計算負荷。其操作步驟可由圖 3-5 之操作流程表示。
由於透過多重線性模式之方式，將系統在逐點線性化的步驟中轉
換成只需少量之線性子模式，因此，只須在每一取樣時間重新計算不
同子模式之權重即可。故此方法稱之為多重線性模式預測控制(Multiple
Linear Model Predictive Control，MMPC)

52
 NLQDMC Simulation Procedure
x& = f ( x, u ) + w
y = h( x ) + u

Initial condition Linearization

x&ˆ = Ak xˆ + Bk u
y = C k xˆ
Algebraic loop
Algebraic loop Ts Discretization

Compute the Kalman Compute the step

xˆ j +1 = F k xˆ j + Gk u j response coefficients
filter gain
y j = Ck xˆ j i
Kk S i ,k = å Ck F kj -1Gk
j =1

Effect of past
x& = f ( x, u ) + w manipulated
Integration variable
y = h(x ) + u
F

Output prediction
ŷ

Setpoint Objective function Hp

Optimization weighting
matrix
Constraints Du Hc

State variables x& = f ( x, u ) + w

Integration
x y = h( x ) + u

Controlled variables
y

圖 3-4 NLQDMC 操作流程圖

53
 Multi-model Predictive control
Simulation Procedure
x& = f ( x, u ) + w
y = h(x ) + u
Initial condition Linearization

x&ˆ = A1 xˆ + B1u x&ˆ = A2 xˆ + B2 u xˆ& = Ak xˆ + Bk u

y = C1 xˆ y = C 2 xˆ y = C k xˆ

x(tk0)=0 u=1 Ts Hp
x& = å [Ai (x i - x s ,i ) + Bi (u i - u s ,i )] w i
N

Compute the step

i =1
response coefficients
y = å [C i (x i - x s ,i )] w i
N
Integration
i =1 Si,k
Algebraic loop Ts Discretization

Compute the Kalman

xˆ j +1 = F k xˆ j + Gk u j
filter gain
y j = Ck xˆ j
Kk

Effect of past
x& = f ( x, u ) + w manipulated
Integration variable
y = h( x ) + u
F

Output prediction
ŷ

Setpoint Objective function Hp

Optimization weighting
matrix
Constraints Du Hc

State variables x& = f ( x, u ) + w

Integration
x y = h( x ) + u
Compute weighting factors

Controlled variables
y

圖 3-5 NLQDMC 應用多重線性模式操作流程圖

54
本章符號說明
英文字母

符 號 意 義
 動態矩陣
âi 階梯應答係數
C 二次規劃之限制矩陣
c 二次規劃之限制向量
D̂ 負荷擾動預測向量
d̂ i 負荷擾動
E 誤差向量
f 處罰因子
fˆi 過去作動變數之影響
F̂ 過去作動變數影響之向量
Hp 預測水平
Hm 模式水平
Hc 控制水平
hi 脈衝應答係數
I 單位矩陣
J 二次規劃動態矩陣之目標函數
(k|k-1) 以 k-1 瞬間之資訊計算 k 瞬間的影響
Pjk 卡門濾波器狀態共變異矩陣
Q 程序雜訊之共變異矩陣
R 量測雜訊之共變異矩陣
Ts 取樣時間
u 作動變數
uhigh 作動變數上限
ulow 作動變數下限
x 狀態變數
x̂ 估測的狀態變數
Ŷ 預測之輸出向量
y 輸出變數
yhigh 輸出變數上限
ylow 輸出變數下限

55
希臘字母

符 號 意 義
G E 的權重矩陣
DU 預測之輸入變化
DU high 預測之輸入變化上限
DU low 預測之輸入變化下限
L DU 的權重矩陣

其他

符 號 意 義
底線 表示多變數系統下由多個向量構成的向量或
由多個矩陣構成的矩陣
粗黑體 表示多變數系統下之向量或矩陣

56
4. 非線性不穩定系統之多重模式預測控制
4.1. 前言
隨著環保法規漸趨嚴格以及能源價格日益高漲，越來越多的工業
化製程都朝向其最佳化的條件來操作，其目的在達成符合法令且節約
能源，並獲取最大利潤的目標；基於上述理由，諸多工業程序的操作
條件都是設定在不穩定點上。對化學工業程序來說，最為人所熟知的
實例乃放熱性的連續攪拌槽反應器(Exothermic CSTR)，在某些反應條
件下，系統將展現多重穩態點(Multiple steady state points)之特性(Uppal
等人，1974)[28]，如圖 4-1 所示。圖 4-1 中 A 點和 C 點為穩定的穩態
點 ， B 點 則 為 不 穩 定 的 穩 態 點 (Unstable steady state point) 。
Stephanopoulos(1984)[27]曾指出，有時須將 CSTR 操作在中間的不穩定
點 B 的理由如下：(1)因為溫度 T1 過低，所以操作在 A 點時的產率太低
；(2)因穩定點 C 之溫度 T3 過高，在 C 點之條件下操作，可能引發不安
全狀況、破壞觸媒之活性或降低產物品質等現象。Gobin 等人(1994)[12]
也曾探討苯乙烯的自由基聚合反應的多重穩態點問題，發現反應器可
產生三種不同的聚合物，而操作在不穩定點時，所獲得之產品具有較
佳的聚合物性質。
本章將結合前兩章的作法，發展一以多重線性模式為基礎的非線
性模式預測控制技術，用來操控不穩定的化學反應製程，探究預測控
制策略中諸調諧參數之效應，以及使用狀態估測器的成效。

