模型预测控制算法

第四章模型预测控制

内容要点1预测控制的发展 2预测控制的基本原理 3模型算法控制(MAC) 4动态矩阵控制(DMC) 5状态反馈预测控制(SFPC)

6多变量协调预测控制

第一节预测控制的发展

现代控制理论的发展与特点

特点 状态空间分析法 最优性能指标设计

应用 航天、航空等军事领域

要求 精确的数学模型

第一节预测控制的发展

工业过程的特点

多变量高维复杂系统难以建立精确的数学模型工业过程的结构、参数以及环境具有不确定性、时变性、非线性，最优控制难以实现基于模型的控制，但对模型的要求不高

预测控制的产生

采用滚动优化策略，以局部优化取代全局最优利用实测信息反馈校正，增强控制的鲁棒性

第一节预测控制的发展1978年，Richalet、Mehra提出了基于脉冲响应的模型预测启发控制(Model Predictive Heuristic Control, MPHC),后转化为模型算法控制(Model Algorithmic Control,MAC)

1979年，Cutler提出了基于阶跃响应的动态矩阵控制 (Dynamic Matrix Control,DMC)1987年，Clarke提出了基于时间序列模型和在线辨识的广义预测控制(Generalized

预测控制

1 前言

自从1946年第一台计算机问世以来,计算机软、硬件技术得到飞速发展。这些技术的发展,使计算机在工业控制的应用中得到了普及的同时,也推动了高级过程控制、人工智能控制等复杂工业控制算法、策略的诞生、发展和完善。首先将计算机直接应用于过程控制系统的思想产生于20世纪50年代前后。当时由美国汤姆森·拉默·伍尔里奇航空公司和得克萨柯公司的工程师们对美国得克萨斯州的波特·阿瑟炼油厂的一台聚合装置,将计算机直接应用于工业控制的可行性问题展开了30年工程量的研究。最终这个计算机控制装置于1959-03在线运行,用来控制26个流量、72个温度、3个压力和3个成分,其基本功能是使反应器的压力最小,确定5个反应器供料的最佳分配,根据催化剂活性测量结果来控制热水的流量,以确定最佳循环。在过程计算机控制发展领域,值得一提的是预测控制技术的发展。预测控制诞生于20世纪60年代,经过20多年的发展与应用,从线性时不变预测控制发展出应用于非线性、时变系统的多种新的预测控制技术,成为控制工程界研究的一个热点。

2 模型预测控制(MPC)技术

术语“模型预测控制”描述的是使用显示过程模型来控制对象未来行为的一类计算机算法。就一般意义而言,预测控制

1.4.1 闭环控制系统

例1.4还可以说明另一个方面的问题，如果我们仔细地检查这个例子就会发现给定一个时间ki，最优参数ΔU可以通过下式求解：

ΔU??T??R?1?????1TRs??TFx?ki?

?其中??T??R??TRs为设定量变化，??T??R?TF为在预测控制框架下的状态

?1??反馈控制。两项都依赖与系统参数，因此时不变系统的常数矩阵，由于要遵循滚动时域控制原则，我们只选取ΔU在时间ki时的第一部分作为增量控制，因此，

Nc?????Δu?ki??10?0?T??R?????1TRsr?ki???TFx?ki???1.29??Kyr?ki??Kmpcx?ki?,

其中ky是第一部分的????R??T?1TR，Kmpc是第一行里的????R?T?1s?TF。

【17页】

式（1.29）是线性是不变状态反馈的一个标准形式。状态反馈增量为Kmpc。因此，由广义设计模型：

x?k?1??Ax?k??BΔu?k?

将式（1.29）代入广义系统模型里就可以得到闭环系统；将ki换成k导出闭环等式如下：

x?k?1??Ax?k??BKyr?k???A?BKmpc?x?k??BKyr?k??1.30??1.31?

