《模型预测控制》PPT课件
五 模型预测控制的应用
在预测控制问世来，由于计算机技术的发展和日益复杂的工业系 统 对先进控制的需求，使预测控制的应用范围日渐扩大，控制水平日益 提高。目前，预测控制已成为工业控制领域应用最多的一种先进控制 策略。
商品化预测控制软件产品：
(i). 第一代：以Adersa的IDCOM和She11 Oil的DMC为代表，算法针 对无约束多变量过程;
公司
Adersa
DMC Honeywell Profimatics Setpoint
产品名
HieCon PFC DMC DMI
RMPCA PCT
SMCA
产品功能
递阶约束控制 预测函数控制 动态矩阵控制 动态矩阵辨识 鲁棒模型预测控制技术 预测控制技术
多变量控制软件包
5.2 模型预测控制基本原理
一 模型预测控制的分类
工业 过程控制中的效果； (ii). 1982年，Rouhani和Mehra[2]给出了基于脉冲响应的模型算法控制(MAC, Model Algorithmic Control)；
2. 动态矩阵控制（DMC）的产生：
动态矩阵控制(DMC, Dynamic Matrix Control)于1974年应用在美国壳牌 石 油公司的生产装置上，并于1980年由Culter等在美国化工年会上公开发表，
3. 滚动时域控制( Receding Horigon Control, RHC)
这种算法由著名的LQ或LQG算法发展而来。对于状态空间模型， 用有限时域二次性能指标再加终端约束的滚动时域控制方法来保证系 统稳定性。它已拓展至控制的基本原理
1. 预测模型
预测控制的模型称为预测模型。预测控制对模型的要求不同于其 他 传统的控制方法，它强调的是模型的功能而不是模型的结构，只要模 型可利用过去已知数据信息预测系统未来的输出行为，就可以作为预 测模(型i)。传统的模型: 状态方程、传递函
3. 广义预测控制（GPC）的产生：
1987年，Clarke等人在保持最小方差自校正控制的在线辨识、输出预测、 最小方差控制的基础上，吸取了DMC和MAC中的滚动优化策略，基于参数 模型提出了兼具自适应控制和预测控制性能的广义预测控制算法。
四 预测控制的特点
预测控制是一种比较特殊的控制算法：
(i). 起源于实践（不是理论发展的需要，而是工业实践向控制论提 出
用
将(i使i)未优来化输过出预测序列沿某个参考轨迹“最优地”达到期望输出设定 程值.
不是采用一成不变的全局最优化目标，而是采用滚动式的有限时
域
优化策略。优化过程不是一次离线进行，而是在线反复进行优化计
算、滚动实施，从而使模型失配、时变、干扰等引起的不确定性能及
的(i挑i)战. ）理；论研究落后于实践（定量分析）。
预测控制特点:
❖ 对模型要求低，建模方便，不需要深入了解过程内部机理 ❖ 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 ❖ 不增加理论困难，可推广应用于有约束、大纯滞后、多输入多输出、
非线性等过程 ❖ 一类用计算机实现的优化控制算法
模型预测控制具有控制效果好、鲁棒性强等优点，可有效地克服 过 程的不确定性、非线性和关联性，并能方便地处理过程被控变量和操 纵变量中的各种约束。
二 模型预测控制的产生背景
1. 工业需求：
(i). 随着过程工业日益走向大型化、连续化，工业生产过程日趋复杂多变, 往
往具有强藕合性、非线性、信息不完全性和大纯滞后等特征，并存在着各种 约束条件，其动态行为还会随操作条件变化、催化剂失活等因素而改变。 (ii). 典型生产装置的优化操作点通常位于各种操作变量的约束边界处, 因
5.1 引言
一 什么是模型预测控制(MPC)？
模型预测控制（Model Predictive Control）是一种基于模型的 闭环 优化控制策略，已在炼油、化工、冶金和电力等复杂工业过程中得到 了广泛的应用。
其算法核心是:可预测过程未来行为的动态模型，在线反复优化计 算并滚动实施的控制作用和模型误差的反馈校正。
3. 计算机技术的迅速发展为求解许多复杂控制计算问题提供了 强大的物质基础。
三 模型预测控制的产生过程
1. 模型算法控制（MAC）的产生：
(i). 1978年，法国的Richalet等人在系统脉冲响应的基础上，提出了模型预 测启发控制(MPHC, Model Predictive Heuristic Control)，并介绍了其在
(ii). 第二代：以Shell Oil的QDMC为代表，处理约束多变量过程的控 制问题;
