[工学]预测控制.ppt

预测控制 前言 智能控制研究的进展 20世纪初的Lyapunov稳定理论和PID控制规律 20年代的反馈放大器 30年代的Nyquist与Bode图 40年代维纳的控制论 50年代的贝尔曼动态规划理论与庞特里亚金极大值原理 60年代的卡尔曼滤波器、系统状态空间发、能控性和能观性 70年代的自校正控制和自适应控制 80年代的针对系统不确定状况的鲁棒控制 90年代基于智能信息处理的智能控制理论 主要内容 历史与现状 工业过程面临的问题 历史与现状 控制对象越来越复杂： 单变量 ? 多变量 控制要求越来越高： 调节 ? 优化 控制技术工具越来越强： 仪表 ? 计算机 历史与现状 预测控制在工业中的应用 历史与现状 预测控制的发展方向： 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 分类 预测控制的特点 预测控制原理 预测模型 预测控制原理 滚动优化 预测控制原理 滚动优化 预测控制原理 反馈校正 动态矩阵控制DMC 典型预测控制算法：动态矩阵控制DMC 动态矩阵控制是一种用被控对象的阶跃响应特性来描述系统动态模型的预测控制算法。它具有算法简单、计算量小，鲁棒性较强等特点 动态矩阵控制DMC 预测模型 根据受控对象的阶跃响应特性式，建模长度为N的DMC预测矢量模型为： 动态矩阵控制DMC 预测模型 动态矩阵控制DMC 预测模型 动态矩阵控制DMC 滚动优化 动态矩阵控制DMC 滚动优化 由 动态矩阵控制DMC 滚动优化 动态矩阵控制DMC 反馈校正 为了消除诸多因素引起对预测值的误差，利用e（k+1）取N维德校正矢量 DMC算法的特征和优点 （一）DMC的主要特征 预测模型采用阶跃响应特性建模。 设计过程中固定格式是：用二次型目标函数决定控制量最优值增量序列，由于考虑到各种约束条件时，求最优解相当费时，因此，不少学者研究了诸如双值动态矩阵控制；自校正动态矩阵控制等多种算法。 参数调整：用改变二次型目标函数中的权系数阵Q、R来实现。 （二）DMC算法的优点 直接在控制算法中考虑预测变量和控制变量的约束条件，用满足约束条件的范围求出最优预测值。 把控制变量与预测变量的权系数矩阵作为设计参数，在设计过程中通过仿真来调节鲁棒性好的参数值。 预测变量和控制变量较多的场合，或者控制变量的设定在给出的目标值范围内，这时，具有自由度，预测变量的定常状态值被认为是有无数组组合。 从受控对象动特性设定到最后作为仿真来确定控制性能为止，这一系列设计规范已相当成熟。 DMC算法以△U直接作为控制量，在控制中包含了数字积分环节，因此，即使在模型适配的情况下野能得到无静差控制。 应用实例 中度混合动力汽车燃油经济性预测控制研究 中度混合动力汽车燃油经济性预测控制研究 中度混合动力汽车燃油经济性预测控制研究 中度混合动力汽车燃油经济性预测控制研究 汽车未来运行状态模型的建立 中度混合动力汽车燃油经济性预测控制研究 动态规划最优控制 中度混合动力汽车燃油经济性预测控制研究 3.1 建立动态规划方程 将蓄电池荷电状态定义为系统状态变量: 中度混合动力汽车燃油经济性预测控制研究 3.2 避免“维数”灾的方法 在汽车未来预测路线上确定状态变量的容许集合。 由于有所谓的滚动区域, 所以在临近汽车的区域阶段之间点选取密一点。 将非线性的准静态混合动力系统模型进行简化。 在动态规划中进行插值运算，使用自定义的插值函数。 只存取在下一次计算需要用到的的值。 在仿真计算中，加快Matlab程序的运行速度以及提高内存运用效率：循环过程的向量化和数组维数的预定义。 中度混合动力汽车燃油经济性预测控制研究 3.3蓄电池SOC范围的确定 汽车在任一k 时刻,当车轮转矩Tw ( k) ≥0 时电动机的最大转矩Tm-max(k)取下面两种情况的最小值： (1) 纯电动驱动时,电动机需要提供的转矩; (2) 在当前时刻蓄电池SOC 下电动机所能提供的最大转矩。 那么K+1时刻蓄电池SOC的最小值为： 中度混合动力汽车燃油经济性预测控制研究 结论 本文利用车载GPS/GIS 所提供的未来预测路线上的道路交通信息, 研究了汽车未来运行状态数学模型的建立方法; 建立了基于GPS/GIS 的混合动力系统动态规划方程, 以燃油消耗量最低作为优化控制目标,利用动态规划逆序算法以获得预测控制方法, 并进行了实