这样，闭环系统的特征值

第１９卷第４期２００７年２月

系统仿真学报＠

ＪｏｕｒｎａｌｏｆＳｙｓｔｅｍＳｉｍｕｌａｔｉｏｎ

、，０１．１９Ｎｏ．４

Ｆｅｂ．，２００７

基于粒子群算法混合优化的广义预测控制器研究

肖本贤１，朱志国１，刘一福２

（１．合肥工业大学自动化研究所，合肥２３０００９；２．安徽省电力科学研究院，合肥２３００２２）

摘要：提出一种基于粒子群算法混合优化的广义预测控制器（ｇｅｎｅｒａｌｉｚｅｄｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌｂａｓｅｄ

ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，简称ＰＳＯＧＰＣ），将粒子群优化算法ｒ（ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ｘＩ司－ｘ－称ＰＳＯ）于ｌ入到广义预测控制的滚动寻优过程中，有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并对普通粒子群优化算法进行了改进，提高了优化过程的求解精度和收敛速度。多种约束情况和对电厂锅炉的主汽温控制系统的仿真结果表明了该

ｏｎ

方法的有效性和优良的控制性能。

关键词：广义预测控制；粒子群优化算法；混合优化策略；约束中图分类号：ＴＰ３０１，ＴＰ３９１．９文献标识码：Ａ文章编号：１００４—７３１Ｘ（２００７）０４—０８２０．０５

ＲｅｓｅａｒｃｈｏｆＨｙ

第１９卷第４期２００７年２月

系统仿真学报＠

ＪｏｕｒｎａｌｏｆＳｙｓｔｅｍＳｉｍｕｌａｔｉｏｎ

、，０１．１９Ｎｏ．４

Ｆｅｂ．，２００７

基于粒子群算法混合优化的广义预测控制器研究

肖本贤１，朱志国１，刘一福２

（１．合肥工业大学自动化研究所，合肥２３０００９；２．安徽省电力科学研究院，合肥２３００２２）

摘要：提出一种基于粒子群算法混合优化的广义预测控制器（ｇｅｎｅｒａｌｉｚｅｄｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌｂａｓｅｄ

ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，简称ＰＳＯＧＰＣ），将粒子群优化算法ｒ（ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ｘＩ司－ｘ－称ＰＳＯ）于ｌ入到广义预测控制的滚动寻优过程中，有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并对普通粒子群优化算法进行了改进，提高了优化过程的求解精度和收敛速度。多种约束情况和对电厂锅炉的主汽温控制系统的仿真结果表明了该

ｏｎ

方法的有效性和优良的控制性能。

关键词：广义预测控制；粒子群优化算法；混合优化策略；约束中图分类号：ＴＰ３０１，ＴＰ３９１．９文献标识码：Ａ文章编号：１００４—７３１Ｘ（２００７）０４—０８２０．０５

ＲｅｓｅａｒｃｈｏｆＨｙ

智能控制matlab应用

第三篇 模型预测控制 及其MATLAB实现 实现 及其

智能控制matlab应用

第7章 预测控制理论7.1 动态矩阵控制理论 7.2 广义预测控制理论 7.3 预测控制理论分析

智能控制matlab应用

模型预测控制(Model Predictive Control:MPC) 是20世纪80年代初开始发展起来的一类新型计算机控 制算法。该算法直接产生于工业过程控制的实际应用， 并在与工业应用的紧密结合中不断完善和成熟。模型 预测控制算法由于采用了多步预测、滚动优化和反馈 校正等控制策略，因而具有控制效果好、鲁棒性强、 对模型精确性要求不高的优点。

智能控制matlab应用

实际中大量的工业生产过程都具有非线性、不 确定性和时变的特点，要建立精确的解析模型十分 困难，所以经典控制方法如PID控制以及现代控制 理论都难以获得良好的控制效果。而模型预测控制 具有的优点决定了该方法能够有效地用于复杂工业 过程的控制，并且已在石油、化工、冶金、机械等 工业部门的过程控制系统中得到了成功的应用。

智能控制matlab应用

目前提出的模型预测控制算法主要有基于非参数 模型的模型算法控制(MAC)和动态 矩阵控制( DMC),以及基于参数模型的广义

智能控制matlab应用

第三篇 模型预测控制 及其MATLAB实现 实现 及其

智能控制matlab应用

第7章 预测控制理论7.1 动态矩阵控制理论 7.2 广义预测控制理论 7.3 预测控制理论分析

智能控制matlab应用

模型预测控制(Model Predictive Control:MPC) 是20世纪80年代初开始发展起来的一类新型计算机控 制算法。该算法直接产生于工业过程控制的实际应用， 并在与工业应用的紧密结合中不断完善和成熟。模型 预测控制算法由于采用了多步预测、滚动优化和反馈 校正等控制策略，因而具有控制效果好、鲁棒性强、 对模型精确性要求不高的优点。

