1.一种批次过程二维模型预测控制方法，其特征在于该方法具体是：步骤1、建立批次过程中被控对象的状态空间模型，具体是：

1.1首先采集批次过程中的输入输出数据，利用该数据建立该批次过程的实际过程模型，形式如下：F(qt-1)y(t,k)＝H(qt-1)u(t,k)其中，t,k分别是离散时间和循环指数，y(t,k)和u(t,k)是在k周期中的t时刻的输出和控制输入，qt-1是时域单位后向移位算子；F(qt-1)，H(qt-1)是相应的多项式，形式如下：-1 -1 -2 -m

F(qt )＝1+f1qt +f2qt +…+fmqtH(qt-1)＝h1qt-1+h2qt-2+…+hnqt-n其中，f1…fm,h1…hn是多项式系数；qt-1…qt-m,qt-1…qt-n分别是t时刻后移1…m,1…n步算子；

1.2为了补偿实际中由于不确定性造成的影响，在输出预测中添加时间误差补偿，以实现更精确的控制，形式如下：ymm(t+i,k)＝ym(t+i,k)+e(t,k)e(t,k)＝y(t,k)-ym(t,k)其中，ymm(t+i,k)为第k周期t+i时刻的更正预测输出，i为预测步数，ym(t+i,k)和ym(t,k)分别为第k周期t+i和t时刻的预测输出，y(t,k)为第k周期t时刻实际过程输出，e(t,k)为第k周期t时刻实际过程输出和模型输出之间的误差；

1.3考虑批次循环间的重复性，更改后输出预测形式如下：ymm(t+i,k)＝ym(t+i,k)+e(t,k)+e(t+i,k-1)-e(t,k-1)其中，e(t+i,k-1)和e(t,k-1)分别为第k-1周期t+i和t时刻实际过程输出和模型输出之间的误差；

1.4将步骤1.1中离散输入输出模型通过t时刻后移差分算子Δt处理成如下状态空间模型形式：F(qt-1)Δty(t,k)＝H(qt-1)Δtu(t,k)

1.5选择状态空间向量：

xm(t,k)＝[Δty(t,k),Δty(t-1,k),…,Δty(t-m+1,k),Δtu(t-1,k),Δtu(t-2,k),…,Δtu(t-n+1,k)]T其中，y(t-1,k),y(t-2,k),…y(t-m+1,k)和u(t-1,k),u(t-2,k),…u(t-n+1,k)分别为第k周期在t-1,t-2,…,t-m+1和t-1,t-2,…,t-n+1时刻的输出量和输入量；

相应的状态空间模型如下所示：

xm(t+1,k)＝Amxm(t,k)+BmΔtu(t,k)Δty(t+1,k)＝Cmxm(t+1,k)其中，xm(t,k)和xm(t+1,k)分别是第k周期t，t+1时刻选择的状态变量，T为转置符号，Δty(t+1,k)为第k周期在t+1时刻的输出变量增量值；

Bm＝[h1 0 0 … 1 0 … 0]TCm＝[1 0 0 … 0 0 0 0]

1.6选取参考轨迹yr(t,k)，跟踪误差et(t,k)如下所示：et(t,k)＝y(t,k)-yr(t,k)其中，yr(t,k)为第k周期里t时刻的参考轨迹，形式如下：yr(t+i,k)＝αiy(t,k)+(1-αi)c(t+i)其中，yr(t+i,k)是第k周期里t+i时刻的参考轨迹，c(t+i)是第k周期里t+i时刻的输出设定值，αi是第k周期t+i时刻的参考轨迹的平滑因子；

得到t+1时刻的状态空间模型误差e(t+1,k)的公式：et(t+1,k)＝et(t,k)+CmAmxm(t,k)+CmBmΔtu(t,k)-Δtyr(t+1,k)其中，et(t,k)和et(t+1,k)分别为第k周期t和t+1时刻的跟踪误差，yr(t+1,k)第k周期里t+1时刻的参考轨迹；

1.7为了获取更加精确的控制，选取状态向量：得到状态空间过程模型，形式如下：

x(t+1,k)＝Ax(t,k)+BΔtu(t,k)+CΔtyr(t+1,k)其中，

其中，Am和Cm中0是有着适当维度的0向量；

1.8根据步骤1.7，状态预测形式如下：X(k)＝Rx(t,k)+SΔtU(k)+φΔtYr(k)其中，

其中，P,M分别为预测时域和控制时域；

1.9进一步提高控制效果，增加周期跟踪误差具体形式如下：Xm(k)＝X(k)+Ec(k-1)

其中，Xm(k)为更正的状态空间向量，Ec(k-1)周期跟踪误差；

其中，ec(t+i,k-1)中i取值为1,2，...,p，式中0是有着适当维度的0向量， 为t+i时刻周期跟踪误差的和，其中周期j取值为1，...，k-1；

步骤2、设计被控对象的批次过程控制器，具体是：

2.1为了在约束条件下跟踪参考值，并且在未知过程中保持期望的控制性能，考周期跟踪误差，批处理过程中的不确定性的影响可以逐周期地进行补偿，选取被控对象的性能指标函数J，形式如下：其中，γ(i),λ(j),β(j)为相应的权矩阵；xm(t+i,k)是第k周期里t+i时刻的状态变量，Δku(t+j-1,k)是引入周期后向差分算子，相邻周期里相同时刻的输入变量增量值，Δtu(t+j-1,k)引入时间后向差分算子，相同周期里相邻时刻的输入变量增量值；

2.2结合步骤1.7中，简化性能指标函数J，步骤2.1中的成本函数表示为如下形式：J＝γXm(k)2+λΔtU(k)2+β(U1(k)+φΔtU(k)-U2(k-1))2其中，

2.3最优控制律通过最小化步骤2.2中的目标函数来获得，形式如下：即得到最优控制输入形式如下：

u(t,k)＝u(t-1,k)+Δtu(t,k)

2.4由于不存在历史数据，通过常规MPC获得最优控制律，形式如下：ΔtU(k)＝-(STγS+λ)-1STγ(Rx(t,k)+φΔtYr(k))

2.5在下一时刻，重复步骤2.1到2.4继续求解新的最优控制律，得到最优控制输入u(t,k)，并依次循环。