预测控制 开题报告.pdfVIP

杭州电子科技大学信息工程院

毕业设计（论文）开题报告

题目多变量解耦预测算法研究

学院信息工程学院

专业自动化

姓名蔡东东

班级

学号

指导教师左燕

一、综述本课题国内外研究动态，说明选题的依据和意义

预测控制是源于工业过程控制的一类新型计算机控制算法。70年代后期，它已

应用于美法等国的工业过程控制领域中。1978年，理查勒特(Rchalet)等在文献【l】

中首次详细阐述了这类算法产生的动因、机理及其在工业过程中的应用效果，从此，

预测控制(PredictiveControl)作为一种新型的计算机控制算法的统一名称,便

开始出现在控制领域中。

预测控制算法的研究现状

1鲁捧性问题

预测控制作为一种复杂系统的控制策略和方法，有着强烈的应用背景，它所具有

的强鲁棒性已为大量的系统仿真和工业实践所证实。当对象参数未知时，通常采用参

数自适应算法来估计对象参数,根据确定性等价原理，建立间接式的自适应广义预测

控制。然而，当被控对象具有未建模动态、参数时变、非线性及有界干扰时，这样建

立的自适应算法未必能使广义预测控制的强鲁棒性得到保持。为此，不少学者从不同

的立足点出发，开展了提高算法鲁棒性的研究。

由于实际的生产过程大多是复杂的动态过程，精确建模具有特殊的困难，因而，

描述对象的数学模型与实际对象特性之间不可避免地存在模型误差。尽管模型误差无

法预知，但根据它的历史数据，仍有可能用某些方法对未来时刻的模型失配作出某种

预报，由此提高输出预测的精度、改善算法的鲁棒性。文献【3】利用预测误差的历

史数据建立误差预测模型，通过误差预测修正输出预测。文献【4】则是将人工智能

方法引入预测控制，在对实际运行经验总结的基础上，选择对系统输出有重要影响却

难以归并到数学模型中的状态特征作为特征量，由此建立系统状态特征与预测误差之

间的定量或定性映射关系，实现对预测误差的智能补偿。

从反馈校正的实施方式出发，针对预测控制单一输出反馈的局限性，文献【5】

通过分析过程的中间信息，综合利用模型预测和误差预测，针对工业串联系统提出一

种多反馈的预测控制结构，及时地抑制了扰动和模型失配的影响，提高了系统的鲁棒

性和抗干扰性。

此外，鉴于预测控制每一采样时刻只计算实施一个现时控制量，没有充分利用全

部预测控制信号的作用，致使现时控制信号发生错误时系统性能将变差。为此，文献

【6】采用加权控制律计算现时控制量，对因错误测量信号、暂时未建模动态、系统

结构突变、参数估计失误及噪声影响等原因造成的错误控制信号进行有效抑制。

2非线性系统的预测控制

非线性系统的控制一直是控制理论界的难点.对慢时变、弱非线性系统而言，基

于线性动态模型的预测控制算法可取得较好的控制效果。然而，当其应用于强非线

性系统时，为确保系统的鲁棒性，往往需要建立高阶线性近似模型或分段线性模型，

这无疑会增加算法的复杂性。一个可行的方法是引入简单的、可辨识的非线性数

学模型。例如采用Hammerstein模型作为预测模型，可实现对具有幂函数、死区、开

关等非线性特性的工业过程的预测控制和采用广义卷积模型描述齐次非线性系统的

输入输出关系，由此替代模型算法控制中的脉冲响应模型可获得齐次非线性系统的模

型算法控制，进而可推广到更为一般的Vottera非线性系统的控制。

基于非线性定量数学模型解决非线性系统控制的另一有效方法是采用人工神经

元网络模型。神经网络是一种本质非线性数学模型，在解决具有高度非线性和严重不

确定性的复杂系统的控制方面，具有巨大的吸引力和潜力。具体到预测控制的应用上，

主要有两种形式：一是利用神经网络高精度的非线性映射能力和固有的学习能力，为

非线性系统提供统一的定量数学模型，进而可作为映射复杂非线性控制律的控制器；

二是利用神经