模型预测控制ppt课件
合集下载
模型预测控制ppt
令
02 动态矩阵控制
动态矩阵控制以优化确定控制策略，在优化过程中， 同时考虑输出跟踪期望值和控制量变化来选择最优化准
则。往往不希望控制增量 Δ ｕ 变化过于剧烈，这一因
素在优化性能指标中加入软约束予以考虑。
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
01预测控制概述
工业过程的特点 多变量高维度复杂系统难以建立精确的数学模型 工业过程的结构、参数以及环境具有不确定性、时变性、 非线性、强耦合，最优控制难以实现
预测控制产生
基于模型的控制，但对模型要求不高 采用滚动优化策略，以局部优化取代全局优化 利用实测信息反馈校正，增强控制的鲁棒性
限时域优化策略。优化过程不是一次离线进行，而是在线反
复进行优化计算，滚动实施，从而使模型失配、时变、干扰 等引起的不确定性能及时得到弥补，提高系统的控制效果。
02滚动优化
03反馈校正
模型失配
实际被控过程存在非线性、时变性、不确定性等原因，使基于模型的预测不可能准确地与实 际被控过程相符
反馈校正
从图中可以看出： 第一根曲线是模型失配时的输出 曲线，其快速性较差，超调量小；
第二根曲线是模型未失配时的输 出曲线，其快速性较好，但超调量 略大。
这验证了预测控制对于模型精度 要求不高的优势，即使模型失配， 也能取得不错的控制效果，
05
总结
总结
模型预测控制
预测控制：不仅利用当前和过去的偏差值，而且还利用预测模 型来预测过程未来的偏差值。以滚动优化确定当前的最优控制 策略，使未来一段时间内被控变量与期望值偏差最小
增大P： 系统的快速性变差，稳定性增强； 减小P： 快速性变好，稳定性变差。
模型预测控制MIMOExamplePPT课件
Amplitude
0.5
0
0
10
20 0
10
20 0
Time (sec)
第22页/共37页
10
20
动态矩阵控制---例子
• 阶跃响应模型 • S=step(model) ？ • S=[S(:,:,1),S(:,:,2),S(:,:,3)] ？ • S(k,j,i), 时间k，输出j，输入i
第23页/共37页
• [A,B,C,D]=ssdata(sys);
第27页/共37页
动态矩阵控制---例子
• Now simulate closed-loop MPC in Simulink • Tstop=30; % Simulation time • mpc_miso • 解释：t=10,20时加入可测/不可测系统输入的动态特性
• %% • % We also revised the MPC design • MPCobj.Model.Disturbance=.1; % Model for unmeasured
• % measurement noise of frequency 0.1 Hz. We want to inform the MPC object
• % about this so that state estimates can be improved
• omega=2*pi/10; • MPCobj.Model.Noise=0.5*tf(omega^2,[1 0 omega^2]);
pulatedVariables; • ServoMPC.OutputVariables=OutputVar
第15页/共37页
Se r vo m o to r- 参 数 设 置 对 性 能 作用
模型预测控制课件
• 从基本思想看，预测控制优于PID控制
PPT学习交流
8
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素：预测模型 滚动优化 反馈校正
PPT学习交流
9
第二节 预测控制的基本原理 一.预测模型（内部模型）
• 预测模型的功能 根据被控对象的历史信息{ u(k - j), y(k - j) |
j≥1 }和未来输入{ u(k + j - 1) | j =1, …, m} ，预测 系统未来响应{ y(k + j) | j =1, …, p} • 预测模型形式
• 参数模型：如微分方程、差分方程 • 非参数模型：如脉冲响应、阶跃响应
• Adersa(法) : HIECON
• Invensys : Predictive Control Ltd : Connoisseur
• DOT(英) : STAR
PPT学习交流
6
第一节 预测控制的发展
预测控制的特点 • 建模方便，对模型要求不高 • 滚动的优化策略，具有较好的动态控制效果 • 简单实用的反馈校正，有利于提高控制系统的鲁
5
第一节 预测控制的发展
预测控制有关公司及产品
• SetPoint : IDCOM
• DMC
: DMC
• AspenTech : SetPoint Inc : SMC- IDCOM
