预测控制 (Predictive Control) 戴连奎 浙江大学控制科学与工程系 浙江大学智能系统与决策研宄所 2000/1104
预测控制 (Predictive Control) 戴连奎 浙江大学控制科学与工程系 浙江大学智能系统与决策研究所 2000/11/04
内容 预测控制的由来 预测控制原理 动态矩阵控制算法 多变量预测控制 商品化预测控制软件 仿真举例
内 容 预测控制的由来 预测控制原理 动态矩阵控制算法 多变量预测控制 商品化预测控制软件 仿真举例
预测控制的由来 工业过程的特点 多变量、非线性、强耦合、不确定性、约束 现代控制理论与方法 精确的数学模型、最优的性能指标、系统 而精确的设计方法 工业过程对控制的要求 高质量的控制性能、对模型要求不高、实现方便、 强鲁棒性
工业过程的特点 多变量、非线性、强耦合 、不确定性、约束 预测控制的由来 现代控制理论与方法 精确的数学模型、最优的性能指标 、系统 而精确的设计方法 工业过程对控制的要求 高质量的控制性能 、对模型要求不高、实现方便 、 强鲁棒性
预测控制的特点 一类用计算机实现的最优控制算法 ¤建模方便,不需要深入了解过程内部机理 口非最小化描述的离散卷积模型,有利于提 高系统的鲁棒性 滚动优化策略,较好的动态控制效果 简单实用的模型校正方法,较强的鲁棒性 可推广应用于带约束、大纯滞后、非最小 相位、多输入多输出、非线性等过程
一类用计算机实现的最优控制算法 建模方便，不需要深入了解过程内部机理 非最小化描述的离散卷积模型，有利于提 高系统的鲁棒性 滚动优化策略，较好的动态控制效果 简单实用的模型校正方法，较强的鲁棒性 可推广应用于带约束、大纯滞后、非最小 相位、多输入多输出、非线性等过程 预测控制的特点
预测控制原理 d(k) r(k) 在线优化 u(k) yk) 控制器 受控过程 动态 预测模型 yk+i k) ykk) 模型输出8+ 反馈校正
预测控制原理 + _ 受控过程 动态 预测模型 模型输出 反馈校正 在线优化 控制器 + _ + + r(k) u y(k) (k) d(k) y(k|k) y(k+j| k)
动态预测模型 预测模型的功能: 根据被控对象的历史信息{(k-),y(k- ≥1}和未来输入{u(k+j-1)|j=1,…,m} 预测对象未来输出{k+n|j=1,,p} 预测模型形式: 参数模型:微分方程、差分方程等; 非参数模型:脉冲响应、阶跃响应等
动态预测模型 预测模型的功能： 根据被控对象的历史信息{ u(k - j), y(k -j) | j≥1 }和未来输入{ u(k + j - 1) | j =1, …, m} ， 预测对象未来输出{ y(k + j) | j =1, …, p} 预测模型形式： 参数模型：微分方程、差分方程等； 非参数模型：脉冲响应、阶跃响应等
模型输出预测 当前 过去 未来 y,(k+kk y,(k+j k) 预测时域 u,(ktk) (k+ k) (k-) 控制时域 k-j k k+ k+p
模型输出预测 k - j k k+m 过去 当前 未来 控制时域 预测时域 k+p y(k-j) u(k-j) y 1 (k+j|k) y 2 (k+j|k) u1 (k+j|k) u2 (k+j|k)
滚动优化(在线优化) 优化目的 通过使某一性能指标J极小化,以确定 未来的控制作用硎(k+ik)。指标J希望模型 预测输出尽可能趋近于参考轨迹。 优化过程 滚动优化在线反复进行。优化目标只关 心预测时域内系统的动态性能,而且只将 l(k)施加于被控过程
滚动优化（在线优化） 优化目的 通过使某一性能指标J 极小化，以确定 未来的控制作用 u(k+j|k)。指标J 希望模型 预测输出尽可能趋近于参考轨迹。 优化过程 滚动优化在线反复进行。优化目标只关 心预测时域内系统的动态性能，而且只将 u(k|k)施加于被控过程
滚动优化(续) 当前 过去 未来 y(k+l k) 设定值 轨迹 y(k-1) 预测时域 u(ktil k) u(k-1) 控制时域 k k k+ k
滚动优化（续） k - j k k+m 过去 当前 未来 控制时域 预测时域 k+p y(k-j) u(k-j) y (k+j| k) u (k+j| k) 设定值 轨迹
反馈校正 反馈校正: 每到一个新的采样时刻,都要通过实 际测到的输出信息对基于模型的预测输出 进行修正,然后再进行新的优化。不断根 据系统的实际输出对预测输出值作出修正 使滚动优化不但基于模型,而且利用了反 馈信息,构成闭环优化
反馈校正 反馈校正： 每到一个新的采样时刻，都要通过实 际测到的输出信息对基于模型的预测输出 进行修正，然后再进行新的优化。不断根 据系统的实际输出对预测输出值作出修正 使滚动优化不但基于模型，而且利用了反 馈信息，构成闭环优化
