模型预测控制全面讲解..pdf
预测控制之模型算法控制
• 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)
模型描述
• 对于一个线性定常系统，其所有动静态特性可以完全由其单位脉冲响应函数表达。若该系 统还是稳定的(此处指系统的极点具有负实部的情形,不包括临界稳定)， 其单位脉冲响应函 数满足：
• 若对于离散时间控制系统，则相应的脉冲响应序列趋于零。根据控制原理,基于单位脉冲 响应函数的系统输出响应等于单位脉冲响应函数与系统输入的卷积,即有
• 内模控制是直接针对控制系统存在建模误差和外部干扰的情况下研究系 统的闭环稳定、提高相应性能指标的控制方法,可显著提高控制系统对 建模误差和外部干扰的鲁棒性。
• 传统控制系统
• 内模控制系统结构框图
非参数模型之单位脉冲响应函数
• 在MAC中对被控对象可采用单位脉冲响应函数(在离散情形也称为单位脉冲 响应序列)作为其数学模型描述。
模型算法控制(MAC)
• MAC系统（预测控制）的主要四个部分：内部模型、模型校正 与输出预测、参考轨迹\轨迹优化、控制优化目标\滚动优化
一、内模原理
• 所谓内模原理,是针对传统控制理论对被控对象模型及建模误差处理的 不足而提出的一种新的处理方法。
• 当建模所存在的误差控制在较小范围时,传统的控制系统设计方法具有 较好的克服建模误差和抗干扰的能力。建模误差超过一定程度时,所设 计的控制系统的反馈本身的抗干扰能力及系统的稳定性裕量则不能很好 地将系统稳定,并保持所期望的系统性能指标。
《模型预测控制算法研究及其在水泥回转窑中的应用》
《模型预测控制算法研究及其在水泥回转窑中的应用》篇一一、引言随着工业自动化和智能化的快速发展，模型预测控制（MPC）算法作为一种先进的控制技术，已在众多工业领域得到了广泛应用。
本文将详细研究模型预测控制算法的原理及其在水泥回转窑中的应用，以探讨其在实际生产中的优化效果。
二、模型预测控制算法研究1. 模型预测控制算法原理模型预测控制（MPC）是一种基于数学模型的先进控制方法，它通过对系统未来的行为进行预测，从而实现对系统的优化控制。
MPC算法主要包括预测模型、参考轨迹、滚动优化和反馈校正四个部分。
（1）预测模型：用于描述系统未来的动态行为，通常为线性时不变系统或非线性系统模型。
（2）参考轨迹：设定了系统期望的轨迹，用于指导系统的优化控制。
（3）滚动优化：在每个控制周期内，根据当前的状态和预测模型，计算出一个最优控制序列，以使系统的性能指标达到最优。
（4）反馈校正：根据实际系统的反馈信息，对预测模型进行校正，以提高预测的准确性。
2. 模型预测控制算法的特点模型预测控制算法具有以下特点：可处理约束问题、具有显式的控制策略、可适应时变系统和非线性系统等。
此外，MPC算法还可以与多种优化算法相结合，如线性规划、非线性规划等，以满足不同系统的需求。
三、水泥回转窑工艺及控制难题水泥回转窑是水泥生产过程中的关键设备，其工艺复杂、运行环境恶劣。
在生产过程中，需要控制的关键参数包括温度、压力、转速等。
然而，由于回转窑内物料流动的复杂性、热工过程的非线性以及外部干扰等因素的影响，使得回转窑的控制成为一个难题。
传统的控制方法往往难以满足生产要求，需要研究更先进的控制技术。
四、模型预测控制算法在水泥回转窑中的应用针对水泥回转窑的控制难题，本文将研究模型预测控制算法在水泥回转窑中的应用。
具体包括以下几个方面：1. 建立回转窑的数学模型：根据回转窑的工艺流程和实际运行数据，建立回转窑的数学模型，为MPC算法的应用提供基础。
2. 设计MPC控制器：根据回转窑的数学模型和实际控制要求，设计合适的MPC控制器，实现对回转窑的优化控制。