DMC Corp : DMCplus
• Profimatics: PCT
PPT学习交流
8
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素：预测模型 滚动优化 反馈校正
PPT学习交流
9
第二节 预测控制的基本原理 一.预测模型（内部模型）
• 预测模型的功能 根据被控对象的历史信息{ u(k - j), y(k - j) |
j≥1 }和未来输入{ u(k + j - 1) | j =1, …, m} ，预测 系统未来响应{ y(k + j) | j =1, …, p} • 预测模型形式
• 参数模型：如微分方程、差分方程 • 非参数模型：如脉冲响应、阶跃响应
• Adersa(法) : HIECON
• Invensys : Predictive Control Ltd : Connoisseur
• DOT(英) : STAR
PPT学习交流
6
第一节 预测控制的发展
预测控制的特点 • 建模方便，对模型要求不高 • 滚动的优化策略，具有较好的动态控制效果 • 简单实用的反馈校正，有利于提高控制系统的鲁
5
第一节 预测控制的发展
预测控制有关公司及产品
• SetPoint : IDCOM
• DMC
: DMC
• AspenTech : SetPoint Inc : SMC- IDCOM
DMC Corp : DMCplus
• Profimatics: PCT
第三篇(第789章)模型预测控制及其MATLAB实现精品PPT课件
一般取
w(k j) a j y(k) (1 a j ) yr ( j 1,2,, n)
其中 为柔化系数 0 1 ；y(k)为系统实测输出 值；yr 为系统的给定值。
i 1
i j1
( j 1,2,, n)
(7-4)
上式右端的后二项即为过去输入对输出n步预估,记为
p 1
y0 (k j) ai u(k j i) a p u(k j p) i j1
将式(3-4)写成矩阵形式
( j 1,2,, n)
(7-5)
yˆ(k 1) a1
yˆ(k
(7-3)
yˆ(k j) ai u(k j i) a p u(k j p) ( j 1,2,, n)
i 1
8
由于只有过去的控制输入是已知的,因此在利用动 态模型作预估时有必要把过去的输入对未来的输出贡 献分离出来,上式可写为
j
p 1
yˆ(k j) ai u(k j i) ai u(k j i) a p u(k j p)
6
7.1.1 预测模型
从被控对象的阶跃响应出发，对象动态特性用一系 列动态系数 a1, a2 ,, ap 即单位阶跃响应在采样时刻的值 来描述，p称为模型时域长度，ap是足够接近稳态值的 系数。
图7-1 单位阶跃响应曲线
7
根据线性系统的比例和叠加性质(系数不变原理),若
在某个时刻k-i(k>=i)输入u(k-i),则 u(k i) 对输出y(k)的
第三篇 模型预测控制 及其MATLAB实现
1
第7章 预测控制理论
❖7.1 动态矩阵控制理论 ❖7.2 广义预测控制理论 ❖7.3 预测控制理论分析
2
模型预测控制（Model Predictive Control：MPC） 是20世纪80年代初开始发展起来的一类新型计算机控 制算法。该算法直接产生于工业过程控制的实际应用， 并在与工业应用的紧密结合中不断完善和成熟。模型 预测控制算法由于采用了多步预测、滚动优化和反馈 校正等控制策略，因而具有控制效果好、鲁棒性强、 对模型精确性要求不高的优点。
第7章 模型预测控制4MIMOExample ppt课件
y(t) = Cx(t) + Du(t)
2020/12/27
12
MPC Control of a DC Servomotor模型描述
sys
a=
x1 x2 x3 x4
x1 0 1 0 0
x2 -51.21 -1 2.56 0
x3 0 0 0 1
x4 128 0 -6.401 -10.2
b=
u1
x1 0
备注：下面文件单独键入运行界面 ManipulatedVariables=struct('Min',umin,'Max',umax,'Units','V'); OutputVariables(1)=struct('Min',-Inf,'Max',Inf,'Units','rad'); OutputVariables(2)=struct('Min',Vmin,'Max',Vmax,'Units','Nm'); Weights=struct('Input',uweight,'InputRate',duweight,'Output',yw
2020/12/27
7
动态矩阵控制---参数设置对性能 作用
A single input, V, one measured and fead back to the controller, qL, and one unmeasured, T.
