1.一种基于PID触发条件的事件触发模型预测控制方法，其特征在于，通过以下步骤实现：步骤1：获得系统tτ＝t0时刻的状态值x(tτ|ts)；

步骤2：对步骤1中获得的状态值是否属于鲁棒终端集区域Υ(αεγ)进行判断；

步骤3：当状态值不符合初始设定的鲁棒终端集区域Υ(αεγ)时，根据状态值进行触发值δ判断后对状态值进行更迭计算；当状态值属于鲁棒终端集区域Υ(αεγ)时，应用反馈矩阵进行状态值更迭计算。

2.根据权利要求1所述的一种基于PID触发条件的事件触发模型预测控制方法，其特征在于，当状态值不属于鲁棒终端集区域时，在循环计算中，通过计算触发值和设定的触发阈值比较，当触发值大于等于触发阈值时，优化问题更新 应用最优控制序列的第一个值进行真实系统状态迭代和理想系统状态的迭代；当触发值δ小于触发阈值δ0时，若使用最优控制序列的最后一个值，优化问题更新 应用最优控制序列的第一个值进行真实系统状态迭代和理想系统状态的迭代；并返回步骤2；

以ts触发时刻为基础，在tτ时刻控制输入的最优值。

3.根据权利要求1所述的一种基于PID触发条件的事件触发模型预测控制方法，其特征在于，触发阈值δ0的计算公式为当前状态下的触发值δ计算公式为：

其中，KI:积分部分的人为调节参数；ρ:扰动的上确界值，有||w(t)||≤ρ；||E||:扰动矩阵的2范数，表示将扰动状态作用放大的倍数；||A||:系统矩阵的2范数，表示将系统状态作用放大的倍数；γ：系统避免芝诺效应的调整参数，是一个常参数，γ∈(0,1)；Tp:预测时域；γTP:指系统避免芝诺效应(指触发器在有限长时间内触发无限次的不合理的现象)应取得的最小值；KD:微分部分的人为调节参数；KP:比例部分的人为调节参数；x(tτ|tS)：系统tS时刻状态轨迹序列；tτ：当前时刻；tS：距离当前最近时刻的上一触发时刻；tx：积分中的积*分变量；x：当前时刻系统的最优状态。

4.根据权利要求3所述的一种基于PID触发条件的事件触发模型预测控制方法，其特征在于，若当触发值小于触发阈值时，未使用最优控制序列的最后一个值，依次使用最优控制序列至进行迭代计算，不计触发次数；并返回步骤2。

5.根据权利要求3所述的一种基于PID触发条件的事件触发模型预测控制方法，其特征在于，所述触发阈值由提前输入参数计算得到的。

6.根据权利要求1所述的一种基于PID触发条件的事件触发模型预测控制方法，其特征在于，当状态值属于鲁棒终端集区域时，所述步骤3中通过本地反馈控制率对当前状态进行迭代优化求解。

7.根据权利要求2所述的一种基于PID触发条件的事件触发模型预测控制方法，其特征在于，在进行运算过程中会，为满足算法的可行性需要不等式：成立，为了满足系统的稳定性，需要不等式

成立，其中

其中，ρ:扰动的上确界值，有||w(t)||≤ρ；||A||:系统矩阵的2‑范数，表示将系统状态作用放大的倍数；||E||:扰动矩阵的2‑范数，表示将扰动状态作用放大的倍数；γ：系统避免芝诺效应的调整参数，是一个常参数，γ∈(0,1)；εγ：不变终端域；Tp:预测时域； 矩阵*或向量的最大特征值；λ：矩阵或向量的最小特征值；Q ： 其中Q：系统状态加权矩阵； 反馈矩阵 的转置矩阵， 反馈矩阵，R：控制输入状态的加权矩阵；P：当系统进入鲁棒终端域的系统状态加权矩阵；α：调节鲁棒终端集的缩减率，α∈(0,1)；χ：满足系统状态限制条件的参数，公式为： Tp:预测时域；KD:微分部分的人为调节参数；KI:积分部分的人为调节参数，KP:比例部分的人为调节参数。

8.一种基于PID触发条件的事件触发模型预测控制方法的系统，其特征在于，状态获取模块：所述状态获取模块实时对系统状态值进行收集；

状态值判断模块：对状态获取模块中的数值是否属于鲁棒终端集区域进行判断；

更迭计算模块：通过对系统的状态值进行更迭计算；

触发值判断模块：通过将触发值和触发阈值进行比较，进一步的决定优化方式；

反馈优化模块：通过反馈优化模块对状态进行优化控制求解。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑7任一项所述方法的步骤。