模型预测控制mpc基本知识
模型预测控制mpc基本知识
模型预测控制（Model Predictive Control，MPC）是一种先进的控制方法，它通过将系统建模为数学模型，利用模型进行预测，并根据预测结果进行控制决策。
它采用一个预测模型来表示控制对象的动态行为，并基于当前时刻的测量值和控制变量的限制条件，预测未来一段时间内的控制变量和系统输出，并优化这些变量的选择，从而在控制满足性能指标的前提下，实现对系统的优化控制。
MPC的基本流程如下：
1. 建立系统数学模型，包括状态方程和输出方程等。
2. 对系统进行预测，根据当前时刻的控制输入和系统输出，预测未来一段时间内的系统状态和输出。
3. 设定控制目标和约束条件，将控制目标转化成数学优化问题，以当前状态为初始状态，求解出最优的控制输入。
4. 实施控制，将求解得到的最优控制输入应用于系统中。
5. 不断重复以上步骤，实现对系统的优化控制。
MPC的主要特点是：
1. 能够充分考虑系统的动态特性，适用于高度非线性、多变量、耦合的复杂过程控制。
2. 能够通过设定约束和权重等条件，实现对控制过程中各种限制的有效处理。
3. 能够对未来一段时间内的控制输入进行优化，从而实现远期
优化控制。
MPC适用于化工、制造业、交通运输、能源等领域的自动控制和过程优化。
它在国际上已经得到广泛应用，在我国也有越来越多的应用实例。
第7章 模型预测控制1-SISO
time
基于动态矩阵控制的建模方法
DMC是建立在阶跃响应基础上（机理模型！） 在阶跃输入激励下系统输出在有限个周期内 可以到达稳态
y1:temperature
v1 (1) v2 (1) vNv (1) y (1) y ( 2) v1 (2) v2 (2) vNv (2) Y v v (3) v (3) v (3) y (3) 1 2 Nv
采用动态矩阵控制的前提假设
系统是线性定常稳定的 在阶跃输入激励下系统输出在有限个周期内 可以到达稳态
y1:temperature
Y ( s ) F ( s )U ( s), 1 lim y (t ) y (0) im sY ( s) lim sF ( s)U ( s) lim sF ( s) F (0) time t s 0 s 0 s 0 s
第七章 模型预测控制算法 之一~5
杨根科 上海交通大学自动化系 2012年3月
内容提要
概述 动态矩阵控制 动态矩阵控制的进一步讨论 模型算法控制 应用
思想
Z域设计（直接设计） 时域设计
现代控制理论（基于状态空间）：如最优控 制、极点配置等
应用航空航天（理想环境） 石油、化工、发电等 先进控制算法
模型预测控制,优点/特点
Processes are difficult to control with standard PID algorithm – long time constants, substantial time delays, inverse response, etc. There is substantial dynamic interaction among controls, i.e., more than one manipulated variable has a significant effect on an important process variable. Constraints (limits) on process variables and manipulated variables are important for normal control.