2020/12/27
8
动态矩阵控制---参数设置对性能 作用
eight);
2020/12/27
12
MPC Control of a DC Servomotor模型描述
sys
a=
x1 x2 x3 x4
x1 0 1 0 0
x2 -51.21 -1 2.56 0
x3 0 0 0 1
x4 128 0 -6.401 -10.2
b=
u1
x1 0
备注：下面文件单独键入运行界面 ManipulatedVariables=struct('Min',umin,'Max',umax,'Units','V'); OutputVariables(1)=struct('Min',-Inf,'Max',Inf,'Units','rad'); OutputVariables(2)=struct('Min',Vmin,'Max',Vmax,'Units','Nm'); Weights=struct('Input',uweight,'InputRate',duweight,'Output',yw
2020/12/27
7
动态矩阵控制---参数设置对性能 作用
A single input, V, one measured and fead back to the controller, qL, and one unmeasured, T.
2020/12/27
8
动态矩阵控制---参数设置对性能 作用
eight);
现代控制工程第10章预测控制PPT课件
由极值必要条件容易求得最优解为
U M (k ) F(WP (k ) YP0 (k ))
F ( AT QA R) 1 AT Q
7
10.2 .2 滚动优化
实际控制时只将作用于系统：
u(k) u(k, k) 1 0 ... 0U M (k)
d T (WP (k ) YP0 (k ))
d T 1 0 ... 0( AT QA R)1 AT Q
g
P1
gP2
...
gN
...
0
P(N 1)
23
10.5 模型算法控制
2.参考轨迹
T
yr (k ) yr (k 1) ...... yr (k P)
yr (k i) i y(k ) (1 i )c
i 1,2,, P
c是输出设定值。c y(k ) 对应镇定问题，否则对应跟踪问题。 对闭环系统的动态特性和鲁棒性都有关键作用。 越小，参考轨迹到达设定点越快。
11
10.3 动态矩阵控制的工程设计
(3)误差权矩阵Q：误差权矩阵表示了对k时刻起未来
不同时刻逼近的重视程度。
1)等权选择 q1 q2 ... q P 2)只考虑后面几项误差的影响
q1 q2 ... qi 0
qi1 qi2 ... q P q
3)对于具有纯时滞或非最小相位系统
当 ai 是阶跃响应中纯时滞或反向部分采样值；qi 0
17
10.4 炼油厂加氢裂化装置的动态矩阵控制
3.预测模型
由监控计算机对每一控制量产生伪随机双电平序列测试信
号进行测试，得到被控量的阶跃响应，构造动态矩阵。
4.滚动优化目标函数
约束条件为 Cu c
min J (k ) 1 uT Hu g T u
模型预测控制 PPT课件
现代典型过程对象的控制系统层次图
Unit1 为 传 统 结构 Unit2 为 MPC 结构
模型预测控制的基本特点
预测控制算法的核心内容：
建立内部模型 确定参考轨迹 设计控制算法 实行在线优化
预测控制算法的三要素为：
预测模型 滚动优化 反馈校正
模型预测控制的三要素
预测模型
对未来一段时间内的输出进行预测
工业自动化工具的发展（仪表）
年代 1950
1960
工业发展状况
仪表技术
化工、钢铁、纺织、造纸等，规 气动仪表，标准信号：20～100kPa
模较小；电子管时代
采用真空电子管；自动平衡型
记录仪
半导体技术；石油化工；计算机； 电动仪表，标准信号：0～10mA
大型电站；过程工业大型化
仪表控制室；模拟流程图；DDC
反馈校正
y (k+j|k)= ym(k+j|k) +e(k+j|k) e (k+j|k)= y (k|k) - ym (k|k)
反馈校正
2 3 y
u
4
yˆ(k 1) ym (k
e(k 1) yˆ(k
1
k k+1
t/T
1─k时刻的预测输出ym(k)
2─k＋１时刻实际输出y (k+1)
3─预测误差e(k+1)
预测模型形式
➢ 参数模型：如微分方程、差分方程、状态方程、 传递函数等
➢ 非参数模型：如脉冲响应、阶跃响应、模糊模型、 智能模型等
预测模型
基于模型的预测示意图（P=M）
过去
未来
3
y
4
1u2ຫໍສະໝຸດ k 时刻1—控制策略Ⅰ 2—控制策略Ⅱ 3—对应于控制 策略Ⅰ的输出 4—对应于控制策略Ⅱ的输出
预测控制-1ppt课件
26.04.2020
.
