预测控制讲义2007.1.1.docVIP

参考书目： [1] 席裕庚，预测控制。国防工业出版社，1993。 [2] 舒迪前，预测控制理论及应用。机械工业出版社，1996。 [3] 王伟，广义预测控制理论及应用。科学出版社，1998。 [4] 王桂曾，王诗宓(mi)等，高阶过程控制。清华大学出版社， [5] 丁宝仓, 预测控制的理论与方法, 机械工业出版社, 2008.5. 论文： [1] D. W. Clarke.etal．Generalized predictive control. Part I Part II. Automatica. Vol, No.2, 137-160, 1987. 杂志 Automatica IEEE 国际电子电器联合会会刊。 IEE 国际电器工程学会。 International Journal of Control 美国国家级 预备知识： 高等代数，现代控制理论，建模与辨识。 两种技能： 查阅资料、Matlab仿真。 成绩：考勤10分 作业20分 考试70分 基本知识 最小二乘算法估计 最小二乘估计递推算法 第二节 自校正控制系统的基本思想 §1 最小二乘算法估计 考虑单输入—单输出(SISO)系统实测输入—输出数据之间关系为： (1) 其中为误差模型或残差。将（1）式重写为： （1）’ 令 (2) (3) 则(1)式可以写成向量形式: (4) 最小二乘估计问题表述: 通过对系统量测得到的输入输出量测值{},利用这些数据按照最小残差平方和准则来决定参数向量的估计量.即确定参数向量,使残差平方和 (5) 达到极小. 令,(此时) (6) 其中 (7) = (8) 注:n为阶次,N数据长度. 将(6)代入得(关于求偏导,令为零): （正则方程） （9） 若可逆，则存在唯一解 （10） 称为的最小二乘估计。 注：当数据不平等时，令 （） 可得： （11） 由（10）或（11）得到的估计量是全部数据一次处理得到的。称此算法为一次完成最小二乘法。缺点是一次算法计算量大，且不能满足在线辩识。 §2 最小二乘估计的递推算法 基本思想：每取得一个新数据，就根据新数据对原估计量进行修正，从而得到（改善的）新估计量。 若次采样数据得到的最小二乘估计量为，第次采样后得到的估计量为，则由（11）得 （12） 其中 （13） （14） （15） 令 则 即 （16） 则 得 （17） （17）式需求，利用逆矩阵求逆公式(王翼,王秀峰:现代控制理论基础)： 利用此公式（16）式化为： （18） 将（18）代入（17）式得 （19） （18）、（19）式构成了加权最小二乘估计的递推算法。 特别地，若对误差平等对待，即取得加权矩阵为单位阵，则（18）、（19）式变为 （20） （21） 则（20）、（21）为通常的最小二乘递推公式 。 注：（20）中为次量测基础上对次输出的预测。当测得后，它与预测估计之间有一偏差： 称之为预测偏差。 新的参数估计应根据这一偏差对原估计值进行修正。修正的幅度，即增益向量是根据使误差平方和最小的原则来确定的。 初始值的选择： 法（1）：用最初的3n组数据首先计算和： （22） 以此作为初值，从次量测开始递推。 法（2）：取为充分大的实数，I为单位阵。 递推最小二乘算法框图： 例：考虑二阶线性模型（编程计算） 利用递推公式（20）、（21）计算。其中。 若令 则有： 初值取为 ，充分大的整数，一般取 从第3次观测开始递推。 本例中取以斜坡函数作为输入产生30个数据。只要求计算六步就可得到相当好的结果。 §3 自校正控制系统的基本思想 自校正调节器是由在线估计参数与最小方差控制律相结合而生成的。参数在线估计，起到实时整定调节器参数的作用，保证调节器的参数总是适应过程的动态。 例：被控对象的数学模型： 其中是过程输出，是输入，是零均值白噪声序列。 控制目标是求控制，使目标函数 达到极小。 若是以知的，则使达到极小的控制律为： 这就是最小方差控制律。 如果是未知的，则先用辨识方求法得的估计，然后用替代式中的，从而获得最小