57
 Multiple Steady State
6

C
Dimensionless Temperature

3
B

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Dimensionless Cooling Water Temperature

圖 4-1放熱反應非等溫連續攪拌反應器的多重穩態點

4.2. 一階放熱反應非等溫連續攪拌反應器
由 Uppal (1974)[28]所演導之一階放熱反應非等溫連續攪拌反應器
為一典型的多重穩態系統(Multiple steady state system)，其溫度控制系
統如圖 4-2 所示，系統動態方程式為

æ -E ö
çç RT ÷÷
= F (C Af - C A ) - Vk0eè r øC A
dC A
V
dt
æ -E ö
(4.1)
çç ÷÷
= rC p F (T f - Tr ) + V (- DH ) k0 e
dTr
Vr è RTr ø
C A - UA(Tr - Tc )
dt

無因次化後可得

58
 æ x2 ö
f ( x1 , x2 ) º x&1 = - x1 + Da (1 - x1 ) expçç ÷÷ + d1
è 1 + x2 g ø
(4.2)
æ x2 ö
g ( x1 , x2 ) º x&2 = - x2 + BDa (1 - x1 ) expçç ÷ + b (u - x2 ) + d 2
è 1 + x2 g ÷ø

y = x2

其中，程序設計參數如下

E (- DH )C Af 0 k0e - rV
g =
RT f 0
，B = rC pT f 0
g ， Da =
F
， b = FUA
rC p

各參數及變數的意義及取值如表 4.1 和表 4.2 所示。並將其無因次之變

數定義如下

tF C -C T -T T -T
t' = ， x1 = Af 0 A ， x2 = r f 0 g ， u = c f 0 g
V C Af 0 Tf 0 Tf 0

C Af 0 - C Af Tf -Tf 0
d1 = ， d2 = g
C Af 0 Tf 0

Feed

Product

coolant in Jacket

TT
coolant out
CSTR

I/P product
temperature
setpoint
TC

圖 4-2一階放熱反應非等溫連續攪拌反應器溫控系統示意圖

59
當 u = 0 時，則可利用 f (x1s , x2s) = 0 及 g (x1s , x2s) = 0 解得系統之穩態點
(x1s , x2s)；透過穩態與動態繪圖分析，見圖 4-3、4-4(a)及 4-4(b)，可發
現此系統存在三個穩態輸出，分別為 x2s = 0.886, 2.752, 4.705，其中 x2s
= 2.752 是一不穩定之穩態點，各穩態輸出所對應之轉化率分別為 x1s =
0.144, 0.447, 0.765。

表 4.1一階放熱反應非等溫連續攪拌反應系統之相關變數

符 號 意 義
-3
CA 反應物濃度，mol m
CAf 進料反應物濃度，mol m-3
CAf0 常態進料反應物濃度，mol m-3
d1 進料濃度之擾動變化
d2 冷卻水入口之擾動變化
E 反應活化能
F0 系統體積流率，m3/s
-DH 系統的反應熱
t' 無因次之時間
Tc 冷卻水出口溫度，K
Tf 冷卻水入口溫度，K
Tf0 常態冷卻水入口溫度，K
Tr 反應器溫度，K
t 時間，sec
u 非等溫反應器之無因次冷卻水溫度
U 總包熱傳係數
V 反應器之體積
x1 非等溫反應器之轉化率
x2 非等溫反應器之無因次溫度
y 非等溫反應器之輸出變數(無因次溫度)

60
 表 4.2一階放熱反應非等溫連續攪拌反應系統之設計參數

符號 物理意義 取值
B 無因次反應熱 8
Da Damkohler No. 0.072
β 無因次總包熱傳係數 0.3
γ 無因次活化能 20

Openloop phase plane

8

4
x2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x1

圖 4-3一階放熱反應非等溫 CSTR 當 u = 0 時之開環相平面圖

61
 Multiple Steady State
1

0.8

0.6
x1

0.4

0.2

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
u

3
x2

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
u

圖 4-4(a)一階放熱反應非等溫 CSTR 之穩態平面變化圖

62
 Multiple Steady State
6

3
x2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x1

4
x2

0
1
0.8 1
0.6 0.5
0.4 0
x1 0.2 -0.5
0 -1 u

圖 4-4(b)一階放熱反應非等溫 CSTR 之穩態立體變化圖

63
4.3. 多重線性模式之模擬結果與討論
吾人考慮之放熱非等溫反應系統，雖然此系統為簡單之單環控制
系統，但由於有多重穩態點，亦即在同樣的輸入值下，所處的狀態不
同，而造成穩態輸出的值不同，因此用一個線性模式來描述該程序往
往是不夠的。故吾人對此程序在不同的操作點線性化，以取得不同之
線性子模式。
原動態方程式

æ x2 ö
f ( x1 , x2 ) º x&1 = - x1 + Da (1 - x1 ) expçç ÷÷
è 1 + x2 g ø
æ x2 ö
g ( x1 , x2 ) º x& 2 = - x2 + BDa (1 - x1 ) expçç ÷ + b (u - x2 )
è 1 + x2 g ÷ø
y = x2