5
预测控制的产生背景
❖ 理论背景：
▪ 状态空间理论 ▪ 最优控制理论 ▪ 多变量控制理论 ▪ 应用：航空、机电等 ▪ ……
现代控制理论
（理论体系、方法、指标…..)
❖ 应用背景：
▪ 工业生产规模不断扩大 ▪ 对生产过程要求不断提高：质量、性能、安全…… ▪ 复杂性：非线性、不确定性、时变性、耦合、时滞……
Model Predictive Heuristic Control）
❖ 1980年，Cutler等提出动态矩阵控制（DMC，Dynamic Matrix
Control）
❖ 1982年， Meral等在MPHC基础上进一步提出模型算法控制（MAC ，
Model Algorithm Control）
❖ 1987年，Clarke等提出广义预测控制（GPC，Generalized
控制科学与工程学科研究生学位课程
预测控制
Predictive Control
宋执环 浙江大学控制科学与工程学系
课程主要内容
预测控制概论 相关课程基础 模型算法控制－MAC 动态矩阵控制－DMC 广义预测控制－GPC 基于状态空间模型的预测控制 其它预测控制算法 预测控制研究现状与工业应用
26.04.2020
.
18
预测控制
❖ 经典控制：
▪ 仅利用当前及过去测量值： u(k-1), ……,u(k-m), y(k), y(k-1), ……,y(k-n)
26.04.2020
.
17
滤波、预测与控制
❖ 控制：
▪ 已知信号的过去测量值： u(k-1), ……,u(k-m), y(k), y(k-1), ……,y(k-n)
课件--模型预测控制
h1
h1
h2
PM 1
hi
i1
PM
第三节 模型算法控制(MAC) 二. 反馈校正
以当前过程输出测量值与模型计算值之差修正模型预测值
yP (k j) ym (k j) jy(k) ym (k)
N
ym (k) hiu(k i) i 1
对于P步预测
j 1, 2, , P
YP (k) Ym (k) βe(k)
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第四节 动态矩阵控制(DMC) 一. 预测模型
DMC的预测模型
渐近稳定线性被控对象的单位阶跃响应曲线
和给定值的偏差来确定当前的控制输入 预测控制：不仅利用当前的和过去的偏差值，
而且还利用预测模型来预测过程未来的偏差值。 以滚动优化确定当前的最优控制策略，使未来 一段时间内被控变量与期望值偏差最小 从基本思想看，预测控制优于PID控制
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素：预测模型 滚动优化 反馈校正
第二节 预测控制的基本原理 一.预测模型（内部模型）
预测模型的功能 根据被控对象的历史信息{ u(k - j), y(k - j) |
j≥1 }和未来输入{ u(k + j - 1) | j =1, …, m} ，预测 系统未来响应{ y(k + j) | j =1, …, p} 预测模型形式 参数模型：如微分方程、差分方程 非参数模型：如脉冲响应、阶跃响应
《基于模型预测控制》PPT课件
（3-3）
式中y(k)为当前时刻k的测量值。
yP (k j) ym (k j) j[y(k) ym (k)]
(3) 设定值与参考轨迹 假定设定值为yd。通常取式（3-1）的一阶指数变化形式，则有
j=1,2……p (4). 最优控制作用 设优化控制的目标函数为
