在化工过程中,普遍存在着对输入输出以及状态变量的约束。约束预测控制算法(Constrained Model Predictive Control,CMPC)由于在处理带有各类约束的优化问题上的优势而被广泛的应用。预测控制中的约束可以被分为不可突破的约束即硬约束,以及可以突破的约束即软约束。一般来说,输出变量约束与输入变量约束的交集构成系统的可行域。针对预测控制中可能出现的由干扰等因素导致的预测控制优化问题没有可行解的情况,传统预测控制是通过软约束法以及最小时间法解决的。软约束法通过对过紧的变量约束进行松弛,并在目标函数中加入松弛变量的惩罚项来控制系统超出约束的大小和时间。松弛变量法的优势在于求解方便,优化问题可以通过求解二次规划进行。然而松弛量惩罚项的系数选择没有固定的规则,不够直观。为了使控制系统设计获得更大的灵活性,有研究者提出了基于模糊决策(fuzzy decision making)的预测控制算法,即将模糊决策引入到传统预测控制中。在模糊决策预测控制中,对于各个指标的满足是用隶属度函数来衡量的,隶属度函数对于处理具有不精确属性的事物有其优势。例如可以用设定模糊隶属度的方法描述解决软约束的问题,即通过设定模糊隶属度表述如“约束可以被一定限度的违反”的控制要求。然而,模糊决策预测控制优化的求解通常较为复杂。对于模糊规划求解的研究本文推导了对于加权和型模糊决策预测控制优化问题,可以通过设置相应的罚函数得到等价的软约束优化问题,从而将模糊优化问题转化为一个二次规划问题求解,简化了模糊决策预测控制的计算复杂程度。并通过一个仿真案例说明了将模糊规划转化为二次规划求解的可行性。通过调整模糊规划前的权系数,比较模糊目标和模糊约束中不同权系数并对于Max-Min型模糊决策问题,通过推导转化为一个线性规划问题。