第六章预测控制(PredictiveControl)概要.ppt

第六章 预测控制（Predictive Control） 基于模型的预测 预测未来有限步(有限时 域)的模型输出 ym(k+i)。 反馈校正用检测到的输出误差 em(k) 即时修正模型 预测输出 ym(k+i)。 滚动优化将校正后的预测输出 yp(k+i) 与参考信号 yr(k+i) 进行比较，在各种约束条件下(如对控制量、输出等），计算控制量u(k)，使未来有限时域的预测输出误差最小。 预测控制按对象模型分类及特点 模型算法控制( MAC, Model Algorithmic Control ) 法国的 Richalet 等1978年提出, 最早用于锅炉和精馏塔 的控制。 对象模型：单位脉冲响应 特点：二次型指标中对控制全量加权，存在稳态误差。 动态矩阵控制（DMC, Dynamic Matrix Control） 美国 Shell 石油公司的 Cutler 等1980年提出，最早用于 加热炉温度及石化生产装置的控制。 对象模型：单位阶跃响应 特点：二次型性能指标中对控制增量加权，无稳态误 差， 应用最广。 广义预测控制（GPC，Generalized Predictive Control ） 英国 Oxford 大学的 Clarke 等1987年提出。 对象模型：差分方程或传递函数 特点：将预测控制的思路应用于最小方差自校正控制， 将其由一步预测扩展为多步预测。 （脉冲、阶跃响应模型只是差分方程的特定形式） 其他预测控制类 如基于非线性模型、模糊模型、神经元网络等 一步预测控制的设计举例（基于脉冲响应）： 仿真结果（输出 y的波形）: 仿真结果（ 控制量 u ）: 3. 预测控制的特点 有限时域优化，滚动进行。 控制策略（反馈校正和优化计算）的选取灵活多样（线性、非线性、二次型指标、数学规划法、极点配置法、智能控制方法等）。 预测模型可灵活选用，如阶跃响应、脉冲响应、传函、非线性模型等。 基本结构类似IMC，具有IMC的主要优点 (适用于大时滞系统，设计过程直观、物理意义清楚，调节参数少，调整方针明确，鲁棒性强)。 控制策略直接表达为算法，且多种多样，因此理论分析较困难，尚无系统的结果。 思考题： 预测控制的反馈校正起何作用？与鲁棒性有何关系？在对象模型准确且无扰动时是否起作用？ 已知对象的单位脉冲响应如图所示，如何根据其脉冲响应序列{g1，g2，… , gn} 写出两步预测方程 ? 广义预测控制是随着自适应控制的研究而发展起来的一种预测控制方法。 1987年，Clarke等人在保持最小方差自校正控制的在线辨识、输出预测、最小方差控制的基础上，吸取DMC和MAC中滚动优化的策略，提出了广义预测控制算法。 GPC=自适应控制+预测控制 GPC呈现出良好的控制性能和鲁棒性 当M=P时 广义预测控制反馈校正算法 在线估计预测模型参数： ?(z-1)， 在线修正控制律：dT 间接实现一种广义的反馈校正 抑制不确定性影响 参数不确定性：系数ai， bi 结构不确定性：阶次nA， nB 由CARIMA模型： 展开简化得到： （1）广义预测极点配置控制算法 （2）与其它最优控制相结合的GPC算法 （3）传统控制算法与GPC相结合，扬长避短。 PI型广义预测控制算法 GPC-PID串级控制算法 （4）神经网络+PID+GPC算法 利用Hopfield网络处理GPC矩阵求逆算法 基于神经网络误差修正的GPC算法 利用小脑模型进行提前计算的GPC算法 （5）模糊GPC算法 （6）变结构GPC算法 （2）对象参数已知：chap4_10_GPC_Iden.m 当被控对象参数未知时，可采用自适应控制算法， 即先利用递推最小二乘法在线实时估计对象参数， 然后再设计GPC控制率。 参数选择 (1)——最小预测时域 当被控对象的时滞d已知时，应选 当d未知或变化时，一般可选 这表示可能存在的时滞包含在多项式B(z)中。 参数选择 (2)——最大预测时域 1.为了使滚动优化真正有意义，应使N1包括被控对象的真实动态部分，即把当前控制影响较多的所有响应都包括在内。 2.一般取N1接近于系统的上升时间，或取N1大于B(Z-1）的阶次。在实际应用中建议用较大的N1，使它超过被控对象脉冲响应的时滞部分或非最小相位特性引