(iii). 第三代：产品包括Adersa的HIECOM和PFC，DMC的DMC plus 和Honeywell的RMPCT，算法增加了摆脱不可行解的办法，并具有容 错和多个目标函数等功能。
商品化预测控制软件简介
而一 个理想的控制器应当保证使生产装置在不违反约束的情况下尽可能接近约束, 以确保获取最佳经济效益。
2. 传统控制及现代控制理论的局限性
(i). 传统的PID控制策略和一些复杂控制系统不能满足控制要求;
(ii). 现代控制理论的不作 为①：过分依靠被控对象的精确数学模型 ; ②不能处理非线性、时变性、不确定性、有约束、多目标问题。
1. 基于非参数模型的预测控制算法
代表性的算法有模型算法控制 (MAC) 和动态矩阵控制(DMC)。这 类算法适合处理开环稳定多变量过程约束间题的控制；
2. 基于ARMA或CARIMA等输入输出参数化模型预测控制算法 代表性的算法为广义预测控制算法(GPC)。这类算法可用于开环不
稳定、非最小相位和时变时滞等较难控制的对象，并对系统的时滞和 阶次不确定有良好的鲁棒性。但对于多变量系统，算法实施较困难。
数; (ii) 实际工业过程中较易获得的脉冲响应模型或阶跃响应模型 ;
(iii)易于在线辨识并能描述不稳定系统的CARIMA等模型 ;
预测模型的功能为：在当前时刻，基于过程的动态模型，利用被控 对象的历史信息和未来输入，预测系统未来响应。
2. 滚动优化
(i) 优化目
的 按照某个目标函数确定当前和未来控制作用的大小，这些控制作
合集下载
模型预测控制ppt
令
02 动态矩阵控制
动态矩阵控制以优化确定控制策略，在优化过程中， 同时考虑输出跟踪期望值和控制量变化来选择最优化准
则。往往不希望控制增量 Δ ｕ 变化过于剧烈，这一因
素在优化性能指标中加入软约束予以考虑。
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
02 动态矩阵控制
01预测控制概述
工业过程的特点 多变量高维度复杂系统难以建立精确的数学模型 工业过程的结构、参数以及环境具有不确定性、时变性、 非线性、强耦合，最优控制难以实现
预测控制产生
基于模型的控制，但对模型要求不高 采用滚动优化策略，以局部优化取代全局优化 利用实测信息反馈校正，增强控制的鲁棒性
限时域优化策略。优化过程不是一次离线进行，而是在线反
复进行优化计算，滚动实施，从而使模型失配、时变、干扰 等引起的不确定性能及时得到弥补，提高系统的控制效果。
02滚动优化
03反馈校正
模型失配
实际被控过程存在非线性、时变性、不确定性等原因，使基于模型的预测不可能准确地与实 际被控过程相符
反馈校正
从图中可以看出： 第一根曲线是模型失配时的输出 曲线，其快速性较差，超调量小；
第二根曲线是模型未失配时的输 出曲线，其快速性较好，但超调量 略大。
这验证了预测控制对于模型精度 要求不高的优势，即使模型失配， 也能取得不错的控制效果，
05
总结
总结
模型预测控制
预测控制：不仅利用当前和过去的偏差值，而且还利用预测模 型来预测过程未来的偏差值。以滚动优化确定当前的最优控制 策略，使未来一段时间内被控变量与期望值偏差最小
增大P： 系统的快速性变差，稳定性增强； 减小P： 快速性变好，稳定性变差。
模型预测控制MIMOExamplePPT课件
Amplitude
0.5
0
0
10
20 0
10
20 0
Time (sec)
第22页/共37页
10
20
动态矩阵控制---例子
• 阶跃响应模型 • S=step(model) ？ • S=[S(:,:,1),S(:,:,2),S(:,:,3)] ？ • S(k,j,i), 时间k，输出j，输入i
第23页/共37页
• [A,B,C,D]=ssdata(sys);
第27页/共37页
动态矩阵控制---例子
• Now simulate closed-loop MPC in Simulink • Tstop=30; % Simulation time • mpc_miso • 解释：t=10,20时加入可测/不可测系统输入的动态特性
• %% • % We also revised the MPC design • MPCobj.Model.Disturbance=.1; % Model for unmeasured
• % measurement noise of frequency 0.1 Hz. We want to inform the MPC object
