预测控制-1解析.ppt

? Copyright by Zhihuan Song 主要内容 预测控制概论 相关课程基础 模型算法控制－MAC 动态矩阵控制－DMC 广义预测控制－GPC 基于状态空间模型的预测控制 其它预测控制算法 预测控制研究现状与工业应用 第 1 讲 预测控制概论 内容要点 预测控制的产生背景 预测控制的发展历程 预测控制的基本原理 预测控制的基本特点 主要参考书 预测控制 预测控制是自动控制理论的一个分支 预测控制是一种计算机优化控制方法 预测控制的主要应用领域：工业过程 预测控制适于解决多变量、有约束的工业过程控制问题 预测控制产生于20世纪70年代末 预测控制源于实际应用 预测控制广泛应用于工业控制领域 预测控制的产生背景 理论背景： 状态空间理论 最优控制理论 现代控制理论 多变量控制理论 （理论体系、方法、指 应用：航空、机电等 标…..) …… 应用背景： 工业生产规模不断扩大 对生产过程要求不断提高：质量、性能、安全…… 复杂性：非线性、不确定性、时变性、耦合、时滞…… 预测控制的产生背景 现代控制理论的不足： 依赖精确模型 适合多变量控制，但算法复杂 实现困难：计算量大、鲁棒性差….. 工程实际： 对象越来越复杂，难以建模 不确定因素多 …… 预测控制的产生背景 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 强鲁棒性 实现方便 便于处理约束条件 预测控制的产生背景 控制理论与工程应用之间存在矛盾： 精确建模 不确定性 （现代控制理论） （实际工业过程） 预测控制的产生背景 理论途径：理论 工程应用 自适应控制：在线调整控制器参数，以适应被控对象的变化。 鲁棒控制：在设计控制器时考虑对象的不确定性，使得控制系统在被控对象发生变化时，系统性能几乎不受影响。 工程途径：工程应用 理论 预测控制：面向工业过程特点，基于简单模型，通过滚动时域优化、反馈校正等措施，使得控制系统综合性能优，在线计量小。  LQG算法 (linear quadratic Gaussian) u -- process inputs, or manipulated variables y -- measured process outputs. x -- process states to becontrolled. wk --state disturbance，independent Gaussian noise with zero mean. nk --measurement noise，independent Gaussian noise with zero mean. X0-- initial state， assumed to be Gaussian with non-zero mean. 预测控制的产生背景——LQG算法 预测控制的产生背景——LQG算法 上述优化问题的解为 卡尔曼滤波增益 Kf 通过求解矩阵黎卡提方程得到，而控制器增益 Kc 通过构建对偶的黎卡提方程得到。 预测控制的产生背景——LQG算法 LQG算法具有强大的稳定性，对于精确模型，只要Q半正定，R正定，任何合理的线性对象的LQG控制器都会稳定. 在很宽的应用领域，LQG 理论很快成为解决控制问题的标准方法。 Goodwin, Graebe, and Salgado (2001) 估计每年有数以千记的实际应用问题用基于Kalman滤波器的 LQG算法实现，同时伴有大约400项/年的相关专利。 预测控制的产生背景——LQG算法 但是，LQG算法对过程工业控制技术的影响微乎其微，原因在于： 约束 过程非线性 不确定性 单一的性能指标 预测控制的发展历程 1978年，J. Richalet等提出了模型预测启发控制算法（MPHC，Model Predictive Heuristic Control） Richalet, J., Rault, A., Testud, J. L., Papon, J. (1978). Model predictive heuristic control: Applications to industrial processes.Automatica, 14, 413–428. 1980年，C. R. Cutler等提出动态矩阵控制（DMC，Dynamic Matrix Control） Cutler, C. R., Ramaker, B. L. (1980). Dynamic