線性化後得

é æ 1 ö
2
ù
ê- 1 - K K (1 - x1s ) çç ÷÷ ú
&x = ê è 1 + x2 s g ø ú é0ù
(4.3)
ê 2ú x + ê ú u
æ 1 ö ú ëb û
ê - BK - (1 + b ) + BK (1 - x1s ) çç ÷÷
êë è 1 + x2 s g ø úû

其中

x1 = x1 - x1s ， x2 = x2 - x2 s

x = [x1 x2 ]

y = y - ys ， u = u - us

æ x2 s ö
y = x2 ， K = Da expçç ÷÷
è 1 + x2 s g ø

當 u = 0 時，存在三個穩態輸出，分別為 ys = 0.886, 2.752, 4.705，各穩

態輸出所對應之轉化率分別為 x1s = 0.144, 0.447, 0.765。若以這三個穩

64
態為基準點做線性化，可得三個二階線性模式：

ì é - 1.168 0.132 ù
(x - x s ) + éê ùú u
0
é0.144ù ï x& = ê ú
E1： x s = ê ú， í ë - 1.346 - 0.244û ë0.3û
ë0.886û ï y = [0 1] x
î

ì é - 1.809 0.348ù
(x - x s ) + éê ùú u
0
é0.447ù ï x& = ê ú
E2： x s = ê ú， í ë- 6.742 1.487 û ë0.3û
ë2.752û ï y = [0 1] x
î

ì é - 4.247 0.496ù
(x - x s ) + éê ùú u
0
é0.765ù ï x& = ê ú
E3： x s = ê ú， í ë 25.979 2.669û ë0.3û
ë4.705û ï y = [0 1] x
î
在此，如欲建立整體之線性模式，則須採用合宜的方式將上述三
個子模式予以合併。在 2.3.2 節中曾詳細探究計算權重因子的問題，提
出兩種簡便的方法，底下即說明其實際應用之成效。

以空間距離概念計算各子模式之權重
依據 2.3.2 節的作法，利用簡單的空間距離概念來處理權重問題，
某一穩態點(xi,1s, xi,2s)與系統狀態值之距離可描述如下

di = (x1 - xi ,1s ) + (x2 - xi , 2 s )

2 2

則各子模式間隨時間變化的權重如下
1
di
wi = n
， di ¹ 0
1
å
j =1 d j

使用距離權重概念計算各子模式之權重
依據 2.3.2 節的作法，應用式(2.20)可得

[ ]
N
si = å ( x j - xi , js ) 2
j =1

則各子模式間隨時間變化的權重如下

65
 1
si
wi = n
， si ¹ 0
1
å
j =1 s j

其中 si 表系統狀態值到第 i 個子模式之權重距離大小，n 表示子模式之

個數， xi,js 表示第 i 個線性子模式中第 j 個狀態變數之穩態值，N 表示
系統狀態 x 的維數，在本系統中 N = 2。
圖 4-5 (a) (b) (c)是以 3、5 與 7 個子模式選取之操作點，圖 4-6 與
4-7 是以不同子模式數所組成的多重線性模式近似真實模式之比較，其
輸入為在 t' = 10 時 u 由 0 變化至 0.7，在 t' = 60 時再由 0.7 改變至 0。
透過兩種不同之權重方法，模擬結果顯示此一階放熱非等溫反應
系統以距離權重概念而得之多重線性模式，其系統動態描述能力較空
間距離概念之方法為佳，且可以推知：子模式越多之多重線性模式，
動態之模擬結果也與真實非線性系統更為相近。
此權重之計算方法較為簡單，同時具有其物理意義；但也因為方
式簡略，故其結果可能不夠精確。因此當系統輸入變化 u = 0.7 時，多
重線性模式與真實系統之穩定常態點有一落差，其原因則是由於操作
之輸入變化偏離任何吾人所選取之子模式所致。

66
 3 multi-models
6

3
x2
2

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
u

5 multi-models
6

3
x2

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
u

7 multi-models
6

3
x2

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
u

圖 4-5 (a) 3 models (b) 5 models (c) 7 models 之操作點

67
 1.2

0.8

0.6
1
x

0.4 Real process

3 m odels
5 m odels
7 m odels
0.2

0
0 20 40 60 80 100
Time

4
2
x

3
Real Process
3 m odels
2 5 m odels
7 m odels

0
0 20 40 60 80 100
Time

圖 4-6 利用點與點距離公式所得權重之系統動態

68
 1.2

0.8

0.6
1
x

0.4 Real process

3 m odels
5 m odels
0.2 7 m odels

0
0 20 40 60 80 100
Time

4
2
x

3 Real process
3 m odels
5 m odels
2 7 m odels

0
0 20 40 60 80 100
Time

圖 4-7 利用距離權重公式所得權重之系統動態

69
4.4. 非線性模式預測控制之模擬結果與討論

非線性測試
吾人在 CSTR 較低之穩態操作點(0.144, 0.886)做一輸入 u = ±0.7 與
u = ±0.4 之變化，觀察在此操作點附近之非線性行為，如圖 4-8 所示。

透過系統開環相平面圖 4-9〜4-12，可以得知非線性現象變化的情形。

NLQDMC 與 QDMC 之比較

考慮將系統設在穩定之常態操作點(0.144, 0.886)，於時間 t' = 0 做
一設定點變化，將其操作至另一操作點(0.765, 4.705)；並在時間 t' = 10
有一程序擾動 d1 = 0.5 之變化，而當時間 t' = 30 則系統擾動被排除。分
別觀察 NLQDMC 與 QDMC 架構之控制效果，其結果如圖 4-13 與圖
4-14 所示，而其操作參數如下表 4.3 所示。

