1、基于不确定颜色模型的鲁棒多变量预测控制方法，其特征在于该 方法的步骤包括：

(1)确定控制变量的初始值，具体方法是：利用染色机生产范例和在 染色中控制染色机生产的压力、温度和转速的规则，获得染色机生产的 初始压力、温度和转速；通过对范例数据的处理得到染色机生产的初始 染色配方；

(2)建立预测模型，具体方法是：首先，以机台温度、压力、转速为 输入数据，以在线采集的光谱色度值作为输出数据，建立基于最小二乘 法的离散差分形式的不确定受控自回归滑动平均模型

$[\hat{A}\left(z^{-1}\right)+\Delta \hat{A}\left(z^{-1}\right)]y\left(k\right)=[\hat{B}\left(z^{-1}\right)+\Delta \widehat{B\left(z^{-1}\right)}]u\left(k\right)+[\hat{C}\left(z^{-1}\right)+\Delta \hat{C}\left(z^{-1}\right)]\zeta \left(k\right)$其中y(k)表示某一种坯布不同颜色的色度值，u(k)表示某一种坯布 生产机台控制变量，ζ(k)表示未知不可测的误差白噪声干扰， 和 表示通过辨识得到的已知的实参数， 和 表示范数有界的参数的不确定性；

y(k)＝[y1(k)，y2(k)，…yn(k)]T；yi(k)∈Rn×1，i＝1，…，n； u(k)＝[u1(k)，u2(k)，u3(k)]T，u1(k)∈Rm×1，u2(k)∈Rm×1，u3(k)∈Rm×1 其中u1(k)生产机台的温度，u2(k)表示生产机台的压力，u3(k)表示生产 机台的转速；

$\hat{A}\left(z^{-1}\right)=1+\underset{i=1}{\overset{n_a}{\Sigma }}{\hat{a}}_i{z}^{-1},$ $\hat{B}\left(z^{-1}\right)=\underset{i=1}{\overset{\mathrm{nb}}{\Sigma }}{\hat{b}}_i{z}^{-1},$ $\hat{C}\left(z^{-1}\right)=\underset{i=1}{\overset{\mathrm{nc}}{\Sigma }}{\hat{c}}_i{z}^{-1},$$\Delta \hat{A}\left(z^{-1}\right)=1+\underset{i=1}{\overset{n_a}{\Sigma }}\Delta {\hat{a}}_i{z}^{-1},$ $\Delta \hat{B}\left(z^{-1}\right)=\underset{i=1}{\overset{\mathrm{nb}}{\Sigma }}\Delta {\hat{b}}_i{z}^{-1},$ $\Delta \hat{C}\left(z^{-1}\right)=\underset{i=1}{\overset{\mathrm{nc}}{\Sigma }}\Delta {\hat{c}}_i{z}^{-1}$$\left|\right|\Delta {\hat{a}}_i\left|\right|<{\omega }_{1i}f\left(k\right){\tau }_1,$ $\left|\right|\Delta {\hat{b}}_i\left|\right|<{\omega }_{2i}f\left(k\right){\tau }_2,$ $\left|\right|\Delta {\hat{c}}_i\left|\right|<{\omega }_{3i}f\left(k\right){\tau }_3$其中，ω1i，ω2i，τ1i，τ2i和τ3是已知可测的实参数，f(k)是具有 Lebesgue可测元的不确定性，满足