模型预测控制课件
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
模型预测控制实例-概念解析以及定义
模型预测控制实例-概述说明以及解释1.引言1.1 概述概述:模型预测控制（MPC）是一种先进的控制方法，它利用系统动态模型进行预测，并根据预测结果来实现对系统的控制。
MPC在控制系统领域内具有广泛的应用，其能够应用于多种复杂的工业控制问题，并取得了显著的成果。
本文将对MPC的基本原理、工业应用以及其优势和局限性进行深入探讨，旨在为读者提供全面的理解和认识MPC的重要性。
概述部分的内容1.2 文章结构文章结构部分的内容可以按照如下方式编写：文章结构部分应该简要介绍整篇文章的结构和各个部分的内容安排，包括引言、正文和结论部分。
同时，可以说明每一部分内容的重要性，并为读者展示整篇文章的逻辑和连贯性。
此外，也可以简要说明每一部分内容的主题和目的，以便读者在阅读全文时能够有所预期。
在文章结构部分，可以提及每个部分的主要内容和目标，以及整篇文章的导向和主题。
这部分内容应该尽量简洁明了，避免过多的细节，但要呈现出整篇文章的框架和逻辑安排。
1.3 目的本文的主要目的是通过对模型预测控制的介绍和分析，让读者对这一控制方法有更深入的理解。
我们将对模型预测控制的原理、应用和优势进行详细阐述，帮助读者了解模型预测控制在工业生产中的重要性和实际应用情况。
同时，我们也将探讨模型预测控制的局限性和可能的改进方向，以期为相关领域的研究和应用提供一定的启发和参考。
通过本文的阅读，读者可以对模型预测控制有更全面的认识，并对其在工程实践中的应用具有更深刻的认识和理解。
2.正文2.1 模型预测控制简介模型预测控制（Model Predictive Control, MPC）是一种应用于动态系统的先进控制策略。
它通过建立系统的数学模型，预测未来一段时间内的系统行为，并根据这些预测结果来实施控制动作，以实现对系统的最优控制。
MPC将系统的动态模型与性能指标相结合，能够在有限的控制时域内计算出最优的控制策略，因此被广泛应用于工业控制领域。
MPC的核心思想是通过对系统的动态模型进行预测，计算未来一段时间内系统状态的变化情况，然后根据这些预测结果来制定出最优的控制策略。
模型预测控制讲解
– 则保证了可用线性系统的迭加性等
2019/6/9
第五讲 模型预测控制
16
计算机控制系统理论与应用
5-2 DMC的预测模型(1)
----Coperight by SEC----
t/T 12
计算机控制系统理论与应用
5-1 反馈校正(1)
----Coperight by SEC----
? 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。
----Coperight by SEC----
2019/6/9
第五讲 模型预测控制
2
计算机控制系统理论与应用
----Coperight by SEC----
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
4
计算机控制系统理论与应用
预测控制的特点（1）
----Coperight by SEC----
? 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
第五讲 模型预测控制
11
计算机控制系统理论与应用
----Coperight by SEC----
5-1 滚动优化(在线优化) (2)
模型预测控制讲解
模型预测控制讲解
模型预测控制（Model Predictive Control，MPC）是一种用于控制
系统的系统优化技术，旨在通过一系列的最佳化规划控制以实现系统最优
性能的技术。
MPC方法能够满足多目标控制的需求，能够在满足非线性约
束的前提下，求解系统控制变量，以达到最优性能的目的，它是一种较为
先进的控制理论。
MPC可以用于许多不同的控制应用，它比传统控制方法
更有效，适用于复杂的系统，并能够更好地控制多目标，如非线性系统，
调节模糊和多变量系统，多目标优化，可变时间间隔控制等。
MPC的基本原理是，根据模型信息和约束条件，构建一个最优化的控
制对象，并解决控制问题来求解控制方程，以满足系统的优化要求。
与传
统控制方法不同，MPC以未来模式预测为基础，而不仅仅是使用实时状态。
