【预测控制2】预测控制基本原理

---

相关文章:
【预测控制1】模型预测控制概论
【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.预测控制思想

控制作用中引入预测思想，在经典控制中就已存在，众所周知的比例积分微分(PID)控制，比例控制只根据当前偏差来调节，积分将历史偏差累计实现控制，而微分则根据系统变化的趋势进行控制，这也是最简单的预测思想。
基于模型的预测原理，这一思想也早已有之。例如，离散最优控制，其性能指标涉及未来时刻的状态或输出，也需要利用状态方程对状态量或输出量进行预算。再比如，推理控制也是建立系统变量间的关系，通过对被控量的预测实现控制，等等。
广泛应用的Smith预估器更是直接采用预测模型思想，主要针对时滞系统，将未经纯滞后的对象输出提前反馈给PID控制，本质是对输出量做预测。

2.预测控制特征

Smith预估控制等方法有预测的思想，但并非所谓预测控制，一般具备以下三个基本特征的控制算法，称之为预测控制。

2.1预测模型

（1）功能 ：
根据对象的历史信息和未来输入预测其未来输出。只要具备这样的功能，模型可以是任何结构形式。
（2）作用：
由于具有展示系统未来动态行为的功能，可利用该模型进行仿真，比较不同控制策略下输出的变化，寻求最优或次优的控制策略。

下图为预测模型作用示意图：

2.2滚动优化

（1）性能指标：
优化需要性能指标，据此确定未来的控制作用，故性能指标必涉及到系统未来的行为，除此之外，对其形式无特殊要求。一般可取在未来采样点上对象输出跟踪某一期望轨迹的方差为最小: ,也可要求控制能量为最小，而同时保持输出在某一给定范围内等等。
（2）优化时域：
为有限时域，每一采样时刻，对指标的优化只涉及从该时刻至未来的有限时间段，而到下一采样时刻，这一优化时段同时向前推移。同样都有优化指标，预测控制与最优控制区别的根本点，在于前者是反复优化，而后者是一次优化。

下图为滚动优化示意图：

2.3反馈校正

(1)预测控制是一种闭环算法
①优化结果的实施
在通过优化确定了一系列未来的控制作用后,为防止模型失配或环境干扰引起输出的偏离，预测控制通常不是将整个时域的控制作用全部实施，而是只实现本时刻(即一步）控制作用。
②预测结果的修正
在将优化结果实施一步后，首先检测对象的实际输出,并利用这一信息对模型的预测结果进行修正。
③重新优化
再优化的过程不仅对于模型，而且利用了反馈信息，因而构成了闭环优化。
(2)反馈形式也是多种多样的
①保持预测模型不变的基础上，对未来的误差作出预测并加以补偿。
②根据在线辨识的原理直接修改预测模型。