• % about this so that state estimates can be improved
• omega=2*pi/10; • MPCobj.Model.Noise=0.5*tf(omega^2,[1 0 omega^2]);
pulatedVariables; • ServoMPC.OutputVariables=OutputVar
第15页/共37页
Se r vo m o to r- 参 数 设 置 对 性 能 作用
模型预测控制课件
• 从基本思想看，预测控制优于PID控制
PPT学习交流
8
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素：预测模型 滚动优化 反馈校正
PPT学习交流
9
第二节 预测控制的基本原理 一.预测模型（内部模型）
• 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 系统未来响应{ y(k + j) | j =1, …, p} • 预测模型形式
• 参数模型：如微分方程、差分方程 • 非参数模型：如脉冲响应、阶跃响应
• Adersa(法) : HIECON
• Invensys : Predictive Control Ltd : Connoisseur
• DOT(英) : STAR
PPT学习交流
6
第一节 预测控制的发展
预测控制的特点 • 建模方便，对模型要求不高 • 滚动的优化策略，具有较好的动态控制效果 • 简单实用的反馈校正，有利于提高控制系统的鲁
5
第一节 预测控制的发展
预测控制有关公司及产品
• SetPoint : IDCOM
• DMC
: DMC
• AspenTech : SetPoint Inc : SMC- IDCOM
DMC Corp : DMCplus
• Profimatics: PCT
PPT学习交流
8
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素：预测模型 滚动优化 反馈校正
PPT学习交流
9
第二节 预测控制的基本原理 一.预测模型（内部模型）
• 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 系统未来响应{ y(k + j) | j =1, …, p} • 预测模型形式
• 参数模型：如微分方程、差分方程 • 非参数模型：如脉冲响应、阶跃响应
• Adersa(法) : HIECON
• Invensys : Predictive Control Ltd : Connoisseur
• DOT(英) : STAR
PPT学习交流
6
第一节 预测控制的发展
预测控制的特点 • 建模方便，对模型要求不高 • 滚动的优化策略，具有较好的动态控制效果 • 简单实用的反馈校正，有利于提高控制系统的鲁
5
第一节 预测控制的发展
预测控制有关公司及产品
• SetPoint : IDCOM
• DMC
: DMC
• AspenTech : SetPoint Inc : SMC- IDCOM
DMC Corp : DMCplus
• Profimatics: PCT
模型预测控制讲解
? 系统的线性性
– 则保证了可用线性系统的迭加性等
2019/6/9
第五讲 模型预测控制
16
计算机控制系统理论与应用
5-2 DMC的预测模型(1)
----Coperight by SEC----
t/T 12
计算机控制系统理论与应用
5-1 反馈校正(1)
----Coperight by SEC----
? 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。
----Coperight by SEC----
2019/6/9
第五讲 模型预测控制
2
计算机控制系统理论与应用
----Coperight by SEC----
模型预测控制的发展背景(1)
? 现代控制理论及应用的发展与特点
– 要求 ? 精确的模型 ? 最优的性能指标 ? 系统的设计方法
– 应用 ? 航天、航空 ? 军事等领域
4
计算机控制系统理论与应用
预测控制的特点（1）
----Coperight by SEC----
? 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和模型,有利于
提高系统的鲁棒性 ? 滚动的优化策略,较好的动态控制效果 ? 不增加理论困难,可推广到有约束条件、
