预测控制的基本原理.docVIP

预测控制的基本原理 TOC \o 1-3 \h \u 27093 1预测控制的特点 1 22838 ①预测模型 1 31991 ②滚动优化 2 12146 ③反馈校正 2 9338 2预测控制的几种算法 3 12013 ①模型算法控制 3 26146 ②动态矩阵控制 3 17222 ③广义预测控制 3 20544 3预测控制基本结构 4 1预测控制的特点 20 世纪70 年代以来,人们从工业过程的特点出发,寻找对模型精度要求不高而同样能实现高质量控制性能的方法,预测控制就是在这种背景下发展起来的。预测控制技术最初由Richalet 和Cut2ler 提出 ,它最大程度地结合了工业实际的要求,综合效果好,已经在理论和应用方面取得了显著进展,各种预测控制算法不断地产生并得到发展。预测控制算法的种类多、表现形式多种多样,但都具有相同的三大本质特征:预测模型、滚动优化和反馈校正。 ①预测模型 预测控制是一种基于模型的控制算法,这一模型称为预测模型。预测模型只注重模型的功能,而不注重模型的形式,预测模型的功能就是根据兑现的历史信息和未来输入预测系统的未来输出,只要具有预测功能的模型,无论其有什么样的现形式,均可作为预测模型。因此,状态方程、传递函数这类传统的模型都可以作为预测模型,同样,对于线性稳定对象,阶跃响应、脉冲响应这类非参数模型,也可直接作为预测模型使用。例如,在DMC、MAC等预测控制策略中,采用了实际工业中容易获得的阶跃响应、脉冲响应等非参数模型,而GPC等预测控制策略则选择CARIMA 模型、状态空间模型等参数模型。此外,非线性系统、分布参数系统的模型,只要具备上述功能,也可在这类系统进行预测控制时作为预测模型使用。因此,预测控制摆脱了传统控制基于严格数学模型的要求,从全新的角度建立模型的概念。 ②滚动优化 预测控制的最主要特征表现在滚动优化。预测控制通过某一性能指标的最优来确定未来的控制作用,这一性能指标涉及到系统未来的行为,例如,通常可取对象输出在未来的采样点上跟踪某一期望轨迹的方差最小等。性能指标中涉及到的系统未来的行为,是根据预测模型由未来的控制策略决定的。但是,预测控制中的优化与通常的离散最优控制算法有很大的差别。这主要表现在预测控制中的优化目标不是一成不变的全局优化目标,而是采用有限时段的滚动优化策略,在每一采样时刻,优化性能指标只涉及到从未来有限的时间,而到下一采样时刻,这一优化时段同时向前推移。因此,预测控制在每一时刻有一个相对于该时刻的优化性能指标,不同时刻优化性能指标的相对形式是相同的,但其绝对形式(即所包含的时间区域) 则是不同的。因此,在预测控制中,优化不是一次离线进行,而是反复在线进行的,这就是滚动优化的含义,也是预测控制区别于传统最优控制的根本特点。对于实际的复杂工业过程来说,模型失配、时变、干扰等引起的不确定性是不可避免的,预测控制采用这种有限时段优化具有一定的局限性,滚动优化可能无法得到全局的最优解,但优化的滚动实施却能顾及由于模型失配、时变、干扰等引起的不确定性,及时弥补这些因素造成的影响,并始终把新的优化建立在实际过程的基础上,因此,建立在有限时段上的滚动优化策略更加符合过程控制的特点。 ③反馈校正 过程控制算法采用的预测模型通常只能粗略描述对象的动态特性,由于实际系统中存在的非线性、时变、模型失配、干扰等因素,基于不变模型的预测不可能和实际情况完全相符,因此,反馈策略是不可少的。滚动优化只有建立在反馈校正的基础上,才能体现出它的优越性。因此,预测控制算法在通过优化确定了一系列未来的控制作用后,为了防止模型失配或环境干扰引起控制对理想状态的偏离,并不是把这些控制作用逐一全部实施,而只是实现本时刻的控制作用。到下一采 样时刻,首先监测对象的实际输出,并通过各种反馈策略,修正预测模型或加以补偿,然后再进行新的优化。 2预测控制的几种算法 预测控制的基本算法有模型算法控制(MAC)，动态矩阵控制(DMC)和广义预测控制(GPC)。 ①模型算法控制 模型算法控制(MAC)是基于脉冲响应模型的预测控制又叫模型预测启发式控制（MPHC），由Richalet和Mehra等人首先提出。它以对象的脉冲响应序列值为非参数模型，并在此基础上实施模型输出预测和控制滚动优化。是一种模型测试简、单计算量不大、预测控制特点显著的算法，它适应于渐近稳定的线性系统。 模型算法控制分为单步模型算法控制、多步模型控制算法、增量型模型算法控制、单值模型算法控制等多种。 ②动态矩阵控制 动态矩阵预测控制算法是预测控制的一种重要典型代表 算法，由Culter提出。与模型算法控制（MAC）不同之处是，它采用在工程上易测取的对象阶跃响应做模型，算法比较简单，计算量较少，