表4.3 穩定操作點之 NLQDMC 與 QDMC 參數設定

Setpoint change
Sampling time（Ts） 0.05
Prediction horizon（HP） 15
Control horizon（Hc） 1
Initial state（x(0)） 0.886
Setpoint（Sp） 4.705
Penalty factor（Fp） 0.0
Disturbance change
Sampling time（Ts） 0.05
Prediction horizon（HP） 15
Control horizon（Hc） 1
Initial state（x(0)） 4.705
Setpoint（Sp） 4.705
Penalty factor（Fp） 0.0
Disturbance（d1） 0.5

70
NLQDMC 與 MMPC 之比較
吾人考慮將系統設在穩定之常態操作點(0.144, 0.886)，於時間 t' =
0 做一設定點變化，將其操作至另一操作點(0.765, 4.705)；假設在時間
t' = 10 有一程序擾動 d1 = 0.1 之變化，而當時間 t' = 30 則系統擾動被排除
。分別觀察 NLQDMC 和以多重線性模式為基礎之 NLQDMC (簡稱為
MMPC)架構之控制效果，其操作參數如下表 4.4 所示。

表4.4 穩定操作點之 NLQDMC 與 MMPC 參數設定

Operation condition
Sampling time（Ts） 0.05
Prediction horizon（HP） 5
Control horizon（Hc） 1
Initial state（x(0)） 0.886
Setpoint（Sp） 4.705
Penalty factor（Fp） 0.0
Disturbance（d1） 0.1

透過圖 4-15 吾人可以得知，傳統的 NLQDMC 與利用多重線性模

式之 MMPC 架構控制效果幾乎完全相同，縱使在多重線性模式的建構
中，其系統動態與真實之系統仍有穩態上差異的情況下，但沒有影響
控制之結果。
由於利用多重線性模式取代了原本 NLQDMC 架構中在每一取樣
時間須線性化之作法，而每一步透過線性化所建立之階段應答係數，
即可以運用此多重線性模式來完成。

控制器參數特性與狀態估測
由於利用 MMPC 之控制成效與 NLQDMC 相近，且 3、5 與 7 子模

71
式之控制幾乎相同，所以運用 3 個子模式之多重線性模式來作粗略之
調諧參數探討。
由於非線性模式預測控制技術目前仍無一般之參數調諧準則，因
此，吾人嘗試透過模擬測試，將主要與次要調諧因子對系統的影響分
述如下：
l 取樣時間：一般取決於系統時間常數之 1/10〜1/100，吾人設定取
樣時間於所有系統中皆固定為 0.05。
l 控制水平：在此系統中吾人固定控制水平為 1。
l 預測水平：吾人分別作 Hp 為 5、10、15 與 30 之變化，觀察控制
之效果。可以由圖 4-16 得知，當預測水平較小時其系統動態較
快，系統需花費較少之計算時間，對擾動敏感性較低，但輸入之
變化劇烈；相反的，當預測水平較大時，系統需花費較多之計算
時間，對擾動敏感性較高，但輸入之變化則較為緩和。
l 處罰因子：吾人分別作處罰因子為 0.0、0.01、0.05 與 0.1 之變化，
觀察控制之效果。可以由圖 4-17 得知，當預測水平 Hp = 5 時，
較大之處罰因子使得輸入之變化劇烈程度下降；作設定點變化
時，閉環之收斂速度下降，但此現象對擾動變化並沒有影響；然
而當預測水平 Hp = 30 時，如圖 4-18 的結果可知，處罰因子之變
化對系統閉環之影響則微乎其微。
l 權重矩陣：在此系統中吾人固定誤差之權重矩陣為 1。
l 狀態估測：在此系統中所使用之閉環狀態估測器為穩態之卡門濾
波器(KF)，透過圖 4-19〜4-21 得知，卡門濾波器可以有效解決系
統擾動變化之影響，但是對設定點變化之影響其效果有限。

72
因此，整體來說，若想要使整個系統：
l 超越較低
l 控制動作變化較緩和
l 韌性較佳
l 能解決擾動變化之影響
則參數的調諧可以如下：
l 預測水平增加
l 處罰因子增加
l 加入閉環狀態估測器

73
 6
u = + 0.7
5 u = - 0.7
u = + 0.4
4 u = - 0.4

3
x2 2

0
0 5 10 15 20 25 30 35 40 45 50
Time
1
u = + 0.7
u = - 0.7
0.8
u = + 0.4
u = - 0.4
0.6
x1

0.4

0.2

0
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-8 穩定操作點下輸入 u = ±0.7 與 u = ±0.4 之變化之系統開環動態

Openloop phase plane

8

4
x2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x1

圖 4-9 輸入 u = +0.7 之系統開環相平面圖

74
 Openloop phase plane
8

4
x2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x1

圖 4-10 輸入 u = -0.7 之系統開環相平面圖

Openloop phase plane

8

4
x2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x1

圖 4-11 輸入 u = +0.4 之系統開環相平面圖

75
 Openloop phase plane
8

4
x2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x1

圖 4-12 輸入 u = -0.4 之系統開環相平面圖

NLQDMC vs QDMC for Hp=15, Hc=1, Ts=0.05, Fp=0.0, d = 0.5 without KF

1
8

4
y

1 NLQDMC
QDMC
0
0 5 10 15 20 25 30 35 40 45 50
Time

30 NLQDMC
QDMC

20

10

0
u

-10

-20

-30

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-13 穩定操作點下 NLQDMC 與 QDMC 控制結果