它的主要思想是根据当前时刻系统的状态和要求，预测未来系统的状态，
逐步优化控制变量，最终达到最优性能。
MPC的过程分为三个步骤，首先根据系统状态构建最优化的控制对象，其次求解控制方程，最后实施控制并进行状态跟踪。
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
模型预测控制
专题1作业
（1）简要介绍一下模型预测控制的原理、模型预测控制与基础PID控制回路的闭环实现框图；动态矩阵控制采用什么内部模型？
●模型预测控制原理：模型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。
通过滚动优化来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。
系统输出的反馈校正用于补偿模型预测误差和其他扰动。
●闭环实现框图：
图1模型预测控制框图
图2基础PID控制框图
●动态矩阵控制内部模型：主要采用基于被控对象单位阶跃响应非参数模型。
（2）软测量包括哪几种类型？变结构控制原理是什么？什么是完整性控制方法？
●软测量：根据软测量模型的建模机制可分为以下几类：
⏹机理建模（白箱建模）
⏹数据驱动建模（黑箱建模）
⏹混合建模
⏹非线性动态软测量建模
●变结构控制原理：在动态控制中，根据系统当时状态，以跃变方式有目的地不断变换，
迫使系统按预定的“滑动模态”的状态轨迹运动。
变结构是通过切换函数实现的。
当系统的状态向量所决定的切换函数值，随着它的运动达到某特定值时，系统中一种结构（运动微分方程）转变成另一种结构。
其系统结构图如下所示。
图3变结构控制系统框图
●完整性控制方法：完整性控制是容错控制的研究热点，所谓完整性是指当系统中某些部
件失效后，系统仍能够稳定工作的特性。
基于该特性的控制方法即为完整性控制方法。
强化学习算法中的模型预测控制方法详解(Ⅲ)
强化学习算法中的模型预测控制方法详解强化学习是一种机器学习方法，旨在让智能体通过与环境的交互学习最优的行为策略。
而模型预测控制（Model Predictive Control，MPC）是一种在强化学习中广泛应用的方法，旨在通过建立环境模型来预测未来状态，并根据预测结果来选择最优的行为。
1. 模型预测控制的基本原理模型预测控制的基本原理是通过建立环境模型来预测未来状态，并根据这些预测结果来选择最优的行为。
在强化学习中，环境模型通常是一个关于环境动态的数学模型，它可以预测在当前状态下采取某种行为后，环境将转移到哪种状态，并给出相应的奖励。
而模型预测控制算法则是通过对环境模型进行多步预测，来选择在当前状态下最优的行为策略。
2. 模型预测控制的应用模型预测控制在强化学习中有着广泛的应用，特别是在实时决策和控制问题中。
例如，在机器人的路径规划和运动控制中，模型预测控制可以通过对环境模型进行多步预测，来选择机器人在当前位置采取的最优行动，以实现最优的路径规划和运动控制。
此外，模型预测控制还被广泛应用于自动驾驶、智能游戏和工业控制等领域。
3. 模型预测控制的优势模型预测控制相比于其他强化学习方法，有着一些独特的优势。
首先，模型预测控制可以通过建立环境模型来预测未来状态，从而避免了在真实环境中进行试错的风险。
其次，模型预测控制可以通过对环境模型进行多步预测，来选择最优的行为策略，从而可以更好地应对复杂的环境和动态。
4. 模型预测控制的挑战然而，模型预测控制也面临着一些挑战。
首先，环境模型的建立和维护需要大量的计算资源和数据，而且模型的精度和准确性对模型预测控制算法的性能有着至关重要的影响。
其次，模型预测控制需要对环境模型进行多步预测，这就需要在计算性能和时间成本上进行权衡。
5. 模型预测控制的发展趋势随着人工智能和强化学习技术的不断发展，模型预测控制的应用范围和性能将得到进一步的提升。
例如，近年来，基于深度学习的模型预测控制算法已经在一些领域取得了显著的成果，它可以通过深度神经网络来学习环境模型，并实现更加高效和准确的预测和控制。
(完整版)模型预测控制
云南大学信息学院学生实验报告课程名称：现代控制理论实验题目：预测控制小组成员：李博(12018000748）金蒋彪（12018000747）专业：2018级检测技术与自动化专业1、实验目的 (3)2、实验原理 (4)2。
1、预测控制特点 (4)2。
2、预测控制模型 (5)2.3、在线滚动优化 (6)2.4、反馈校正 (7)2。
