模型预测控制(Model Predictive Control,MPC)是一种基于模型的先进控制技术,该算法直接产生于工业过程控制的实际应用,并在与工业应用的紧密结合中不断完善和成熟。模型预测控制对模型精度要求不高,对模型失配、非最小相位系统、不确定干扰的影响具有较强的鲁棒性,具有较高的控制性能。动态矩阵控制则是模型预测控制中的一种典型的控制算法。它将传统自校正技术的单步预测扩展为多步预测,在实际反馈信息基础上反复优化,有效地抑制了算法对于模型参数变化的灵敏性,对建模误差和环境干扰等不确定性具有很强的适应能力。由于动态矩阵控制设计基于一个较低阶的线性近似模型,而复杂的工业过程,在模型阶次、非线性、环境扰动、时延等方面存在较大不确定性,因而研究动态矩阵控制的改进,探讨参数设计对其鲁棒性的影响具有重要的理论意义与实际应用价值。本文主要对动态矩阵的动态特性、稳定性和鲁棒性进行分析,同时提出了PID-DMC控制算法。在实际的生产过程中,PID控制往往具有非线性、时变不确定性,应用常规PID控制不能达到理想的控制效果。本文在分析PID算法和动态矩阵控制算法的基础上,将二者结合起来,加入新的目标函数,推导出PID动态矩阵控制算法(PID-DMC)。由于基函数概念的引入,预测函数控制量的输入有明显的规律性,提高了系统的控制精度。对于一阶加纯滞后的预测函数控制系统的仿真说明,预测函数控制响应速度快,而且增强了系统的抗干扰能力、鲁棒性和稳定性。