fT(k)f(k)≤1

把建立的染色控制的参数最小化模型转化成基于脉冲响应传递函数 的不确定非参数化模型，即预测模型

$y_m(k+1)=({\hat{\zeta }}_1+\Delta {\hat{\zeta }}_1)u\left(k\right)+({\hat{\zeta }}_2+\Delta {\hat{\zeta }}_2)u(k-1)+···+({\hat{\zeta }}_N+\Delta {\hat{\zeta }}_N)u(k+1-N)$其中 $z^{-1}[\hat{g}\left(z^{-1}\right)+\Delta \hat{g}\left(z^{-1}\right)]=z^{-1}\frac{\hat{B}\left(z^{-1}\right)+\Delta \hat{B}\left(z^{-1}\right)}{\hat{A}\left(z^{-1}\right)+\Delta \hat{A}\left(z^{-1}\right)}$$\frac{\hat{B}\left(z^{-1}\right)+\Delta \hat{B}\left(z^{-1}\right)}{\hat{A}\left(z^{-1}\right)+\Delta \hat{A}\left(z^{-1}\right)}={\hat{\zeta }}_{1\Delta }+{\hat{\zeta }}_{2\Delta }+···{\hat{\zeta }}_{\mathrm{N\Delta }}$${\hat{\zeta }}_{\mathrm{i\Delta }}={\hat{\zeta }}_i+\Delta {\hat{\zeta }}_i(i=1,···,N)$ ；N为建模时域； 表示范数有界的不 确定性，且 $\hat{g}\left(z^{-1}\right)=\hat{\zeta }\left(z^{-1}\right)={\hat{\zeta }}_1+z^{-1}{\hat{\zeta }}_2+···+z^{-N}{\hat{\zeta }}_N;$(3)基于预测模型设计多变量预测的鲁棒H∞控制器，首先通过建立的 预测模型得出色度的预测值，通过与实际的色度参考值的比较，建立输 出预测误差和控制量加权的H∞二次型性能指标，

$J\left(k\right)=\underset{i=1}{\overset{\infty }{\Sigma }}{q}_i{[y_p(k+i)-y_r(k+i)]}^2+\underset{j=1}{\overset{\infty }{\Sigma }}{\lambda }_j{\left[u(k+j-1)\right]}^2$yp＝[y1p(k)，y2p(k)，…，ynp(k)]T，yip(k)∈Rn×1，i＝1，…，n 其中yp表示某一种坯布色度的预测值；yr表示色度的参考值；qi，λj表 示多步预测输出误差和控制量的加权系数，此时预测误差 ep(k)＝yp(k)-yr(k)，对于指定衰减度γ，使

$\min J\left(k\right)={\left|\right|Y_p(k+p)-Y_r(k+p)\left|\right|}_Q^{\infty }+{\left|\right|U(k+L-1)\left|\right|}_{\lambda }^{\infty }$其中p为预测时域，L为控制时域，

Yp(k+p)＝[yp(k+1)，yp(k+2)，…yp(k+p]T，

Yr(k+p)＝[yr(k+1)，yr(k+2)，…yr(k+p)]T，

其次，计算不确定性的最优控制率，根据上述目标函数可以得到，

Δu(k+i-1)＝[(Ξ+ΔΞ)TQ(Ξ+ΔΞ)+λ]-1(Ξ+ΔΞ)TQ

×[Yr(k+p)-A0U(k+L-1)-he(k)]

其中e(k)＝yp(k)-ym(k)，表示预测模型误差，且

Q＝diag{q1，q2，…qn}，λ＝diag{λ1，λ2，λ3}，

U(k+L-1)＝[u(k-L+1)，u(k-L+2)，…u(k-1)]T，

M为优化时域；根据Δu(k+i-1)＝u(k+i-1)-u(k+i-2)最终得出 不确定性的鲁棒H∞控制率u(k)。

2、如权利要求1所述的基于不确定颜色模型的鲁棒多变量预测控制 方法，其特征在于所述的计算不确定性的最优预测控制率按如下步骤进 行：

①根据计算 的上下界，取 的上界代入式 $\frac{\partial J\left(k\right)}{\partial U(k+L-1)}=0$②计算预测误差ep(k)，如果ep(k)≤0.01，停止计算；如果 ep(k)＞0.01，根据折半搜索原理，取上界的一半，重复步骤①，直到搜 索到 的下界。