yr (k j) j y(k) (1 j ) yd
N的选择显然与采样周期有关，对于给定的过程，采样周期短，则N会相应的增大。 通常可选N =20~60为宜。 ※ 输出预估时域长度P的选择 通常P越大，预测控制的鲁棒性就越强。但相应的计算量和存储量也增大。一般，P选 择等于过程单位阶跃响应达到其稳态值所需过渡时间的一半所需的采样次数。 ※控制时域长度M的选择
近年来已在化工、炼油、石油化工、冶金等企业中得到成功应用，已有商品化软件 出售。DMC算法包含预测模型、在线反馈校正、滚动优化等几部分。
10.3.3.广义预测控制
广义预测控制（Generalized Predictive Control 简称GPC）考虑过程随机噪音, 采 用易于在线辨识并能描述不稳定过程的CARMA受控自回归滑动平均模型和CARIMA受控 自回归积分滑动平均模型。
工业过程的多输入——多输出的高维 复杂系统难于建立精确的数学模型， 工业过程模型结构、参数和环境都有 大量不确定性；
工业过程都存在着非线性，只是程度 不同而已；
工业过程都存在着各种各样的约束， 而过程的最佳操作点往往在约束的边 界上等。
70年代以来，针对工业过程特点寻找 各种对模型精度要求低，控制综合质 量好，在线计算方便的优化控制算法。 预测控制是在这样的背景下发展起来 的一类新型计算机优化控制算法。
由于预测控制对于复杂工业过程的适应性，在国外许多企业得到广泛应用，取得显著 经济效益，国内亦有试点，逐步推广应用。它在工业过程有着广阔的应用前景。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
9
模型预测控制—MPC Model Predictive Control
10
模型预测控制的发展背景(1)
❖ 现代控制理论及应用的发展与特点
要求
❖ 精确的模型 ❖ 最优的性能指标 ❖ 系统的设计方法
应用
❖ 航天、航空 ❖ 军事等领域
11
模型预测控制的发展背景(2)
❖ 工业过程的特点
多变量、非线性、时变性、强耦合、 性
内部(预测)模型、滚动优化、反馈控制
16
预测模型(内部模型)（1）
❖ 预测模型的功能
根据被控对象的历史信息和未来输入，预测系 统未来响应。
❖ 预测模型形式
参数模型：如微分方程、差分方程 非参数模型：如脉冲响应、阶跃响应
17
预测模型(内部模型)（2）
❖ 基于模型的预测示意图
过去
未来
3
y
4
1
u
2
2
（1） 模型辨识的新工具 目前，为了完成象反应器这样的主要
工业生产过程动态性能的测试，需要耗 费数周的时间，这给工程技术人员带来 很大的工作量，迫切需要更好和更有效 的过程动态响应测试和能更充分利用统 计信息辨识出动态模型的方法。
3
（2）自适应模型预测控制 针对那些变增益的工业过程，如油
品调合和pH控制等过程，需要应用自适 应控制的思想来改进多变量模型预测控 制器性能，例如模型参数预测等方法的 研究和开发。
4
（3）非线性模型预测控制 普遍应用的模型预测控制软件包采用的
是线性模型，在碰到内在非线性问题时，必 须将其参数整定得以确保在整定操作区域内 的稳定性，其后果是对许多操作区域的控制 作用过于迟缓。为了根本解决这一问题，迫 切需要非线性模型预测控制工程化软件。
5
(4)多元统计监控 随着计算机集成控制的广泛应用，大量信号
