预测控制论文7
预测控制策略应用及其自控设计工作

预测控制策略应用及其自控设计工作童秋阶【摘要】先进过程控制(APC)在流程工业生产中发挥的作用日益受到关注,但是由于各种原因,在新建工程项目中仍很少应用APC.在介绍预测控制原理、预测模型及应用案例的基础上,阐述在新建化工装置中就节能降耗、保质增产自动控制系统应用APC的必要性与可行性;推荐应用预测控制策略及典型的离散卷积预测模型与神经网络预测模型.对于应用APC的工程项目,提出了工程设计阶段自控专业应涉及工作内容的建议.%The function of advanced process control (APC) strategy displaying in process industry has attracted more and more attention. The application is still rare in new project due to various reasons. Based on brief introduction of prediction control principle, model and application examples, the necessity and feasibility of using APC in control system are expounded concerning with energy saving, quality assurance and production increasing in new chemical plant. It is recommended to use prediction control strategy, typical discrete convolution prediction model and neural network prediction model in practice. The work content is also advised concerned with process control specialty during the preliminary engineering stage for a project applying APC.【期刊名称】《石油化工自动化》【年(卷),期】2013(049)001【总页数】5页(P1-5)【关键词】先进过程控制;预测模型;离散卷积模型;神经网络模型;设计理念【作者】童秋阶【作者单位】中国成达工程有限公司,成都610041【正文语种】中文【中图分类】TP273先进过程控制 APC(Advanced Process Control)技术在流程工业中发挥着改进生产操作、提高产品产量与质量、节能降耗减排、保障生产安全等作用,日益受到人们的关注。
基于模型算法预测控制的论文讲解

基于模型算法预测控制的论文讲解基于模型算法预测控制(Model Predictive Control,MPC)是一种先进的控制策略,广泛应用于工业控制中。
它结合了模型预测和优化算法,能够在给定约束条件下,对未来一段时间内系统的发展进行预测,并基于这些预测结果进行优化控制。
本文将对基于模型算法预测控制的原理和应用进行详细讲解。
首先,基于模型算法预测控制的核心思想是建立一个系统的数学模型,并在此基础上进行控制。
该模型通常由一组离散的状态空间方程组成,其中包含系统的状态变量和输入变量之间的关系。
基于此模型,可以预测系统的未来行为。
其次,基于模型算法预测控制可以通过优化算法来计算最优的控制输入。
这里的优化是指在给定的约束条件下,最大化或最小化一个性能指标,如系统的稳定性、响应时间等。
通过一系列迭代计算,可以得到最优的控制输入序列。
基于模型算法预测控制的优点之一是能够处理多变量系统,并能够自适应地调节控制输入。
例如,在一个多变量系统中,不同的输入变量可能会相互影响,而基于模型算法预测控制可以通过建立一个包含所有输入变量的状态空间模型来解决这个问题。
而且,如果系统的模型发生变化,基于模型算法预测控制可以自动调整控制策略,以适应新的模型。
除了在工业控制中的应用,基于模型算法预测控制还可以用于其他领域,如交通控制、能源管理等。
例如,在交通控制中,可以使用模型算法预测控制来优化信号灯的配时方案,提高交通效率和减少拥堵。
在能源管理中,可以利用模型算法预测控制来动态调整能源的供应和需求,以提高能源利用率。
然而,基于模型算法预测控制也存在一些挑战和限制。
首先,建立准确的系统模型是一个复杂的过程,需要大量的实验数据和数学建模技术。
而且,如果系统的模型与实际情况有较大偏差,可能导致控制效果不佳。
其次,基于模型算法预测控制需要进行大量的计算,特别是在优化阶段。
这对计算能力有一定要求,尤其是在实时控制的应用场景中。
