1.一种流程工业过程预测优化控制方法，其特征在于该方法具体是：步骤1、建立过程对象的状态空间模型，具体是：

1-1.首先采集过程对象的实时运行数据，建立处理过程模型，将带干扰的过程描述为以下形式：其中，

其中k是系统周期t是系统时刻，△是后向差分算子，x(t+1,k)，x(t-1,k)分别是k周期t+1，t-1时刻状态，x(t,k)是k周期t时刻状态，y(t+1,k)是k周期t+1时刻系统过程输出，u(t,k)和u(t-1,k)分别是k周期t时刻和t-1时刻系统控制输入，d(t,k)和d(t-1,k)分别是k周期t时刻和t-1时刻的外部干扰，A,B,D,C,E是相应维数的系统矩阵；

1-2.使用T滤波器消除高频噪声：

其中， 是k周期t+1时刻滤波后的输出， 是k周期t时刻滤波后的输入，是k周期t时刻滤波后的状态；

1-3.得到滤波后的系统差分输出

其中， 是k周期t+1时刻滤波后差分输出， 是k周期t时刻滤波后的差分输入， 是k周期t时刻滤波后的差分状态；C′，E′是滤波后的相应维数的系统矩阵；

1-4.设计变松弛形式约束，即动态形式输出约束；

ymin(t,k)-εhmin(t,k)≤y(t,k)≤ymax(t,k)+εhmax(t,k)其中，ymin(t,k)和ymax(t,k)分别为k周期t时刻的最小和最大约束输出值，ε为选定松弛max min变量；h (t,k)，h (t,k)是相应的输出变约束软化量；

1-5.设计系统输入约束，形式如下：

umin(t,k)-δpmin(t,k)≤u(t,k)≤umax(t,k)+δpmax(t,k)△umin(t,k)-ηqmin(t,k)≤△u(t,k)≤△umax(t,k)+ηqmax(t,k)其中，umin(t,k)和umax(t,k)分别为k周期t时刻的最小和最大约束控制输入值，△umin(t,k)和△umax(t,k)分别为k周期t时刻的最小和最大约束控制输入增量，δ，η分别为选定的松弛变量；pmax(t,k)，pmin(t,k)是相应的输入变约束软化量；qmax(t,k)，qmin(t,k)是相应的输入增量的变约束软化量；

1-6.设置系统跟踪误差形式，如下所示：

e(t,k)＝y(t,k)-yr(t,k)

其中，y(t,k)是k周期t时刻的过程输出，yr(t,k)是系统参考轨迹，e(t,k)是k周期t时刻的跟踪误差；

为了得到更精确的控制，设置系统滚动状态误差，形式如下：其中，x(tr,k)是过去r时刻状态测量值，xp(tr,k)是过去r时刻的状态预测值，r＝

0,...,p，p为预测时域；

1-7.根据步骤1-6，选取扩展误差E(t,k)，对系统进行综合控制：

1-8.设计系统阶段代价，形式如下：

l(x(t,k),u(t,k))＝α1||x(t,k)-x(t-1,k)||2+α2||x(t,k)-x(t,k-1)||2+β1||u(t,k)-u(t-1,k)||2+β2||u(t,k)-u(t,k-1)||2+τ||E(t,k)||2+Vf(x(M))其中l(x(t,k),u(t,k))是系统阶段代价，α1,α2,β1,β2,τ是相应的权矩阵，Vf(x(M))是终端惩罚，x(t-1,k)是k周期t-1时刻状态，x(t,k-1)是k-1周期t时刻状态，u(t-1,k)是k周期t-1时刻系统输入，u(t,k-1)是k-1周期t时刻系统输入，x(M)是终端时间M的状态；

步骤2、设计被控对象的过程控制器，具体是：

2-1.为求解最优控制输入，设计系统目标函数形式如下：min是求最小值，J分别是选取的性能指标，N是选取的阶段周期；

2-2.根据步骤1-5将输入输出约束转化为以下形式：u(0,0)＝u(0),△u(0,0)＝△u(0)其中u(0,0),△u(0,0)分别是系统输入和输入增量的初始条件，初始值设置分别为u(0),△u(0)；

2-3.通过步骤2-1到2-2求得带输出约束与控制约束的系统的解，得到最优控制量△U*(t,k)：取最优控制量的第一个元素作用于系统，如下所示：△u*(t,k)＝[1 0 … 0]△U*(t,k)其中，△u*(t,k)为最优更新律，最优控制输入定义为：u(t,k)＝u(t-1,k)+△u*(t,k)

2-4.在下一时刻，重复步骤2.1到2.3继续求解新的最优控制输入u(k)，作用于控制对象，并依次循环。