大纯滞后、非最小相位及非线性等过程 ? 是一种计算机优化控制算法
第五讲 模型预测控制
11
计算机控制系统理论与应用
----Coperight by SEC----
5-1 滚动优化(在线优化) (2)
– 则保证了可用线性系统的迭加性等
2019/6/9
第五讲 模型预测控制
16
计算机控制系统理论与应用
5-2 DMC的预测模型(1)
----Coperight by SEC----
t/T 12
计算机控制系统理论与应用
5-1 反馈校正(1)
----Coperight by SEC----
? 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。
----Coperight by SEC----
2019/6/9
第五讲 模型预测控制
2
计算机控制系统理论与应用
----Coperight by SEC----
模型预测控制的发展背景(1)
? 现代控制理论及应用的发展与特点
– 要求 ? 精确的模型 ? 最优的性能指标 ? 系统的设计方法
– 应用 ? 航天、航空 ? 军事等领域
4
计算机控制系统理论与应用
预测控制的特点（1）
----Coperight by SEC----
? 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和模型,有利于
提高系统的鲁棒性 ? 滚动的优化策略,较好的动态控制效果 ? 不增加理论困难,可推广到有约束条件、
大纯滞后、非最小相位及非线性等过程 ? 是一种计算机优化控制算法
第五讲 模型预测控制
11
计算机控制系统理论与应用
----Coperight by SEC----
5-1 滚动优化(在线优化) (2)
第7章 模型预测控制4MIMOExample ppt课件
y(t) = Cx(t) + Du(t)
2020/12/27
12
MPC Control of a DC Servomotor模型描述
sys
a=
x1 x2 x3 x4
x1 0 1 0 0
x2 -51.21 -1 2.56 0
x3 0 0 0 1
x4 128 0 -6.401 -10.2
b=
u1
x1 0
备注：下面文件单独键入运行界面 ManipulatedVariables=struct('Min',umin,'Max',umax,'Units','V'); OutputVariables(1)=struct('Min',-Inf,'Max',Inf,'Units','rad'); OutputVariables(2)=struct('Min',Vmin,'Max',Vmax,'Units','Nm'); Weights=struct('Input',uweight,'InputRate',duweight,'Output',yw
2020/12/27
7
动态矩阵控制---参数设置对性能 作用
A single input, V, one measured and fead back to the controller, qL, and one unmeasured, T.
2020/12/27
8
动态矩阵控制---参数设置对性能 作用
eight);
2020/12/27
12
MPC Control of a DC Servomotor模型描述
sys
a=
x1 x2 x3 x4
x1 0 1 0 0
x2 -51.21 -1 2.56 0
x3 0 0 0 1
x4 128 0 -6.401 -10.2
b=
u1
x1 0
备注：下面文件单独键入运行界面 ManipulatedVariables=struct('Min',umin,'Max',umax,'Units','V'); OutputVariables(1)=struct('Min',-Inf,'Max',Inf,'Units','rad'); OutputVariables(2)=struct('Min',Vmin,'Max',Vmax,'Units','Nm'); Weights=struct('Input',uweight,'InputRate',duweight,'Output',yw
2020/12/27
7
动态矩阵控制---参数设置对性能 作用
A single input, V, one measured and fead back to the controller, qL, and one unmeasured, T.