智能控制matlab应用

实际中大量的工业生产过程都具有非线性、不 确定性和时变的特点，要建立精确的解析模型十分 困难，所以经典控制方法如PID控制以及现代控制 理论都难以获得良好的控制效果。而模型预测控制 具有的优点决定了该方法能够有效地用于复杂工业 过程的控制，并且已在石油、化工、冶金、机械等 工业部门的过程控制系统中得到了成功的应用。

智能控制matlab应用

目前提出的模型预测控制算法主要有基于非参数 模型的模型算法控制(MAC)和动态 矩阵控制( DMC),以及基于参数模型的广义

维普资讯 http://www.77cn.com.cn

第2 1卷第 1期20 0 8年 2月

四川理工学院学报 (自然科学版 )J OURNAL OF S CHUAN UNI I VERS T OF I Y

V0. No1 1 21 .

S INC& E G NE R N N T R L S I N E E II N) CE E N I E I G( A U A C E C D T O

F b2 0 e .0 8

文章编号：6 3 1 4 2 0 O - 0 4 0 1 7— 5 9( 0 8) 1 0 4 - 3

多变量灰色预测模型算法的 Mal t b实现 a黄现代，王丰效(陕西理工学院数学系，陕西汉中 7 3 0 ) 2 00

摘要：文章讨论了多变量灰色预测模型的建模方法及其算法思想，得到了多变量灰色预测模型的检验方法。为了简化模型求解，给出多变量灰色预测模型的 Ma a t b程序实现。通过应用实例说明算法程序的应用和效果。 l

关键词：多变量；灰色预测模型；算法；Maa tb l中图分类号：O 4 21文献标识码：A

引言自从邓聚龙教授提出灰色系统理论以来，色预测灰d f

xl l】 (

\,

() 1

模型在许多领域得到了广泛应用。

针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法,该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差。实验研究表明,利用研究的双卡尔曼并行递推算法使用A

第 1 O卷第 4期 21年 1 01 2月

广东轻工职业技术学院学报J OURNA L 0F GU AN GD 0N G ND USTRY I TECHN I CAL C0 LLEGE

VO . 0 1 1

N o. 4

De . 2 1 c 01

基于 A R模型的 WS N流量多步预测算法研究术叶廷东(东轻工职业技术学院计算机工程系，东广州 500 )广广 13 0

摘

要：对 WS针 N流量预测，于 A基 R模型提出一种 WS N流量双卡尔曼并行递推预测算

法，算法使用两个 K l a该 am n滤波器，交替进行 A R模型参数的递推辨识与时变数据中真实值的最优估计，据序列数据的最新信息实时修正 A根 R模型参数进行动态预测。同时针对大步长的流量预测，引入滚动修正思想，服动态

龙源期刊网 http://www.qikan.com.cn

无模型自适应控制改进算法的性能仿真分析

作者：陈琛 何小阳

来源：《计算技术与自动化》2013年第04期

摘 要：在基于紧格式线性化方法的无模型自适应控制算法（Model-free Adaptive Control Based on Tight Format Linearization，TFL-MFAC）的基础上，针对大时间滞后的特点，提出针对大时滞对象的MFAC改进算法（Improved MFAC on Large Time-delay System，LTDS-MFAC）。构造了大时滞对象并通过MATLAB仿真实验对改进MFAC算法的鲁棒性、抗干扰能力和跟踪能力进行分析。仿真实验表明了改进MFAC算法对大时滞系统控制具有更好的控制性能。

关键词：无模型自适应控制；改进算法；仿真性能分析 中图分类号：TP273 文献标识码：A 1 引言

上世纪九十年代，侯忠生教授给出一套新的非参数动态线性化方法[1，2]，并基于该套线性化方法提出了相关的非参数模型学习自适应控制算法，初步探讨了自适应系统的对称相似结构理论