和控制回路的集中管理监督和性能的评判 ，已 成为工艺操作者的主要责任，如何加强计算机监 控是当今现代工厂企业的重要内容。传统的统计 过程控制在处理含有耦合变量的连续过程单元时， 通常会导致错误。然而，随着主元分析（PCA） 和部分最小二乘 （PLS）技术的工程化应用研究 开发，并进入到在线应用阶段，含PCA和PLS的多 元统计监控的应用将会日益增多。
21
反馈校正(误差校正) (2)
❖ 误差校正示意图 2
4 3
y
1
u
k k+1
t/T
1─k时刻的预测输出 2─１时刻实际输出 3─预测误差 4─k＋１时刻校正后的预测输出
22
2 动态矩阵控制(DMC)
❖ 基于被控对象的单位阶跃响应
适用于渐近稳定的线性对象
即，设一个系统的离散采样数据{a1，a2 ，…， aN}（如P17的示意图），则有限个采样周期
6
工厂自动化水平对先进控制影响
先进控制是在常规控制正常运行的前 提下进行的。而不同企业、不同装置自动 化水平参差不齐，这给先进控制的工程应 用带来了较大的困难，即使实施了先进控 制，有时也难以长周期地运行。
中国石油化工企业的常规控制投用率 都不是太高，个别生产装置只有 3 5%， 大致有以下几方面的原因：
后， 满足
aN a()
23
动态矩阵控制(DMC)
❖ DMC算法中的模型参数
有限集合aT={a1，a2 ，…，aN} 中的参数可完
全描述系统的动态特性N称为建模时域。
线性系统、自适应预测—理论性较强
❖ 非线性预测控制系统
内部模型用神经网络（ANN）描述
❖ 针对预测控制的特点开展研究
国内外先进控制软件包开发所采用
15
1 预测控制的基本原理
❖ 1978年，J.Richalet等就提出了预测控 制算法的三要素：
内部(预测)模型、参考轨迹、控制算法
❖ 现在一般则更清楚地表述为：
13
预测控制的特点（2）
❖ 对模型要求不高 ❖ 鲁棒性可调 ❖ 可处理约束(操作变量MV、被控变量CV) ❖ 可处理“方”、“瘦”、“胖”，进行自
动转换 ❖ 可实现多目标优化（包括经济指标） ❖ 可处理特殊系统：非最小相位系统、伪积
分系统、零增益系统
14
目前预测控制的发展方向
❖ 多变量预测控制系统的稳定性、鲁棒性
❖ 滚动优化示意图
k时刻优化
yr
y
2 1
3
u
k+1时刻优化
2
yr
1
y
3
u
k k+1
1─参考轨迹yr (虚线) 2─最优预测输出y(实线) 3─最优控制作用u
20 t/T
反馈校正(1)
❖ 每到一个新的采样时刻，都要通过实际测到 的输出信息对基于模型的预测输出进行修正， 然后再进行新的优化。不断根据系统的实际 输出对预测输出值作出修正使滚动优化不但 基于模型，而且利用了反馈信息，构成闭环 优化。
❖ 工业过程对控制的要求
高质量的控制性能 对模型要求不高 实现方便
不确定
12
预测控制的特点（1）
❖ 建模方便,不需要深入了解过程内部机理 ❖ 非最小化描述的离散卷积和模型,有利于
提高系统的鲁棒性 ❖ 滚动的优化策略,较好的动态控制效果 ❖ 不增加理论困难,可推广到有约束条件、
大纯滞后、非最小相位及非线性等过程 ❖ 是一种计算机优化控制算法
流程工业生产过程的 先进控制及其应用
东华大学自动化系：任正云
2012年3月
1
先进控制面临的挑战
先进控制的广泛应用，为企业带来 了显著的经济效益。另一方面，在实施 先进控制的过程中，也会碰到许多富有 挑战性的问题，反过来又促进先进控制 向更高层次发展。下面扼要介绍目前在 实现先进控制策略中面临的几个主要问 题。
7
❖ 常规控制设计不尽合理，难以投用。特别是 串级和分级等复杂控制，投用率更低。