5、预测控制分类 (8)2.6、动态矩阵控制 (9)3、MATLAB仿真实现 (11)3.1、对比预测控制与PID控制效果 (12)3。
2、P的变化对控制效果的影响 (14)3。
3、M的变化对控制效果的影响 (15)3.4、模型失配与未失配时的控制效果对比 (16)4、总结 (17)5、附录 (18)5.1、预测控制与PID控制对比仿真代码 (18)5。
1。
1、预测控制代码 (18)5.1。
2、PID控制代码 (19)5。
2、不同P值对比控制效果代码 (22)5.3、不同M值对比控制效果代码 (23)5。
4、模型失配与未失配对比代码 (24)1、实验目的（1）、通过对预测控制原理的学习，掌握预测控制的知识点。
(2）、通过对动态矩阵控制（DMC）的MATLAB仿真，发现其对直接处理具有纯滞后、大惯性的对象,有良好的跟踪性和较强的鲁棒性，输入已知的控制模型，通过对参数的选择，来获得较好的控制效果。
（3）、了解matlab编程。
2、实验原理模型预测控制(Model Predictive Control，MPC)是20世纪70年代提出的一种计算机控制算法,最早应用于工业过程控制领域。
预测控制的优点是对数学模型要求不高，能直接处理具有纯滞后的过程，具有良好的跟踪性能和较强的抗干扰能力,对模型误差具有较强的鲁棒性。
因此,预测控制目前已在多个行业得以应用，如炼油、石化、造纸、冶金、汽车制造、航空和食品加工等，尤其是在复杂工业过程中得到了广泛的应用。
在分类上，模型预测控制(MPC)属于先进过程控制，其基本出发点与传统PID控制不同。
模型预测控制 通俗解释
模型预测控制通俗解释小伙伴们！今天咱来聊聊“模型预测控制”这个听起来有点高大上的玩意儿。
其实啊，它没那么神秘，听我给你细细道来哈。
一、啥是模型预测控制呢。
模型预测控制呀，简单说就是一种控制方法。
打个比方啊，就好比你要开车从一个地方到另一个地方。
你得先对路况有个大概的了解吧，知道前面有没有红绿灯啦，有没有堵车啦，然后根据这些情况来决定你现在怎么开车，是加速还是减速。
模型预测控制就有点这个意思，它会根据对系统未来的预测情况，来决定现在该怎么去控制这个系统。
比如说一个工厂的生产过程，要控制产品的质量和产量。
它会先建立一个数学模型，这个模型就像是一个小脑袋，能根据现在的生产数据，预测接下来一段时间生产会是什么情况，然后根据这个预测来调整生产的参数，像温度啊、压力啊这些，让生产能按照我们想要的方向进行。
二、模型预测控制的特点。
它有好几个挺厉害的特点呢。
第一个特点就是它有预测性。
就像天气预报一样，能提前知道未来会发生啥。
在控制系统里，它能预测系统未来的状态，这样就能提前做好准备，而不是等问题出现了才去解决。
比如说，预测到接下来电力需求会大增，那就能提前让发电厂多发电，避免停电的情况发生。
第二个特点是滚动优化。
这啥意思呢？就好比你走在路上，走着走着发现原来计划的路线不太对，那就调整一下，重新规划接下来的路。
模型预测控制也是这样，它会不断地根据新得到的信息，重新优化控制策略，让系统一直保持在比较好的状态。
还有一个特点就是反馈校正。
就像你开车的时候，根据实际的路况和车速，不断地调整方向盘和油门一样。
模型预测控制会把系统的实际运行情况和预测的情况进行对比，如果有偏差，就会及时调整控制策略，让系统更加准确地按照我们的要求运行。
三、模型预测控制的应用。
它的应用那可老广泛啦。
在工业生产里，像化工、炼油这些行业，用它来控制生产过程，能提高产品质量，降低成本。
比如说化工生产中，要控制反应的温度、压力、浓度这些参数，通过模型预测控制，就能让反应更稳定，生产出质量更好的产品。
- 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)。
hT={h1，h2，…，hN} 可完全描述系统的动态特性
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第三节 模型算法控制(MAC) 一. 预测模型
MAC的预测模型 渐近稳定线性被控对象的单位脉冲响应曲线
y
h11 h2
有限个采样周期后
lim
j
h
j
0
hN
0 12
t/T N
系统的离散脉冲响应示意图第节 模型算法控制(MAC) 一. 预测模型
MAC算法中的模型参数
1─k 时刻的预测输出 2─k +1时刻实际输出
t/T
3─ k +1 时刻预测误差 4─k +1时刻校正后的预测输出