2020/12/27
8
动态矩阵控制---参数设置对性能 作用
eight);
第五讲--MPC
模型预测控制的发展背景(1)
现代控制理论及应用的发展与特点
– 要求 » 精确的模型 » 最优的性能指标 » 系统的设计方法
– 应用 » 航天、航空 » 军事等领域
2020/4/7
第五讲 模型预测控制
3
浙江大学控制科学与工程学系
----Coperight by HuiWang----
模型预测控制的发展背景(2)
非最小化描述的离散卷积和模型,有利于 提高系统的鲁棒性
滚动的优化策略,较好的动态控制效果
不增加理论困难,可推广到有约束条件、 大纯滞后、非最小相位及非线性等过程
是一种计算机优化控制算法
2020/4/7
第五讲 模型预测控制
5
浙江大学控制科学与工程学系
预测控制的特点（2）
----Coperight by HuiWang----
第五讲 模型预测控制
14
浙江大学控制科学与工程学系
----Coperight by HuiWang----
5-2 动态矩阵控制(DMC)
基于被控对象的单位阶跃响应 – 适用于渐近稳定的线性对象 即，设一个系统的离散采样数据{a1，
a2 ，…，aN}（如P18的示意图），则有
限个采样周期后， 满足
aN a()
多变量预测控制系统的稳定性、鲁棒性 – 线性系统、自适应预测—理论性较强 非线性预测控制系统 – 内部模型用神经网络（ANN）描述 针对预测控制的特点开展研究 – 国内外先进控制软件包开发所采用
2020/4/7
第五讲 模型预测控制
7
浙江大学控制科学与工程学系
----Coperight by HuiWang----
2020/4/7
预测控制-ppt课件
预测时域
u (k+j| k)
u(k-j)
k-j
04.05.2020
控制时域
k
k+m
.
k+p
31
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。
04.05.2020
.
16
滤波、预测与控制
❖ 预测：
▪ 已知信号的过去测量值： y(k), y(k-1), ……,y(k-n) ▪ 求解未来时刻期望值：y(k+1|k) , y(k+2|k) , ……
y(k)
预估器
y(k+d|k)
▪ 预估器：y(k+1|k)＝ b1y(k)+b2y(k-1)+……+any(k-n) y(k+2|k)＝ b1y (k+1|k) +b2y(k)+……+any(k-n+1) …….
常用预测模型
脉冲响应模型（要求系统为开环稳定对象）
N
y(k) gju(k j)
j1
阶跃响应模型（要求系统为开环稳定对象）
N1
y(k) aju(kj)aNu(kN) j1
u (k) u (k) u (k 1 )
04.05.2020
.
27
输出预测
利用预测模型得到输出预测ym(k+j|k) ym(k+j|k)＝f[u(k-i),y(k-i)] i ＝1,2,3,……..j
高预测精度。
通过滚动优化和反馈校正弥补模型精度不高的 不足，抑制扰动，提高鲁棒性。
u (k+j| k)
u(k-j)
k-j
04.05.2020
控制时域
k
k+m
.
k+p
31
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。
04.05.2020
.
16
滤波、预测与控制
❖ 预测：
▪ 已知信号的过去测量值： y(k), y(k-1), ……,y(k-n) ▪ 求解未来时刻期望值：y(k+1|k) , y(k+2|k) , ……
y(k)
预估器
y(k+d|k)
▪ 预估器：y(k+1|k)＝ b1y(k)+b2y(k-1)+……+any(k-n) y(k+2|k)＝ b1y (k+1|k) +b2y(k)+……+any(k-n+1) …….
常用预测模型
脉冲响应模型（要求系统为开环稳定对象）
N
y(k) gju(k j)
j1
阶跃响应模型（要求系统为开环稳定对象）
N1
y(k) aju(kj)aNu(kN) j1
u (k) u (k) u (k 1 )
04.05.2020
.