综上所述,基于模型算法预测控制是一种高级的控制策略,可以应用于多种领域。
基于神经网络误差补偿的预测控制研究毕业论文

基于神经网络误差补偿的预测控制研究毕业论文目录摘要............................................... 错误!未定义书签。
1 预测控制 (2)1.1 预测控制的产生 (2)1.2 预测控制的发展 (3)1.3 预测控制算法及应用 (4)1.3.1模型控制算法(Model Algorithmic Control,MAC) (5)1.3.2动态矩阵控制(Dynamic Matrix Control,DMC) (5)1.3.3广义预测控制(Generalized Predictive Control,GPC) (5)1.3.4极点配置广义预测控制 (5)1.3.5内模控制 (5)1.3.6模糊预测控制 (6)1.4 预测控制的基本特征 (6)1.4.1预测模型 (6)1.4.2反馈校正 (6)1.4.3滚动优化 (6)1.5预测控制的现状 (7)2 神经网络 (7)2.1 人工神经网络的生理原理 (8)2.2 神经网络的特征 (10)2.3 神经网络的发展历史 (11)2.4 神经网络的内容 (12)2.5 神经网络的优越性 (14)2.6 神经网络研究方向 (14)2.7 神经网络的应用分析 (14)2.8 神经网络使用注意事项 (17)2.9 神经网络的发展趋势 (18)2.10 BP神经网络 (18)2.10.1 BP神经网络模型 (18)2.10.2 BP网络模型的缺陷分析及优化策略 (19)2.10.3 神经网络仿真 (20)3.动态矩阵控制 (22)3.1 预测模型 (22)3.2 滚动优化 (23)3.3 反馈校正 (24)3.4 有约束多变量动态矩阵控制及其线性化 (27)3.5 动态矩阵控制仿真 (29)4 基于神经网络误差补偿的预测控制 (32)4.1 研究背景 (32)4.2 传统PID控制 (33)4.2.1位置式PID控制 (33)4.2.2 增量式PID控制 (35)4.3 基于神经网络的动态矩阵控制 (37)4.4 基于神经网络输出反馈的动态矩阵控制研究 (40)4.5 基于神经网络误差补偿的动态矩阵控制 (46)4.6 仿真效果验证 (51)总结 (57)参考文献 (58)1 预测控制1.1 预测控制的产生预测控制的产生,并不是理论发展的需要,而首先是工业实践向控制提出的挑战。
预测控制定性综合理论的基本思路和研究现状

1.2 预测控制在线开环优化的无穷时域近似
设系统状态方程为
x (k + 1) = f (x (k ), u (k ))
(1)
0, 0 ) = 0 , 系统输入和状态 其中 f 为非线性函数, f (0 约束为 x ∈ Ωx , u ∈ Ωu , 0 ∈ Ωx , 0 ∈ Ωu . 由 1.1 节中的分析, 在任一时刻 k 从系统状态 x (k ) 出发的无穷时域最优控制问题的性能指标可以 描述为
进行的有限时域开环优化拓展成与无穷时域开环最 优控制相近的形式. 2) 最 优 控 制 的 稳 定 性 分 析 通 常 借 助 于 Lyapunov 方 法, 而 Lyapunov 函 数 通 常 取 为 最 优 解 的值函数, 这一稳定性分析的基本框架可以借用到 预测控制的稳定性分析中. 以下, 我们就这两个问题给出进一步的说明.
收稿日期 2007-06-25 收修改稿日期 2007-11-12 Received June 25, 2007; in revised form November 12, 2007 国家自然科学基金 (60474002, 60674041) 和国家高技术研究发展计 划 (863 计划) (2006AA04Z173) 资助 Supported by National Natural Science Foundation of China (60474002, 60674041), National High Technology Research and Development Program of China (863 Program) (2006AA04Z173) 1. 上海交通大学自动化系 上海 200240 1. Department of Automation, Shanghai Jiao Tong University, Shanghai 200240 DOI: 10.3724/SP.J.1004.2008.01225
预测控制

1.1 引言预测控制是一种基于模型的先进控制技术,它不是某一种统一理论的产物,而是源于工业实践,最大限度地结合了工业实际地要求,并且在实际中取得了许多成功应用的一类新型的计算机控制算法。