76
 NLQDMC vs QDMC for Hp=15, Hc=1, Ts=0.05, Fp=0.0, d = 0.5 without KF
1
8

4
y
3

1 NLQDMC
QDMC
0
0 5 10 15 20 25 30 35 40 45 50
Time

NLQDMC
12 QDMC

10

8
u

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-14 穩定操作點下 NLQDMC 與 QDMC 擾動變化控制結果

MMPC for Hp=5, Hc=1, Ts=0.05, Fp=0.0, d =0.1 without KF

1
6

3
y

2
NLQDMC
1 3 models
5 models
7 models
0
0 5 10 15 20 25 30 35 40 45 50
Time

60 NLQDMC
3 models
50 5 models
7 models
40

30
u

20

10

-10

-20
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-15 穩定操作點下 NLQDMC 與 MMPC 控制結果

77
 3 Models MMPC for Hc=1, Ts=0.05, Fp=0.0, d =0.1 without KF
1
6

3
y

2
Hp=5
1 Hp=10
Hp=15
Hp=30
0
0 5 10 15 20 25 30 35 40 45 50
Time

60 Hp=5
Hp=10
50 Hp=15
Hp=30
40

30
u

20

10

-10

-20
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-16 穩定操作點下不同 Hp 之控制結果

3 Models MMPC for Hp=5, Hc=1, Ts=0.05, d =0.1 without KF

1
6

3
y

2
Fp=0.0
1 Fp=0.01
Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

60 Fp=0.0
Fp=0.01
Fp=0.05
40 Fp=0.1

20
u

-20

-40
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-17 穩定操作點下 HP = 5 時不同處罰因子之控制結果

78
 3 Models MMPC for Hp=30, Hc=1, Ts=0.05, d =0.1 without KF
1
6

3
y
2
Fp=0.0
1 Fp=0.01
Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

14 Fp=0.0
Fp=0.01
12 Fp=0.05
Fp=0.1
10

8
u

-2
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-18 穩定操作點下 HP = 30 時不同處罰因子之控制結果

3 Models MMPC for Hc=1, Ts=0.05, Fp=0.0, d =0.1 with KF

1
6

3
y

2
Hp=5
1 Hp=10
Hp=15
Hp=30
0
0 5 10 15 20 25 30 35 40 45 50
Time

60 Hp=5
Hp=10
50 Hp=15
Hp=30
40

30
u

20

10

-10

-20
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-19 穩定操作點下加入 KF 後不同 Hp 之控制結果

79
 3 Models MMPC for Hp=5, Hc=1, Ts=0.05, d =0.1 with KF
1
6

3
y
2
Fp=0.0
1 Fp=0.01
Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

60 Fp=0.0
Fp=0.01
Fp=0.05
40 Fp=0.1

20
u

-20

-40
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-20 穩定操作點下加入 KF 後 HP = 5 時不同處罰因子之控制結果

3 Models MMPC for Hp=30, Hc=1, Ts=0.05, d =0.1 with KF

1
6

3
y

2
Fp=0.0
1 Fp=0.01
Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

14 Fp=0.0
Fp=0.01
12 Fp=0.05
Fp=0.1
10

8
u

-2
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-21 穩定操作點下加入 KF 後 HP = 30 時不同處罰因子之控制結果

80
4.5. 不穩定程序多重模式預測控制之模擬結果與討論

非線性測試
如上所述，吾人在系統不穩定之操作點(0.447, 2.752)做一輸入
u = ±0.7 與 u = ±0.4 之變化，結果如圖 4-22 所示，觀察在此操作點附近之

非線性行為。同樣的，吾人透過系統開環相平面圖 4-10〜4-13，可以
得知在不穩定操作點附近非線性現象變化的情形。

NLQDMC 與 QDMC 之比較

考慮將系統設在穩定之常態操作點(0.144, 0.886)，於時間 t' = 0 做
一設定點變化，將其操作至另一操作點(0.447, 2.752)；並在時間 t' = 10
有一程序擾動 d1 = 0.5 之變化，而當時間 t' = 30 則系統擾動被排除。分
別觀察 NLQDMC 與 QDMC 架構之控制效果，其結果如圖 4-23 所示，
其操作參數則如下表 4.5 所示。

表4.5 不穩定操作點之 NLQDMC 與 QDMC 參數設定

Setpoint change
Sampling time（Ts） 0.05
Prediction horizon（HP） 15
Control horizon（Hc） 1
Initial state（x2(0)） 0.886
Setpoint（Sp） 2.752
Penalty factor（Fp） 0.0
Disturbance（d1） 0.5

在不穩定之操作點上，擾動變化 QDMC 並無法進行控制，此為

QDMC 之操作限制，也正說明為何吾人使用 NLQDMC 之架構來進行
不穩定程序之模擬。

81
NLQDMC 與 MMPC 之比較
吾人考慮將系統設在穩定之常態操作點(0.144, 0.886)，於時間 t' =
0 做一設定點變化，將其操作至不穩定之操作點(0.447, 2.752)；假設在
時間 t' = 10 有一程序擾動 d1 = 0.1 之變化，而當時間 t' = 30 則系統擾動
被排除。分別觀察 NLQDMC 與 MMPC 架構之控制效果，其操作參數
如表 4.6 所示。

