1.1　背景

工业领域内广泛存在一类系统，如大型石油、化工过程、城市给排水系统、分布式发电系统等，这些系统本质上都是由一些子系统按照生产工艺连接起来的，子系统间通过能量、物料传递等相互耦合。过去，虽然这些系统在结构上是分布式的，但在控制模式上因受到信息传输模式的限制而采用集中控制模式，如采用仪表和中央控制室，把所有信息集中起来，进行全局系统设计与计算后，再把每个子系统的控制量通过电缆点对点地发送到现场执行。

随着现代技术的不断发展，系统复杂程度和通信技术的不断提高，这类系统的控制方式正在由集中式控制方式向分布式控制方式转变。这是因为集中式控制对故障的容错能力低，当系统某一传感器或执行机构出现故障时，会影响整个系统的运行；系统维数的增加导致集中式控制计算量加大，在线实时应用困难（模型预测控制等基于非线性约束优化的控制方法尤为突出）；当系统局部发生变化，或新增或删除子系统时，集中式控制需要重新修改控制算法，结构不够灵活，维护困难。另一方面，随着电子技术、计算机技术和通信技术的发展，具有通信和计算功能的智能仪表、传感器、执行机构的造价也越来越低，并易于安装，现场总线技术已普遍应用，使得控制器与控制器之间、传感器之间、不同传感器与控制器之间形成网络并可以有效地进行通信，使得通过有效协调达到提高系统整体性能的分布式控制方法^[1～3]得以发展，实现了系统的分层递阶到分布式系统的转变^[2，4]。

分布式控制在控制系统的信息结构与控制算法上与集中式模式下的MIMO系统相比有很大差别，出现了一些新的具有挑战性的问题有待探讨。分布式控制系统的示意如图1-1所示，由多个相互连接单元组成的被控系统在逻辑上被划分为多个相互关联的子系统，每个子系统由一个独立的局部控制器控制，控制器之间通过网络相互连接，可根据实际情况相互交换数据。分布式控制应具有以下特点：①各局部控制器对等，可单独设计并自主控制，可通过有效的协调提高系统整体性能；②系统容错性强，当某一控制器失效时，系统仍能正常工作。

由此可见，分布式控制在信息结构和控制器的设计方面与集中式控制有很大不同，出现了一些新的具有挑战性问题有待探讨。

另外，由于模型预测控制可以预测系统的状态演化，可以在实时计算当前子系统执行机构的控制作用时考虑其它系统的执行机构的动作，具有良好的动态性能^[5～11]，因此，模型预测控制很自然地被用于设计分布式系统的协调控制并引起学术界的广泛关注^[2，4，12]，取得了不断的发展。国际著名的学术期刊如IEEE Trans.Automatic Control、Automatica等主流期刊均有很多关于分布式预测控制理论和应用方面的文章^[13～19]。由此可见，在预测控制框架下，研究分布式系统的协调控制问题无论是在理论研究还是在工业应用中都具有重要意义。

① 预测控制目前研究结果多数假设状态已知，事实上状态观测器是预测控制不可或缺的重要组成部分，传统的DMC算法中的反馈矫正部分本质上也是状态观测器^{[11，20～22]}。在网络环境中，由于延时、丢包等现象的存在，以及系统的物理约束因素，给系统的状态观测的精度保证和算法收敛性带来了新的困难，需要为网络环境下的带约束的状态观测器提供新的设计方法。

② 由于分布式预测控制与集中式预测控制相比，其性能还无法达到集中式预测控制的优化性能，因此，如何设计协调策略，并通过该策略有效协调各子系统，达到提高系统全局优化性能，同时兼顾网络连通度和计算复杂度的目的是分布式预测控制的一个关键问题。而目前协调策略在各个方面所表现出的优点各不相同，因此，需要针对不同的设计需求，提供有效的协调预测控制设计方法。它包括约束的处理、优化问题的可行性和闭环系统渐近稳定性的保证等^[23]。