由于它采用的是多步测试、滚动优化和反馈校正等控制策略,因而控制效果好,适用于控制不易建立精确数字模型且比较复杂的工业生产过程,所以它一出现就受到国内外工程界的重视,并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。
工业生产的过程是复杂的,我们建立起来的模型也是不完善的。
就是理论非常复杂的现代控制理论,其控制的效果也往往不尽人意,甚至在某些方面还不及传统的PID控制。
70年代,人们除了加强对生产过程的建模、系统辨识、自适应控制等方面的研究外,开始打破传统的控制思想的观念,试图面向工业开发出一种对各种模型要求低、在线计算方便、控制综合效果好的新型算法。
这样的背景下,预测控制的一种,也就是模型算法控制(MAC -Model Algorithmic Control)首先在法国的工业控制中得到应用。
同时,计算机技术的发展也为算法的实现提供了物质基础。
现在比较流行的算法包括有:模型算法控制(MAC)、动态矩阵控制(DMC )、广义预测控制(GPC)、广义预测极点(GPP)控制、内模控制(IMC)、推理控制(IC)等等。
随着现代计算机技术的不断发展,人们希望有一个方便使用的软件包来代替复杂的理论分析和数学运算,而Matlab、C、C++等语言很好的满足了我们的要求。
1.2 预测控制的存在问题及发展前景70年代以来,人们从工业过程的特点出发,寻找对模型精度要求不高,而同样能实现高质量控制性能的方法,以克服理论与应用之间的不协调。
预测控制就是在这种背景下发展起来的一种新型控制算法。
它最初由Richalet和Cutler等人提出了建立在脉冲响应基础上的模型预测启发控制(Model Predictive Heuristic Control,简称“MPHC”),或称模型算法控制(Model Algorithmic Control,简称“MAC”);Cutler等人提出了建立在阶跃响应基础上的动态矩阵控制(Dynamic Matrix Control,简称“DMC”),是以被控系统的输出时域响应(单位阶跃响应或单位冲激响应)为模型,控制律基于系统输出预测,控制系统性能有较强的鲁棒性,并且方法原理直观简单、易于计算机实现。
预测控制论文1

采用
所定义的系统性能指标 对系统进行预测控
制 Θ !Θ !Μ !Π Ι !Θ 图 图 分别为系统跟踪设定与可变输入的响应
信
息
与
控
制
卷
曲线
预测控制能使系统稳定在设定点并满足约束 由于混合动态系统本身的复杂性 目前大多还 处在理论研究阶段 深入研究适合复杂工业过程的 建模方法并开发出应用软件直接进行模型转换和针 对二次规划计算量大! 收敛慢甚至不收敛的特点采 用线性规划的方法或进行一次性的离线优化的方法 均是值得深入研究的课题 参
在建立了混杂系统的 系统模型
ξ κ ξ κ ξ κ ≈ ψ κ ξ κ ∴ ≈ξ κ ∴ ζ κ ξ κ υ κ ψ κ ξ κ ζ κ υ κ υ κ υ κ Ι ≈ ξ κ ∴ ξ κ ⁄ 模型后 通过一个
例子来证明基于 Μ ΛΔ 预测控制算法的有效性
得到数值形式的
解≈
ϑ
Υ
Υ ΗΥ ΓΥ [ Ω
⁄
2
¬ 2 ¬ ≥ ∏ ∏ ∏ ∏ ∏ ¬ √ ¬ ∏ 2 2 2
Τ εχηνολ ογ ψ Ι νσ τιτυτε οφ Α υτομ ατιον Χηινεσ ε Α χαδ εμ ψ οφ Σ χιενχεσ
Αβστραχτ ∏ ⁄ √ ×
∏∏ ∏ √ √ ¬ ∏ ¬ ∏
Κ εψωορδ σ
¬
Σ
设系统的给定值为 Σ π κ Π
Δ ζ κ Ε
μ
则预测偏差为
Π ψχ κ Π
Ε κ
Π
μ
Σπ κ
Ε ζ κ [ Ρ νχ ≅ Ρ πχ ≅ ξχ ξλ
采用如下定义的系统二次型性能指标
ϑ υ ξ
Ε
ι
基于模型算法预测控制的论文

安徽大学本科毕业论文(设计、创作)题目:基于模型算法预测控制的分析与算法研究学生姓名:夏金龙学号:Z01014166院(系):电气工程与自动化学院专业:自动化入学时间:2010年9月导师姓名:何舒平职称/学位:讲师/博士导师所在单位:电气工程与自动化学院完成时间:2014年6月基于模型算法预测控制的分析与算法研究摘要本论文简要介绍了预测控制的发展历程,理论分析了模拟算法及其优缺点以及一些参数选取。
此外,还介绍了MPC。
通过比较MPC与传统PID的算法实现,突出MPC的快速性、稳定性等特点。
介绍了预测控制在工业中的一些实际运用。
最后,指出MPC在中国的广阔发展前景。
对于我国MPC的发展具有重要的现实意义。