❖ 常规控制的PID参数整定不合适。 ❖ 操作工习惯手动调节，操作工感觉手动调节
直接开闭调节阀更安全可靠。
8
❖ 工艺、设备条件制约先进控制的应用。 ❖ 企业配合，先进控制工程应用过程本身
就是一个系统工程。项目进行前期，要 有仪表、计算机方面的配合；项目进行 后期，主要是工艺方面的配合；先进控 制系统试运行期间，需要仪表、计算机、 工艺、生产调度、计量、化验分析和在 线分析等各方面配合和协调。
k 时刻
1—控制策略Ⅰ 2—控制策略Ⅱ 3—对应于控制 策略Ⅰ的输出 4—对应于控制策略Ⅱ的输出
18
滚动优化(在线优化）(1)
❖ 控制目的
通过某一性能指标的最优, 确定未来的控制作用
❖ 优化过程
随时间推移在线优化，反复进行 每一步实现的是静态优化 全局看却是动态优化
19
滚动优化(在线优化) (2)
模型预测控制—MPC Model Predictive Control
10
模型预测控制的发展背景(1)
❖ 现代控制理论及应用的发展与特点
要求
❖ 精确的模型 ❖ 最优的性能指标 ❖ 系统的设计方法
应用
❖ 航天、航空 ❖ 军事等领域
11
模型预测控制的发展背景(2)
❖ 工业过程的特点
多变量、非线性、时变性、强耦合、 性
内部(预测)模型、滚动优化、反馈控制
16
预测模型(内部模型)（1）
❖ 预测模型的功能
根据被控对象的历史信息和未来输入，预测系 统未来响应。
❖ 预测模型形式
参数模型：如微分方程、差分方程 非参数模型：如脉冲响应、阶跃响应
17
预测模型(内部模型)（2）
❖ 基于模型的预测示意图
过去
未来
3
y
4
1
u
2
2
（1） 模型辨识的新工具 目前，为了完成象反应器这样的主要
工业生产过程动态性能的测试，需要耗 费数周的时间，这给工程技术人员带来 很大的工作量，迫切需要更好和更有效 的过程动态响应测试和能更充分利用统 计信息辨识出动态模型的方法。
3
（2）自适应模型预测控制 针对那些变增益的工业过程，如油
品调合和pH控制等过程，需要应用自适 应控制的思想来改进多变量模型预测控 制器性能，例如模型参数预测等方法的 研究和开发。
4
（3）非线性模型预测控制 普遍应用的模型预测控制软件包采用的
是线性模型，在碰到内在非线性问题时，必 须将其参数整定得以确保在整定操作区域内 的稳定性，其后果是对许多操作区域的控制 作用过于迟缓。为了根本解决这一问题，迫 切需要非线性模型预测控制工程化软件。
5
(4)多元统计监控 随着计算机集成控制的广泛应用，大量信号
和控制回路的集中管理监督和性能的评判 ，已 成为工艺操作者的主要责任，如何加强计算机监 控是当今现代工厂企业的重要内容。传统的统计 过程控制在处理含有耦合变量的连续过程单元时， 通常会导致错误。然而，随着主元分析（PCA） 和部分最小二乘 （PLS）技术的工程化应用研究 开发，并进入到在线应用阶段，含PCA和PLS的多 元统计监控的应用将会日益增多。
21
反馈校正(误差校正) (2)
❖ 误差校正示意图 2
4 3
y
1
u
k k+1
t/T
1─k时刻的预测输出 2─１时刻实际输出 3─预测误差 4─k＋１时刻校正后的预测输出
22
2 动态矩阵控制(DMC)
❖ 基于被控对象的单位阶跃响应
适用于渐近稳定的线性对象
即，设一个系统的离散采样数据{a1，a2 ，…， aN}（如P17的示意图），则有限个采样周期
6
工厂自动化水平对先进控制影响