表4.6 不穩定操作點之 NLQDMC 與 MMPC 參數設定

Operation condition
Sampling time（Ts） 0.05
Prediction horizon（HP） 5
Control horizon（Hc） 1
Initial state（x2(0)） 0.886
Setpoint（Sp） 2.752
Penalty factor（Fp） 0.0
Disturbance（d1） 0.1

透過圖 4-24 之結果，吾人可以得知，NLQDMC 與 MMPC 架構之

控制效果在不穩定之操作點上幾乎完全相同，縱使在多重線性模式的
建構中，其系統動態與真實之系統仍有穩態上差異的情況下，但仍然
沒有影響控制之結果。由於 3、5 與 7 子模式之控制結果幾乎相同，所
以運用 3 個子模式之多重線性模式來作不穩定之操作點上控制器參數
的探討。

參數特性與狀態估測器
操作在不穩定之常態點時，吾人取樣時間、輸出誤差之權重矩陣
與控制水平之設定與上節操作在穩定常態點時相同，而處罰因子之影
響和將系統操作在穩定之常態點時相似；在高預測水平時處罰因子之

82
影響較小，而低預測水平時，輸入變化的劇烈程度則與處罰因子之大
小相反，如圖 4-25 及 4-26 所示。
l 預測水平：吾人分別作 Hp 為 5、10、15 與 30 之變化，觀察控制
之成效，可以由圖 4-27 得知：當預測水平較小時，與操作在穩定
之常態點時相同，其系統動態較快，系統需花費較少之計算時
間，對擾動敏感性較低，但輸入之變化劇烈；但，當預測水平較
大時，系統需花費較多之計算時間，對擾動敏感性較高，輸入之
變化則較為緩和。然而與操作在穩定常態點不同的是，在處理擾
動變化時，系統有其預測水平上限值，意即當系統之預測水平大
於某一上限值時，則系統遭遇擾動變化時，其閉環應答結果則呈
現不穩定的現象。
l 狀態估測：在此系統中所使用之閉環狀態估測器為穩態之卡門濾
波器，透過圖 4-28〜4-30 可以得知，卡門濾波器可以有效解決系
統擾動變化之影響，特別在高預測水平之控制參數情況下，可以
成功解決在不穩定程序遭遇擾動變化時，閉環應答結果無法收斂
的情況。
因此，整體來說，若想要使整個不穩定程序：
l 超越較低
l 控制動作變化較緩和
l 韌性較佳
l 能解決擾動變化之影響
則參數的調諧可以如下：
l 預測水平增加
l 處罰因子增加
l 加入閉環狀態估測器

83
 6
u = + 0.7
5 u = - 0.7
u = + 0.4
4 u = - 0.4

3
x2

0
0 5 10 15 20 25 30 35 40 45 50
Time
1
u = + 0.7
0.8 u = - 0.7
u = + 0.4
u = - 0.4
0.6
x1

0.4

0.2

0
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-22 不穩定操作點下輸入 u = ±0.7 與 u = ±0.4 之變化之系統開環動態

NLQDMC vs QDMC for Hp=15, Hc=1, Ts=0.05, Fp=0.0, d = 0.5 without KF

1
4

3.5

2.5

2
y

1.5

0.5 NLQDMC
QDMC
0
0 5 10 15 20 25 30 35 40 45 50
Time

NLQDMC
15 QDMC

10
u

-5
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-23 不穩定操作點下 NLQDMC 與 QDMC 控制結果

84
 MMPC for Hp=5, Hc=1, Ts=0.05, Fp=0.0, d = 0.1 without KF
1
4

3.5

2.5

2
y

1.5

1 NLQDMC
3 models
0.5 5 models
7 models
0
0 5 10 15 20 25 30 35 40 45 50
Time

NLQDMC
30
3 models
5 models
25
7 models
20

15
u

10

-5

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-24 不穩定操作點下 NLQDMC 與 MMPC 控制結果

3 Models MMPC for Hp=5, Hc=1, Ts=0.05, d =0.1, without KF

1
4

3.5

2.5

2
y

1.5

1 Fp=0.0
Fp=0.01
0.5 Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

30 Fp=0.0
Fp=0.01
Fp=0.05
20 Fp=0.1

10
u

-10

-20

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-25 不穩定操作點下 HP = 5 時不同處罰因子之控制結果

85
 3 Models MMPC for Hp=30, Hc=1, Ts=0.05, d =0.1 without KF
1
4

3.5

2.5

y 2

1.5

1 Fp=0.0
Fp=0.01
0.5 Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

Fp=0.0
8 Fp=0.01
Fp=0.05
Fp=0.1
6

4
u

-2
0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-26 不穩定操作點下 HP = 30 時不同處罰因子之控制結果