关键词:MPC;预测控制;模型;参数The analysis and the relevant research of model algorithmic predictivecontrolAbstractThe thesis provides a brief introduction of the development process of predictive control. It also posites the theoretical analysis of simulation algorithm and articulates its advantages and disadvantages, a number of parameter selections as well. Moreover, it presents the MPC by comparing the algorithm implementation of the MPC and traditional PID to highlight its features : rapidity and stability, etc. Predictive control algorithm introduced some practical use in industry. Finally, the article points out that there is a wide prospect of development for the MPC in China. It is of great and practical significance for our country to develop and bring out the MPC.Keywords: MPC; Predictive control; Model; Parameter目录1绪论 (5)1.1预测控制发展概述 (5)1.2预测控制基本原理 (6)2基本模型 (6)2.1多步输出预测 (7)2.2最优控制率计算 (9)2.3MAC的IMC结构 (10)2.4闭环系统特性 (11)2.5预测控制系统的参数选择 (12)2.5.1预测时域长度P (13)2.5.2控制时域宽度M (13)3仿真研究 (13)4 应用实例 (20)4.1采用模型算法预测控制的电流控制器 (20)4.2模型预测控制在锅炉控制系统中的应用 (21)5结论 (22)主要参考文献 (24)致谢 (25)1绪论1.1 预测控制发展概述以状态空间法为基础的现代控制理论从60年代初期发展至此,已取得了很大的进步,对自动控制技术的发展产生了积极的推动作用。
预测控制系统的定性综合(教学参考)

预测控制律
k( x, k ) = u 0 (k ;( x, k ))
预测控制与最优控制的关系
预测控制与最优控制的关系
Mayne et al (2000)指出: MPC不是一种新的控制设计方法,它本质上是解决标准的最优 控制问题(只是用有限时域代替了传统最优控制的无限时域) 它与其它控制器不同之处在于:它是对系统当前状态在线求解 最优控制问题,而不是离线确定反馈策略。 在线解是通过求解以系统当前状态为初始状态的开环最优控制 问题获得的,是一个数学规划问题。而确定反馈解则需要求解 HJB微分或差分方程,是一个动态规划问题。 因此,预测控制区别于传统最优控制方法仅仅在于其实现模式。
i=0
N-1
s.t.
x(k + i +1| k ) = f ( x(k + i | k ), u(k + i | k ))
u (k + i | k ) Î Wu , x(k + i | k ) Î W x i = 0, , N -1
O p tim iz a tio n H o r iz o n
x (i )
x(k + N | k ) = 0
假设k时刻最优解为 {u (k | k ), u (k +1| k ),......, u (k + N -1| k )}
k+1时刻取
J * (k ) J (k + 1)
{u (k + 1| k ),......, u (k + N -1| k ), 0}
J (k + 1) = J * (k ) - l ( x(k∣ k ), u (k∣ k )) < J * (k )
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Px
-
( y , u ).
( 4)
其中 Η( y ) =
0, y P xL ≤ y P x ( k + i) ≤ y P x U ; 1, o therw ise. ( 5)
3 基 于 逻 辑 目 标 和 逻 辑 约 束 条 件 的 Z MM PC 算法
204
控 制 与 决 策 指定的区域内时, 性能指标函数可写作
Hp n
第 20 卷
设计过程中引入了逻辑指示变量, 将基于逻辑命 题 的目标函数以约束条件的形式集成到预测控制 优化目标和约束条件的框架下. ZMM PC 可以根据 控制系统的自由度和变量的优先权, 灵活设计控制 器参数, 使控制系统具有更好的动态和稳态品质.
