智能预测控制及其MATLAB实现第三篇(第7,8,9章)模型预测控制及其MATLAB实现.ppt

第三篇 模型预测控制 及其MATLAB实现 ;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; 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。; 实际中大量的工业生产过程都具有非线性、不确定性和时变的特点，要建立精确的解析模型十分困难，所以经典控制方法如PID控制以及现代控制理论都难以获得良好的控制效果。而模型预测控制具有的优点决定了该方法能够有效地用于复杂工业过程的控制，并且已在石油、化工、冶金、机械等工业部门的过程控制系统中得到了成功的应用。 ; 目前提出的模型预测控制算法主要有基于非参数模型的模型算法控制（MAC）和动态 矩阵控制（DMC），以及基于参数模型的广义预测控制（GPC）和广义预测极点配置控制 （GPP）等。其中，模型算法控制采用对象的脉冲响应模型，动态矩阵控制采用对象的阶跃响应模型，这两种模型都具有易于获得的优点；广义预测控制和广义预测极点配置控制是预测控制思想与自适应控制的结合，采用CARIMA模型（受控自回归积分滑动平均模型），具有参数数目少并能够在线估计的优点，并且广义预测极点配置控制进一步采用极点配置技术，提高了预测控制系统的闭环稳定性和鲁棒性。 。 ;7. 1 动态矩阵控制理论 动态矩阵控制是一种基于计算机控制的技术，它是一种增量算法，并基于系统的阶跃响应，它适用于稳定的线性系统，系统的动态特性中具有纯滞后或非最小相位特性都不影响该算法的直接应用。由于它直接以对象的阶跃响应离散系数为模型, 从而避免了通常的传递函数或状态空间方程模型参数的辩识，采用多步预估技术从而能有效地解决时延过程问题，按使预估输出与给定值偏差最小的二次性能指标实施控制，因此是一种最优控制技术，动态矩阵控制算法的控制结构主要由预测模型、滚动优化和误差校正及闭环控制形式构成。 ;图7-1 单位阶跃响应曲线 ;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 对输出y(k)的贡献为: (7-1) 若在所有 时刻同时有输入,则跟据叠加原理有 (7-2) 利用上式容易得到y(k+j的 n步预估(np) 为: (7-3) ; 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 (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 (7-5) 将式(3-4)写成矩阵形式 (7-6) ; 为增加系统的动态稳定性和控制输入的可实现性，以及减少计算量可将 向量减少为m维(mn),则式(7-6)变为 (7-7) 记 ; 则(7-7)式可写为 (7-8) 式中 矩阵A为n×m维的常数矩阵,由于它完全由系统的阶跃响应参数所决定, 反映了对象的动态特性,故称之为动态矩阵。n,m分别称之为最大预测长度和控制长度。 ;7.1.2 滚动优化 系统的模型预测是根据动态响应系数和控制增量来决定的，该算法的控制增量是通过使最优化准则 (7-9) 的值为最小来确定的, 以使系统在未来n(p=n=m)个时刻的输出值尽可能接近期望值。为简单起见取控制加权系数 (常数) ;若令 则式(7-9)可表示为 (7-10) 式中 w(k+j)称为期望输出序列值,在预测控制这类算法中,要求闭环响应沿着一条指定的、平滑的曲线到达新的稳定值,以提高系统的鲁棒性. 一般取