线性时变系统能用模型预测控制吗_控制算法手记-无模型自适应控制

如何在不依赖被控系统机理模型的前提下，充分利用系统输入输出数据完成对底层控制系统有效乃至最优的控制？这是摆在数据驱动控制（Data-driven Control）算法的面前一个基础问题。传统PID在闭环控制的框架下根据当前时刻和相邻时刻偏差的线性组合计算出控制指令；而迭代学习控制在预设同样工况下重复执行同样任务的基础上，通过系统、深入（以至冗余）地利用历史控制输入和偏差信息直接计算控制指令，以实现在未来迭代步中对动态参考输入的完美跟随。然而，实际被控系统的动力学行为要丰富得多：PID在面临被控系统结构/参数变化时，对系统输入输出数据利用不足；迭代学习控制的预设前提则显然和‘系统结构/参数变化’这一实际工况相抵触。人们期望找到一种既能充分利用输入/输出数据、又能摆脱相对严苛的预设前提的数据驱动控制方法以自动适应变化的工况，进而完成对自动化系统的有效控制。无模型自适应控制（Model-Free Adaptive Control）提供了解答这类问题的思路。

自适应控制

从字面意义上理解，自适应这一概念可以表述为某一主体能够根据环境变化自动做出调整以适应新的、变化了的环境。这一描述至少包含两方面的内容：变化的环境是未知的或无法提前预测，需要相关机制去反映或描述这种变化；针对具体变化情况设计处理或响应机制以保证系统在变化的环境中能够保持一致甚至最优的性能。具体到自适应控制算法，以上内容则表现为参数辨识（Parameter