-
图 1 区域控制目标示意图
假设控制系统中含有 P p 个 ZCV , 分别是 y P 1 , y P 2 , …, y P p ( 1 ≤ P 1 < P 2 < … < P p < n , P x ( x = 1,
2, …, p ) 是正整数, n 是系统被控变量数目) , 它们的 区 域控制目标为 y P xL ≤ y P x ( k ) ≤ y P xU. 为了说明 ZCV 给预测控算法带来的影响, 将MM PC 的性能指
( 上海交通大学 自动化研究所, 上海 30)
摘 要: 针对实际过程控制系统中某些被控变量没有设定值要求只有区域目标约束要求这一特点, 提出一种带有输 出区域目标特性的多变量预测控制算法 ( ZMM PC ). 该算法根据区域目标约束条件的满足情况, 将控制器的目标函 数及约束条件划分为两种工作状态, 使用基于逻辑的方法完成动态控制过程中目标与约束条件的切换. 仿真实例结 果表明 ZMM PC 不仅可以增加控制系统的自由度, 而且可根据被控变量的优先权进行灵活设计, 使复杂控制系统具 有更好的动态和稳态控制品质. 关键词: 多变量预测控制; 区域目标; 切换控制; 混合逻辑 中图分类号: T P273 文献标识码: A
第 20 卷 第 2 期
Vol . 20 N o. 2
控 制 与 决 策
C on trol and D ecision
2005 年 2 月
Feb. 2005
文章编号: 100120920 ( 2005) 0220203204
带有输出区域控制目标特性的多变量预测控制算法
邹 涛, 李少远
1 引 言
随着复杂工业过程规模的日益庞大, 生产者对 系统的控制要求往往是多方面和冲突的, 甚至是相 互矛盾的, 这就要求生产工艺条件应存在一定的柔 性 . 即将某些被控变量的设定点要求弱化为约束条 件 ( 带状区域) , 从而形成了以约束条件作为系统控 制目标的优化控制问题. 作为过程工业中处理复杂 约束多变量控制问题的公认标准, 预测控制算法在 石油、 化工等工业过程中的成功应用, 显示出预测控 制强大的生命力. 然而, 预测控制无法有效地处理以 约束条件为控制目标的优化问题, 只能将区域控制
2
[ y P x ( k ) > y P xU ] → [ ∆P x 2 ( k ) = 1 ], [ y P x ( k ) < y P xL ] → [ ∆P x 1 ( k ) = 1 ], [ y P x ( k ) < y P xU ] → [ ∆P x 2 ( k ) = 0 ], [ y P x ( k ) > y P xL ] → [ ∆P x 1 ( k ) = 0 ]. ( 7)
基金项目: 国家自然科学基金项目 ( 60474051) ; 国家 863 计划项目 ( 2002AA 412130). 作者简介: 邹涛 ( 1975—) , 男, 辽宁营口人, 博士生, 从事约束预测控制、 非线性控制的研究; 李少远 ( 1965—) , 男, 河 北枣强人, 教授, 博士生导师, 从事预测控制、 智能控制等研究.
在 k 时刻, 定义逻辑指示变量 ∆P x ( k ) , 满足条件 [ ∆P x ( k ) = 1 ] ∴ [ y P xL ≤ y P x ( k ) ≤ y P xU ]. ( 6) 由于 Y P x L ≤ y P x ( k ) ≤ y P xU 无法直接与 ∆P x ( k ) 关联, 需引入辅助逻辑变量 ∆P x 1 ( k ) 和 ∆P x ( k ) , 即
y P x (k ) -
为方便起见, 将 k + i k 简记为 k + i. 当控制系统中含有 ZCV 时, 控制器的目标是将 非 ZCV 被控变量控制到其设定点处, 而将 ZCV 控 制到指定的目标区间内. 当 ZCV 满足指定的区域目 标要求时, 性能指标函数 ( 2) 中与 ZCV 相关的函数 项 V P x = ‖y P x ( k + i ) - rP x ( k + i) ‖ 取值为 0; 当 超出这个区间时, V P x 不为 0, 从而对 ZCV 起到调节 作 用, 使其回到目标区域内. 当所有的 ZCV 都位于
(M
y
- y P xU ) ∆P x 2 ( k ) ≤ y P xU ,
- y P x (k ) - y P x (k ) y P x (k ) -
(m y + y P xL ) ∆P x 1 ( k ) ≤ y P x L , (m y - y P xU ) ( 1 - ∆P x 2 ) ( k ) ) ≤- y P xU ,
[3 ]
V (k ) =
∑ ∑
‖y j ( k + i) Hu
i= 1 j = 1, j ≠P x
r j ( k + i ) ‖Q +
2
∑‖∃ u (k +
i= 1
i ) ‖R.
