【预测控制1】模型预测控制概论

---

相关文章:
【预测控制2】预测控制基本原理
【预测控制3】动态矩阵控制（DMC）及Matlab仿真
【预测控制4】基于状态空间模型的预测控制

---

1.预测控制的产生和发展

1.1产生背景

  经典控制理论不断发展，至60年代，以状态空间法分析和设计为基础的现代控制理论成熟，在很多领域特别是航天航空方面取得成功，简而言之归结为基于精确模型实现最优性能。
  现代控制理论在工业过程控制应用中却遇到困难，究其原因是工业过程涉及多输入多输出的高维复杂系统，精确数学模型很难建立；二是即使可以建立，工程实际中，往往不能直接应用，需要简化，精确性难以保证；三是工业对象的结构、参数和环境具有很大的时变不确定性，按理想模型获得的最优控制往往不能保持最优，即鲁棒性差。
  为解决理论与应用之间的脱节，控制理论的研究从不同的角度有不同的思路，提出不同的理论和方法，比如基于输入输出数据的系统辨识或参数估计；模型等价变换及简化理论和方法；根据模型变化而不断调整控制律的自适应控制；放弃性能最优降低模型精度要求的鲁棒控制；采用非微分方程类解析模型的智能控制算法等等。
  上述研究一般始于学术界，逐步向工业界推广应用；但工业过程领域出现了一类新型计算机算法，打破了上述理论和方法的约衷，面对工业过程特点，注重一种①对模型要求较低。②控制综合质量好。③在线计算方便的优化控制方法，统称预测控制算法(Predictive Control).

1.2标志性成果

  自上世纪80年代左右，在工业界实践的基础上，学术界逐步提出和总结出预测控制的基本理论和方法：
  1978年，理查勒特(Richalet)等在Automatica提出的建立在脉冲响应基础上的模型预测启发控制(Model Predictive Heuristic Control，简称为MPHC);
  1982年，梅拉(Mehra)等在 Automatica提出的模型算法控(ModelAlgorithmic Control，简称为MAC）；
  1979年，卡特勒(Cutler)等在AIChE提出的建立在阶跃响应上的动态矩阵控制(Dynamic Matrix Control，简称为DMC)；
  1980年，卡特勒(Cutler)等在美国控制会议(ACC)上提出有限阶跃响应(FiniteStep Response,简称FSR)；
  1987年，Clark提出广义预测控制(Generalized Predictive Control,简称GPC)。引入自校正，用差分方程模型，实际是一种自适应预测控制。
  其后，预测控制引起学术界广泛关注，提出了众多方法，例如：PFC(Predictive Function Control)
  RHPC(Receding Horizon Predictive Control)
  EHAC(Extended Horizon Adaptive Control)
  EPSAC(Extended Predictive Self-Adaptive Control)
  UPC(Unified Predictive Control)
  NLPC(Non-linear Predictive Control)
预测控制的研究和应用在过程控制领域一直是热点。

1.3主要内容和应用领域

  一般所谓预测控制包括来自工业控制、自适应控制及内模控制(Morari 1982,Internal Model Control）等多方面研究成果，统称为模型预测控制(Model-Based Predictive Control，简称为MBPC)，或基于模型的控制;现在其应用范围也超出了过程控制领域，扩展到机器人、飞行器、网络系统等。

2.基本特征

  众多不同形式的预测控制有个基本特点。
（1）预测模型
  预测控制也是基于模型的控制，但与现代控制理论其它方法不同，其对模型的形式不限，可以采用：
    非参数模型： 非最小化形式，信息冗余量大，有利于提高鲁棒性。
    参数模型： 最小化模型，已知模型结构但需要确定的参数比非参数模型少，减少预测算法计算量，如XARIMA 或CARMA(可控自回归滑动平均)，I(积分)。
    智能系统模型： 诸如神经网络、模糊模型等。
（2）滚动优化
  预测控制也有性能指标优化，但不是离线一次完成，不是全局优化，而是在有限时域内进行优化，不断进行，滚动实施。
（3）反馈校正
  预测控制引人实际反馈作用，通过实际输出与模型输出之间的误差来进行反馈校正。