《预测控制》课件.pptVIP

10 预测控制 本章学习内容 10.1 模型预测控制的基本原理 10.2 动态矩阵控制DMC 10.3 模型算法控制MAC 10.4 广义预测控制算法 10.1 模型预测控制的基本原理 10.2 动态矩阵控制 2. DMC算法的优点 （1）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。 （2）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。 （3）控制变量与预测变量较多的场合，或者控制变量的设定在给出的目标范围内，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。 （4）从受控对象动态特性设定到最后做仿真来确定控制性能为止，这一系列设计规范已相当成熟。 （5）DMC算法以作为控制量，在控制中包含了数字积分环节，因此，即使在模型失配的情况下，也能得到无静差控制。 10.3 模型算法控制MAC 10.3.1 具有简易性能指标的MAC 1 预测模型 2．参考轨迹 k时刻的参数轨迹采样值可用向量形式写做 3．闭环预测 k时刻对输出的闭环预测可记为 式中 4．最优控制律 v 5．与DMC比较 GPC 控制是广义预测控 ----（Generalized Predictive Control） 是20世纪80年代产生的一种新型控制方法。因为其具有较强的鲁棒性、对模型要求低等特点，更适合于实际工业生产过程和控制，所以它一经提出就在控制理论界引起了高度的重视，并随着算法的不断发展，在工业过程得到了越来越多的应用。 1. 问题描述 被控对象 性能指标函数 借助Diophantine方程 得到j步后最优预测输出y(t+j) 10.4.1 广义预测控制基本理论 2. Diophantine方程的递推求解 其中 递推求解 3. 广义预测控制方法的参数选择 最小预测时域 预测时域 控制时域 控制加权常数 4. 广义预测控制算法 流程图 GPC基本算法 1. 问题描述 被控对象 性能指标函数 借助Diophantine方程 得到j步后最优预测输出y(t+j) 10.4.2基于Toeplitz预测方程的广义预测控制 * 10 预测控制 * * 预测模型 滚动优化 反馈校正 MPC原理框图 DMC算法是一种基于对象阶跃响应的预测控制算法，它适用于渐进稳定的线性装置。对于不稳定装置，一般可先用于常规PID控制使其稳定，然后再使用DMC算法；对于弱非线性装置，可在工作点处线性化。 单输入单输出渐进稳定对象通过离线或在线辨识，并经平滑得到系统的阶跃响应曲线 10.2.1 模型预测 对于渐近稳定的对象，阶跃响应在某一时刻 后将趋于平稳， 已近似等于阶跃响应的稳态值 有限集合 就是对象的内部模型。 10.2.2 滚动优化 在每一时刻 ，通过优化策略，确定从该时刻起的未来 个控制增量，使系统在其作用下，未来 个时刻的输出预测值尽可能地接近期望值。 图10.2 动态矩阵控制的优化策略 在采样时刻 ，采用二次型优化性能指标为 可求得最优解为： 只取最优解中的即时控制增量 构成实际控制量作用于系统。到下一时刻，它又提出类似的优化问题求出 。 然后重复上述步骤计算 时刻的控制量。 10.2.3 反馈校正 图10.3 误差校正及移位设初值 其中 图10.4 动态矩阵算法控制结构图 10.2.4 算法实现 1 离线计算 检测对象的阶跃响应，并经光滑后得到模型系数 ； 利用仿真程序确定优化策略和计算控制系数 选择校正系数 。 2 初始化 检测对象的实际输出 ，设它为预测初值 。 3 在线运算 图10.5DMC初始化程序 图10.6 DMC在线计算流程图 10.2.5 设计参数的选择 当DMC算法在线实施时，只涉及到模型参数 、控制参数 和校正参数 。但其中除了 可由设计者直接自由选择外， 取决于对象阶跃响应特性及采样周期的选择，