2
2 带有区域目标的预测控制问题描述
本文中使用基于状态空间模型描述的预测控 制算法. 假设某线性多变量系统的操作变量、 状态变 m r 量和被控变量分别为 u ∈ R , x ∈ R , y ∈ R n , 系统 动态方程使用状态空间方程 2 表示, 则 x ( k + 1) = A x ( k ) + B u ( k ) , ( 1) 2: y ( k ) = C x ( k ). 系统受到的约束为 x ∈ X , u ∈ U , y ∈ Y. 这里假设 由 x , u , y 构成的约束集合定义为 8. 在复杂工业环境中, 性能指标和约束条件的区 别趋于淡化, 某些被控变量并没有设定值. 但为了保 证生产的安全运行, 只要求这些变量尽量不超出指 定的安全区间 ( 约束条件) 即可. 本文将这种被控变 量记作 ZCV , 如图 1 所示.
收稿日期: 2004204212; 修回日期: 2004206222.
目标转化为系统约束条件来处理 . 文献 [ 1 ] 给出了一 种带有带状目标的预测控制算法, 该算法直接将系 统带状目标转化为约束条件, 并使用带状目标约束 条件代替原有的约束条件, 导致优化控制器的可行 集缩小, 控制器不能处理被控变量初始点不在目标 约束区域内的情况 . 文献 [ 2 ] 给出了带有 “漏斗” 形状 输出目标的方法, 实际上是带状目标的变形, 但同文 献 [ 1 ] 的方法一样, 该方法同样存在可行集小的问 题 . 本文提出一种带有输出区域控制目标特性的多 变量预测控制算法 ( ZMM PC ) . ZMM PC 在控制器
( 3) ZCV 的约束条件转变为 y P x L ≤ y P x ( k + i ) ≤ y P xU , 设
在此情况下系统的约束集合为 8. 由式 ( 3) 可知, 由 于 目标函数中不再含有 y P x 项, 可认为被控变量由 原来的 n 转变为 n - p. 因为与 ZCV 相关的函数项 V P x 取值与目标约束条件有关, 故定义 V P x ( y , u ) 为
将 y P x ( k ) 当前时刻或未来时刻所在位置作为 切换条件, 如果 y P xL ≤ y P x ( k ) ≤ y P x U 为真, 则相应的 目 标 函 数 为 ( 3) , 约 束 条 件 为 8 ; 如 果 当 y P x L ≤ y P x ( k ) ≤ y P x U 为假, 则相应目标函数为式 ( 2) , 约束 集合为 8. 本文根据目标约束条件的满足情况给出 逻 辑切换条件定义, 将逻辑变量引入控制器[ 4 ] 的设 计, 使得 ZMM PC 算法可根据逻辑条件在线切换控 制器的目标和约束条件 .
y
(M
- y P xL ) ( 1 - ∆P x 1 ( k ) ) ≤ y P x L. ( 8)
此外, ∆P x 1 ( k ) 和 ∆P x 2 ( k ) 还应满足下列逻辑关系: ∆P x 1 ( k ) - ( 1 - ∆P x 2 ( k ) ) ≤ 0,
M ulti- var iable pred ictive con trol w ith output zone goa ls
ZOU T ao, L I S hao2Y uan
( In stitu te of A u tom a tion, Shangha i J iao tong U n iversity, Shangha i 200030, Ch ina. Co rresponden t: L I Shao 2yuan, E2 m a il: ykzou tao @ sjtu. edu. cn ) Abstract: A m u lti2va riab le m odel p redictive con tro l a lgo rithm w ith ou tp u t zone goa ls (Z MM PC ) is p ropo sed a s som e con tro lled va riab les have no set 2 po in t requests bu t on ly a zone con stra in t goa l in the p ractica l p rocess con tro l system s. Z MM PC p a rtition s the co st function and con stra in t condition of con tro ller in to set 2 po in t con tro l m ode and zone con tro l m ode ba sed on the sa tisfaction of the zone ob jective con stra in t condition, and fu lfills the sw itch ing of . Si the co st function and con stra in t condition by in troducing logic indica to r va riab les m u la tion resu lts show tha t Z MM PC can no t on ly increa ses the freedom of the con tro l system bu t a lso is p rop itiou s to i m p rove the dynam ic con tro l qua lity of the com p lex indu stria l system. Key words: m u lti2va riab le p redictive con tro l; zone goa ls; sw itch ing con tro l; m ixed logic