先进控制是在常规控制正常运行的前 提下进行的。而不同企业、不同装置自动 化水平参差不齐，这给先进控制的工程应 用带来了较大的困难，即使实施了先进控 制，有时也难以长周期地运行。
中国石油化工企业的常规控制投用率 都不是太高，个别生产装置只有 3 5%， 大致有以下几方面的原因：
后， 满足
aN a()
23
动态矩阵控制(DMC)
❖ DMC算法中的模型参数
有限集合aT={a1，a2 ，…，aN} 中的参数可完
全描述系统的动态特性N称为建模时域。
线性系统、自适应预测—理论性较强
❖ 非线性预测控制系统
内部模型用神经网络（ANN）描述
❖ 针对预测控制的特点开展研究
国内外先进控制软件包开发所采用
15
1 预测控制的基本原理
❖ 1978年，J.Richalet等就提出了预测控 制算法的三要素：
内部(预测)模型、参考轨迹、控制算法
❖ 现在一般则更清楚地表述为：
13
预测控制的特点（2）
❖ 对模型要求不高 ❖ 鲁棒性可调 ❖ 可处理约束(操作变量MV、被控变量CV) ❖ 可处理“方”、“瘦”、“胖”，进行自
动转换 ❖ 可实现多目标优化（包括经济指标） ❖ 可处理特殊系统：非最小相位系统、伪积
分系统、零增益系统
14
目前预测控制的发展方向
❖ 多变量预测控制系统的稳定性、鲁棒性
❖ 滚动优化示意图
k时刻优化
yr
y
2 1
3
u
k+1时刻优化
2
yr
1
y
3
u
k k+1
1─参考轨迹yr (虚线) 2─最优预测输出y(实线) 3─最优控制作用u
20 t/T
反馈校正(1)
❖ 每到一个新的采样时刻，都要通过实际测到 的输出信息对基于模型的预测输出进行修正， 然后再进行新的优化。不断根据系统的实际 输出对预测输出值作出修正使滚动优化不但 基于模型，而且利用了反馈信息，构成闭环 优化。
❖ 工业过程对控制的要求
高质量的控制性能 对模型要求不高 实现方便
不确定
12
预测控制的特点（1）
❖ 建模方便,不需要深入了解过程内部机理 ❖ 非最小化描述的离散卷积和模型,有利于
提高系统的鲁棒性 ❖ 滚动的优化策略,较好的动态控制效果 ❖ 不增加理论困难,可推广到有约束条件、
大纯滞后、非最小相位及非线性等过程 ❖ 是一种计算机优化控制算法
流程工业生产过程的 先进控制及其应用
东华大学自动化系：任正云
2012年3月
1
先进控制面临的挑战
先进控制的广泛应用，为企业带来 了显著的经济效益。另一方面，在实施 先进控制的过程中，也会碰到许多富有 挑战性的问题，反过来又促进先进控制 向更高层次发展。下面扼要介绍目前在 实现先进控制策略中面临的几个主要问 题。
7
❖ 常规控制设计不尽合理，难以投用。特别是 串级和分级等复杂控制，投用率更低。
❖ 常规控制的PID参数整定不合适。 ❖ 操作工习惯手动调节，操作工感觉手动调节
直接开闭调节阀更安全可靠。
8
❖ 工艺、设备条件制约先进控制的应用。 ❖ 企业配合，先进控制工程应用过程本身
就是一个系统工程。项目进行前期，要 有仪表、计算机方面的配合；项目进行 后期，主要是工艺方面的配合；先进控 制系统试运行期间，需要仪表、计算机、 工艺、生产调度、计量、化验分析和在 线分析等各方面配合和协调。
k 时刻
1—控制策略Ⅰ 2—控制策略Ⅱ 3—对应于控制 策略Ⅰ的输出 4—对应于控制策略Ⅱ的输出
18
滚动优化(在线优化）(1)
❖ 控制目的
通过某一性能指标的最优, 确定未来的控制作用
❖ 优化过程
随时间推移在线优化，反复进行 每一步实现的是静态优化 全局看却是动态优化
19
滚动优化(在线优化) (2)