复杂的厂级系统优化控制通常采用双层模型预测控制结构,上层稳态优化给出下层回路的优化设定值,但往往由于下层实时回路系统受到生产条件、原材料变化等实际物理约束,动态控制可能无法在有限时域内对上层优化得出的稳态目标进行准确跟踪。本文主要研究双层模型预测控制器中的多变量有约束的控制问题,考虑工业生产中的新要求以及复杂工业系统的稳定性需求,提出系统性的解决方案。首先,本文介绍双层模型预测控制器的整体结构,研究这种分层结构在在动态控制(Dynamic control,DC)过程中经常出现的,系统实际被控状态不满足上层约束条件,以致下层动态优化控制不可行的问题,提出一种新的动态控制算法,离线计算多包镇定域集合.通过在线采样系统的实时状态,动态选择控制层的状态约束条件,灵活调整控制时域,有效控制大范围内的波动状态,保证动态底层控制稳定持续可行的.另外,本文研究双层结构下模型预测控制的层间交互机制,上层输出各个优化变量的稳态目标值,并将稳态目标值、系统约束以及优先级索引表传递到下层;当下层的实际状态不满足当前的系统约束要求进行有效跟踪时,本文通过动态调整下层约束和优先级索引表,将交互信息反馈回上层;上层的优化计算会根据得到的反馈控制信息,重新规划出适用于跟踪的稳态目标。这样的交互机制可以解决由于层间信息失配而造成的控制问题,使系统在实际状态不满足初始约束条件时,仍然可以充分利用控制资源完成稳态目标跟踪。本文针对交互算法提出了初始可行域的评估算法,分析得到系统利用本文的控制策略,在不同控制时域下的可控初始状态范围。最后,我们分析了双层模型预测控制算法的稳定性问题,证明了本文算法可以保证系统控制的闭环稳定性及系统优化的递归可行性。仿真算例分别针对稳定系统和不稳定系统,验证了本文算法有效性。