3 Models MMPC for Hc=1, Ts=0.05, Fp=0.0, d = 0.1 without KF

1
4

3.5

2.5

2
y

1.5

1 Hp=5
Hp=10
0.5 Hp=15
Hp=30
0
0 5 10 15 20 25 30 35 40 45 50
Time

Hp=5
30 Hp=10
Hp=15
25 Hp=30
20

15
u

10

-5

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-27 不穩定操作點下不同 Hp 之控制結果

86
 3 Models MMPC for Hc=1, Ts=0.05, Fp=0.0, d =0.1, with KF
1
4

3.5

2.5

y 2

1.5

1 Hp=5
Hp=10
0.5 Hp=15
Hp=30
0
0 5 10 15 20 25 30 35 40 45 50
Time

Hp=5
30 Hp=10
Hp=15
25 Hp=30
20

15
u

10

-5

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-28 不穩定操作點下加入 KF 後不同 Hp 之控制結果

3 Models MMPC for Hp=5, Hc=1, Ts=0.05, d =0.1, with KF

1
4

3.5

2.5

2
y

1.5

1 Fp=0.0
Fp=0.01
0.5 Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

30 Fp=0.0
Fp=0.01
Fp=0.05
20 Fp=0.1

10
u

-10

-20

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-29 不穩定操作點下加入 KF 後 HP = 5 時不同處罰因子之控制結果

87
 3 Models MMPC for Hp=30, Hc=1, Ts=0.05, d =0.1 with KF
1
4

3.5

2.5

y 2

1.5

1 Fp=0.0
Fp=0.01
0.5 Fp=0.05
Fp=0.1
0
0 5 10 15 20 25 30 35 40 45 50
Time

9 Fp=0.0
8 Fp=0.01
Fp=0.05
7 Fp=0.1

5
u

4
3

0 5 10 15 20 25 30 35 40 45 50
Time

圖 4-30 不穩定操作點加入 KF 後 HP = 30 時不同處罰因子之控制結果

88
符號說明
英文字母

符 號 意 義
u 非等溫反應器之無因次冷卻水溫度
us 非等溫反應器之無因次冷卻水溫度穩態值
u 非等溫反應器之無因次冷卻水溫度偏差變數
x1 非等溫反應器之轉化率
x1,s 非等溫反應器之轉化率穩態值
x1 非等溫反應器之轉化率偏差變數
x2 非等溫反應器之無因次溫度
x2,s 非等溫反應器之無因次溫度穩態值
x2 非等溫反應器之無因次溫度偏差變數
y 非等溫反應器之輸出變數(無因次溫度)
ys 非等溫反應器之輸出變數(無因次溫度)穩態值
y 非等溫反應器之輸出變數(無因次溫度)偏差變數

89
5. 結論及未來研究方向
本研究應用空間距離和距離權重的概念，提出簡便的計算公式，
決定多重線性模式中各子模式的權重大小，成功地使用多重線性模式
來取代非線性二次規劃動態矩陣控制逐點線性化的作法。不但減輕非
線性預測控制技術的運算負荷，甚至得到更好的控制成效。
上述作法也被用來操控一典型的化學反應製程，嘗試將系統操作
在不穩定之穩態點上。透過初步之調諧參數設定得知，如果要求此一
不穩定的化學反應槽具有超越較低、控制動作變化較緩和以及韌性較
佳的特性，則預測控制中參數的調諧須將預測水平和處罰因子同時增
加。進一步研討發現，尚未加入狀態估測器時，高預測水平將導致閉
環控制系統對擾動敏感性增加，甚至呈現閉環不穩定的現象。因此，
吾人透過加入狀態估測器，可以成功排除系統擾動變化的影響；並且
能夠解決在高預測水平下，系統之閉環結果可能發散的情形，使多重
線性模式預測控制之策略達到良好的控制效果。
未來的研究工作，可以利用狀態估測器來估算多重線性模式之權
重因子，使所得之多重線性模式更接近真實程序；也可將多重線性模
式應用在非線性二次規劃動態矩陣控制的步驟 5 與步驟 8 上，使整體
之非線性模式預測控制策略執行更有效率。並且可以將此控制方法應
用在更複雜且多環路之非線性程序上，擴展其應用領域。

90
參考文獻
[1] Åstrom, K., and B. Wittenmark, Computer Controlled Systems
Theory and Design. Prentice-Hall, Inc., Englewood Cliffs (NJ)
(1984).
[2] Banerjee, A., Arkun, Y., Ogunnaike, B., and Pearson, R.
“Estimation of Nonlinear Systems Using Linear Multiple
Models,” AIChE J., 43, 5, 1204-1226 (1997).
[3] Cutler, C. R., and B. L. Ramaker, “Dynamic Matrix Control - A
Computer Control Algorithm,” AIChE National Meeting,
Houston, TX(1979)
[4] Dittmar, R., Z. Qgonowski, and K. Damert, “Predictive Control
of a Nonlinear Open-Loop Unstable Polymerization Reactor,”
Chem. Eng. Sci., 46, 2679-2689 (1991).
[5] Foss, B. A., and T. A. Johansen and A. V. Sørensen, “Nonlinear
Predictive Control Using Local Models-Applied To A Batch
Fermentation Process,” Control Eng. Practice, 3, 3, 389-396
(1995).
[6] Froisy, J. B., “Model Predictive Control: Past, Present, and
Future,” ISA Transactions, 33, 235-243 (1994).
[7] Garcia, C. E., “Quadratic/Dynamic Matrix Control of Nonlinear
Processes: A Application to a Batch Reaction Process,” AIChE
Annual Meeting, San Francisco, CA (1984).
[8] Garcia, C. E., and A. M. Morshedi, “Quadratic Programming
Solution of Dynamic Matrix Control (QDMC), ” Chem. Eng.
Commun., 46, 73-87 (1985).
[9] Garcia, C. E., D. M. Prett, and M. Morari, “Model Predictive
Control: Theory and Practice - a Survey, ” Automatica, 25, 3,
335-348 (1989).
[10] Gattu, G., and E. Zafiriou, “Nonlinear Quadratic Dynamic
Matrix Control with State Estimation,” Ind. Chem. Eng. Res., 31,
1096-1104 (1992).
[11] Gattu, G., and E. Zafiriou, “Observer Based Nonlinear
Quadratic Dynamic Matrix Control for State Space and
Input/Output Models.” Can. J. Chem. Eng., 73, 883-895 (1995).
[12] Gobin, F., L. C. Zullo, and J.-P. Calvet, “Model Predictive
Control of an Open-Loop Unstable Train of Polymerization

