预测控制

预测控制之探究
摘要
预测控制是近年来发展起来的一类新型的计算机控制算法。

由于它采用多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的工业生产过程，所以它一出现就受到国内外工程界的重视，并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。

关键词：预测控制滚动优化反馈校正
Abstract
Predictive control is developed in recent years to a new type of computer control algorithm.Because it USES multi-step testing, roll optimization and feedback correction, the control strategies and control effect is good, suitable for control is not easy to build accurate digital model and more complex industrial production process, so it appeared at home and abroad by the attention of engineering, and has set up a file in the petroleum, chemical, electric power, metallurgy, machinery, and other departments of industry control systems have been successful application. Keywords: Predictive control rolling optimization feedback correction
预测控制的起源
预测控制是自动控制理论的一个分支。

预测控制是一种计算机优化控制方法。

预测控制的主要应用领域：工业过程。

预测控制适于解决多变量、有约束的工业过程控制问题。

预测控制广泛应用于工业控制领域。

1978年，J. Richalet等提出了模型预测启发控制算法（MPHC，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 Predictive Control）预测控制理论初步形成。

90年代以来，其它新型预测控制算法、系统设计与分析方法不断提出。

预测控制首先在工程实践获得成功应用，是实践超前于理论的一类控制器设
计方法；预测控制可看作是经典反馈控制和现代最优控制之间的一种折中（滚动优化+反馈校正）；预测控制是目前过程控制中处理多变量约束控制问题的最有效方法之一；预测控制中的典型代表：MAC、DMC和GPC。

MAC：提供了一种先进控制技术的简单实现方式。

DMC：专门针对多变量约束系统提出的一种控制方法，真正体现了预测控制的思想和优点。

GPC：提供了一种自适应预测控制框架，但并不适用于多变量约束系统。

工业生产的过程是复杂的，我们建立起来的模型也是不完善的。

就是理论非常复杂的现代控制理论，其控制的效果也往往不尽人意，甚至在一些方面还不及传统的PID控制。

70年代，人们除了加强对生产过程的建模、系统辨识、自适应控制等方面的研究外，开始打破传统的控制思想的观念，试图面向工业开发出一种对各种模型要求低、在线计算方便、控制综合效果好的新型算法。

这样的背景下，预测控制的一种，也就是模型算法控制（MAC-Model Algorithmic Control）首先在法国的工业控制中得到应用。

因此预测控制不是某一种统一理论的产物，而是工业实践中逐渐发展起来的。

同时，计算机技术的发展也为算法的实现提供了物质基础。

预测控制近年来广泛应用于多人输出、时变、非线性、大时滞等复杂过程工业中，并在工厂级系统中取得了巨大成功。

预测控制的发展方向
将早期研究成果与近几年发展起来的先进控制策略相结合
1.极点配置预测控制
2.解耦预测控制
3.前馈补偿预测控制
4.自适应预测控制
5.鲁棒预测控制
预测控制概述广义预测控制(GPC)是一种鲁棒性强、能够有效地克服系统滞后、可应用于开环不稳定非最小相位系统的先进控制算法。

预测控制的基本类型
（1）以非参数模型为预测模型的预测控制算法：
Cutler等人提出的基于有限阶跃响应模型的动态矩阵控制DMC， Rauhani 等人提出的基于有限脉冲响应模型的模型算法控制 MAC。

（2）与经典自适应控制相结合的一类长程预测控制算法：
Clarke提出的CARIMA的广义预测控制 GPC， Lelic等将频域的零点配置方法与预测控制相结合提出的广义预测极点配置控制 GPPC。

（3）基于结构设计不同的另一类预测控制算法：
Garcia等提出的内模控制 IMC ，Brosilow等提出的推理控制 ICKwon等
提出的基于状态空间的模型 RHPC 。

预测控制的特点
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；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；滚动的优化策略,较好的动态控制效果；简单实用的模型校正方法，鲁棒性较强。

预测模型的多样性：预测算法注重模型的功能而不是机构形式，改变了现代控制理论对模型结构较严格的要求，更着眼于根据功能要求，按最简便的途径建立多样性的模型。

滚动优化的时变性：预测控制中的优化目标不是采用一成不变的全局最优化目标，而是采用滚动式的有限时域优化策略。

在线校正的鲁棒性：预测控制中，把系统输出的动态预估问题分为预测模型的输出预测和基于偏差的预测校正两部分。

预测控制原理
预测模型 输入 输出
预测控制
模型表达：输入（包括操作变量和可测扰动）输出间的定量关系。

模型结构：无限制，阶跃／脉冲响应、传递函数、状态方程等。

模型功能：根据当前已知信息和假设未来输入预测系统未来输出。

模型作用：作为不同控制策略下比较控制效果的基础。

滚动优化
基于优化：根据未来有限时域内的优化性能指标确定最优操作变量。

优化准则：性能指标22
112
2{[()()]()[(1)]}N N r i N j N J E y t j y t j j U t j λ===+-++∆+-∑∑。

约束：对操作变量、输出变量和辅助变量。

优化变量：操作变量。

滚动时域优化：只实施当前控制作用，在线重复进行优化。

每一步：基于模型预测优化
全过程：结合反馈滚动进行
反馈校正
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。

目的：每一步基于实际状态进行优化。

方法：反馈实测信息。

直接方法：用预测误差校正输出预测。

间接方法：模型和控制规律自适应校正。

预测控制应用举例
中度混合动力汽车燃油经济性预测控制研究
电动汽车驱动系统广义预测控制
基于嵌入系统的预测控制的设计与实现
基于多不控制策略的鲁棒预测控制器设计
预测控制伴随着工业的发展而来，所以，预测控制与工业生产有着紧密的结合，火电厂钢球磨煤机是一个多变量、大滞后、强耦合的控制对象，其数学模型很难准确建立。

而目前国内火电厂所装设的控制器大部分是PID控制器。

由于系统各变量耦合严重，PID控制器很难适应，致使钢球磨煤机不能投入自动运
行。

用8051单片机加上A/D8路接口及其接口电路，再加上控制键和显示器，组成了预测控制器。

在采用了MAC算法之后，就能够弥补PID控制器的不足。

由于预测控制具有适应复杂生产过程控制的特点，所以预测控制具有强大的生命力。

可以预言，随着预测控制在理论和应用两方面的不断发展和完善，它必将在工业生产过程中发挥出越来越大的作用，展现出广阔的应用的前景。

参考文献
钱积新，赵均，徐祖华：预测控制，化学工业出版社，2007.9
席裕庚：预测控制，国防工业出版社，1993
舒迪前：预测控制系统及应用，机械工业出版社，1996
王伟：广义预测控制理论及其应用，科学出版社，1998
J. M. Maciejowski: Predictive control with constraints, Prentice Hall, 2002。