第三节 模型算法控制(MAC)
模型算法控制（Model Algorithmic Control）： 基于脉冲响应模型的预测控制，又称模型预测 启发式控制(MPHC)
60年代末，Richalet等人在法国工业企业中应用 于锅炉和精馏塔的控制
1987年，Clarke 提出了基于时间序列模型和在线辨识的 广义预测控制(Generalized Predictive Control， GPC)
1988年，袁璞提出了基于离散状态空间模型的状态反馈预 测控制(State Feedback Predictive Control， SFPC)
第一节 预测控制的发展
反馈校正
在每个采样时刻，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
闭环优化
不断根据系统的实际输出对预测输出作出修正，使滚动 优化不但基于模型，而且利用反馈信息，构成闭环优化
第二节 预测控制的基本原理 三. 反馈校正（误差校正）
反馈校正示意图
2
4 3
y
1
u
k
k+1
滚动优化示意图
k 时刻优化
yr
y
2 1
3
u
k+1 时刻优化
yr
2
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
t/T
第二节 预测控制的基本原理 三. 反馈校正（误差校正）
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
局部优化
不是采用一个不变的全局最优目标，而是采用滚动式的 有限时域优化策略。在每一采样时刻，根据该时刻的优 化性能指标，求解该时刻起有限时段的最优控制率
在线滚动
计算得到的控制作用序列也只有当前值是实际执行的， 在下一个采样时刻又重新求取最优控制率
第二节 预测控制的基本原理 二. 滚动优化（在线优化）
第四章
模型预测控制
内容要点
1 预测控制的发展 2 预测控制的基本原理 3 模型算法控制(MAC) 4 动态矩阵控制(DMC) 5 状态反馈预测控制(SFPC) 6 多变量协调预测控制
第一节 预测控制的发展
现代控制理论的发展与特点 特点 状态空间分析法 最优性能指标设计 应用 航天、航空等军事领域 要求 精确的数学模型
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
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 Honeywell : Profimatics : RMPCT Adersa(法) : HIECON Invensys : Predictive Control Ltd : Connoisseur DOT(英) : STAR
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 是一种计算机优化控制算法
第二节 预测控制的基本原理
模型预测控制与PID控制 PID控制：根据过程当前的和过去的输出测量
第二节 预测控制的基本原理 一. 预测模型（内部模型）
基于模型的预测示意图
过去
未来
3
y
4
1
u
2
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
第二节 预测控制的基本原理 二. 滚动优化（在线优化）
最优控制
通过使某一性能指标最优化来确定其未来的控制作用的
第一节 预测控制的发展
工业过程的特点
多变量高维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，最优控制难以实现
预测控制的产生
基于模型的控制，但对模型的要求不高 采用滚动优化策略，以局部优化取代全局最优 利用实测信息反馈校正，增强控制的鲁棒性
第一节 预测控制的发展
值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
1978年，Richalet 、Mehra提出了基于脉冲响应的模型预 测启发控制(Model Predictive Heuristic Control ， MPHC)，后转化为模型算法控制(Model Algorithmic Control，MAC)
1979年，Cutler提出了基于阶跃响应的动态矩阵控制 (Dynamic Matrix Control，DMC)