91
 Reactors,” Computers Chem. Eng., 18, S525-S528 (1994).
[13] Henson, M. A., “Nonlinear Model Predictive Control : Current
Status and Future Directions,” Computers & Chemical
Engineering, 23, 187-202 (1998)
[14] Henson, M. A., and D. E. Seborg, Nonlinear Process Control,
Prentice-Hall PTR (1997).
[15] Johansen, T. A., Operating Regime Based Process Modeling and
Identification, Dr. Ing. Thesis, Norwegian Institute of
Technology-University of Trondheim, Norway (1994).
[16] Johansen, T. A., and Foss, B. A. “Identification of Non-linear
System Structure and Parameters Using Regime Decompsition,”
Automatica, 31, 2, 321-326, (1995).
[17] Krishnan, A., and K. A. Kosanovich, “Batch Reactor Control
Using a Multiple Model-Based Controller Design,” Can. J.
Chem. Eng., 76, 806-815 (1998).
[18] Lee, J. H., and N. L. Ricker, “Extended Kalman Filter Based
Nonlinear Model Predictive Control,” Ind. Chem. Eng. Res., 33,
1530-1541 (1994).
[19] Morari, M., and J. H. Lee, “Model Predictive Control : Past,
Present and Future,” Computers & Chem. Eng., 23, 667-682
(1997).
[20] Murray-Smith, R., A Local Model Network Approach to
Nonlinear Modeling, Dr. Ing. Thesis, University of Strathclyde,
United Kingdom (1994).
[21] Murray-Smith, R., and T. A. Johansen, eds., Multiple Model
Approaches to Nonlinear Modeling and Control, Taylor &
Frances, London (1997).
[22] Ogunnaike, B. A., and W. H. Ray, Process Dynamics, Modeling,
and Control, Oxford University Press, New York (1994).
[23] Özkan. L., and M. C. Camurdan, “Model Predictive Control of a
Nonlinear Unstable Process,” Computers Chem. Eng., 22,
S883-S886 (1998).
[24] Qin, S. J., and T. A. Badgwell, “An Overview of Industrial
Predictive Control Technology,” Proceedings of the 5th
International Conference on Chemical Process Control (CPC-V),
pp. 232-256, AIChE Symposium Series No. 316, Vol. 93, Tahoe
City, CA (1996)
[25] Ricker, N. L., “Model Predictive Control with State Estimation,”
Ind. Eng. Chem. Res., 29, 374-382 (1990).

92
[26] Sistu, P. B., and B. W. Bequette, “Nonlinear Predictive Control
of Uncertain Process: Application to a CSTR,” AIChE J., 37,
1711-1723 (1991).
[27] Stephanopoulos, G., Chemical Process Control: An Introduction
to Theory and Practice, Prentice-Hall, Englewood Cliffs, NJ
(1984).
[28] Uppal, A., W. H. Ray, and A. B. Poore, “On the Dynamic
Behavior of Continuous Stirred Tank Reactors,” Chem. Eng. Sci.,
29, 967-985 (1974).
[29] 王一虹, 楊啟泉, 施奇良, 鍾進煌, 蔡玉卿, “多變數預測控
制專案成功之鑰,” 中華民國八十六年電腦程序控制研討會
論文集, pp.88-93, 台北, 台灣 (1997).
[30] 黃 錢 棟 , 林 佩 蓉 , “APC Applications in CSLC Lube Oil
Manufacture Plants,” 第十八屆電腦程序控制研討會論文集,
pp.22-27, 台北, 台灣 (1998).
[31] 黃錢棟, “高階程控應用實例,” 第十九屆電腦程序控制研討
會論文集, pp. 19-22, 台北, 台灣 (1999).
[32] 王國彬, 李豪業, “利用多重的線性模式作非線性模式預測控
制,” 第十九屆電腦程序控制研討會論文集, pp. 189-196, 台
北, 台灣 (1999).
[33] 黃俊霖, 模糊模式預測控制, 碩士論文, 國立台灣大學, 台
北, 台灣 (1999).
[34] 林文貴, 以多重線性模式為基礎之非線性控制設計, 碩士論
文, 國立台灣大學, 台北, 台灣 (1998).
[35] 許碩桓, 模糊模式之識別, 碩士論文, 國立台灣大學, 台北,
台灣 (1998).
[36] 賴經綸, 以滑動估測器為基礎之非線性模式預測控制, 碩士
論文, 國立台灣大學, 台北, 台灣 (1996).

93