基于模型预测控制.pptVIP

第10章 基于模型的预测控制 工业过程的多输入——多输出的高维复杂系统难于建立精确的数学模型，工业过程模型结构、参数和环境都有大量不确定性； 工业过程都存在着非线性，只是程度不同而已； 工业过程都存在着各种各样的约束，而过程的最佳操作点往往在约束的边界上等。 70年代以来，针对工业过程特点寻找各种对模型精度要求低，控制综合质量好，在线计算方便的优化控制算法。预测控制是在这样的背景下发展起来的一类新型计算机优化控制算法。 10.1 预测控制的发展 最早有理查德（Richult）、梅拉（Mehra）等提出建立在脉冲响应基础上的模型预测启发控制（Model predictive Heuristic Control, 简称MPHC）或称模型算法控制（Model Algorithmic Control 简称MAC），以及有卡特勒（Cutler）等提出建立在阶跃响应基础上的动态矩阵控制（Dynamic Matrix Control 简称DMC）。 由于脉冲响应、阶跃响应易于从工业现场直接获得，并不要求模型的结构有先验知识。基此采用滚动优化等策略，计算当前控制输入取代传统最优控制，并在线优化控制中利用实测信息不断进行反馈校正。所以在一定程度上克服了不确定性的影响，增强了控制的鲁棒性。此外，这类算法在线计算比较容易，非常适合于工业过程控制的实