27
输出预测
利用预测模型得到输出预测ym(k+j|k) ym(k+j|k)＝f[u(k-i),y(k-i)] i ＝1,2,3,……..j
高预测精度。
通过滚动优化和反馈校正弥补模型精度不高的 不足，抑制扰动，提高鲁棒性。
模型预测控制 PPT课件
现代典型过程对象的控制系统层次图
Unit1 为 传 统 结构 Unit2 为 MPC 结构
模型预测控制的基本特点
预测控制算法的核心内容：
建立内部模型 确定参考轨迹 设计控制算法 实行在线优化
预测控制算法的三要素为：
预测模型 滚动优化 反馈校正
模型预测控制的三要素
预测模型
对未来一段时间内的输出进行预测
工业自动化工具的发展（仪表）
年代 1950
1960
工业发展状况
仪表技术
化工、钢铁、纺织、造纸等，规 气动仪表，标准信号：20～100kPa
模较小；电子管时代
采用真空电子管；自动平衡型
记录仪
半导体技术；石油化工；计算机； 电动仪表，标准信号：0～10mA
大型电站；过程工业大型化
仪表控制室；模拟流程图；DDC
反馈校正
y (k+j|k)= ym(k+j|k) +e(k+j|k) e (k+j|k)= y (k|k) - ym (k|k)
反馈校正
2 3 y
u
4
yˆ(k 1) ym (k
e(k 1) yˆ(k
1
k k+1
t/T
1─k时刻的预测输出ym(k)
2─k＋１时刻实际输出y (k+1)
3─预测误差e(k+1)
预测模型形式
➢ 参数模型：如微分方程、差分方程、状态方程、 传递函数等
➢ 非参数模型：如脉冲响应、阶跃响应、模糊模型、 智能模型等
预测模型
基于模型的预测示意图（P=M）
过去
未来
3
y
4
1u2ຫໍສະໝຸດ k 时刻1—控制策略Ⅰ 2—控制策略Ⅱ 3—对应于控制 策略Ⅰ的输出 4—对应于控制策略Ⅱ的输出
第5章 模型预测控制
对象的历史信息和未来输入，预测系统未来响应。
2. 滚动优化
(i) 优化目的 按照某个目标函数确定当前和未来控制作用的大小，这些控制作用 将使未来输出预测序列沿某个参考轨迹“最优地”达到期望输出设定 值 . (ii) 优化过程
不是采用一成不变的全局最优化目标，而是采用滚动式的有限时域 优化策略。优化过程不是一次离线进行，而是在线反复进行优化计 算、滚动实施，从而使模型失配、时变、干扰等引起的不确定性能及 时得到弥补，提高了系统的控制效果。
5.2 模型预测控制基本原理
一 模型预测控制的分类 1. 基于非参数模型的预测控制算法
代表性的算法有模型算法控制 (MAC) 和动态矩阵控制(DMC)。这 类算法适合处理开环稳定多变量过程约束间题的控制；
2. 基于ARMA或CARIMA等输入输出参数化模型预测控制算法
代表性的算法为广义预测控制算法(GPC)。这类算法可用于开环不 稳定、非最小相位和时变时滞等较难控制的对象，并对系统的时滞和 阶次不确定有良好的鲁棒性。但对于多变量系统，算法实施较困难。
闭环预测模型为： 目标函数可取为：
目标函数写成矩阵形式为： 极小化性能指标，即令 ，得最优控制率：
根据滚动优化原理，只实施当前控制量u2(k)：
式中： 多步优化MAC的特点: 优点: (i)控制效果和鲁棒性优于单步MAC算法简单; (ii)适用于有时滞或非最小相位对象。 缺点: (i)算法较单步MAC复杂; (ii)由于以u作为控制量, 导致MAC算法不可避免地出现稳态误差.
商品化预测控制软件产品：
(i). 第一代：以Adersa的IDCOM和She11 Oil的DMC为代表，算法针 对无约束多变量过程; (ii). 第二代：以Shell Oil的QDMC为代表，处理约束多变量过程的控 制问题; (iii). 第三代：产品包括Adersa的HIECOM和PFC，DMC的DMC plus 和Honeywell的RMPCT，算法增加了摆脱不可行解的办法，并具有容 错和多个目标函数等功能。
课件--模型预测控制
h1
h1
h2
PM 1
hi
i1
PM
第三节 模型算法控制(MAC) 二. 反馈校正
以当前过程输出测量值与模型计算值之差修正模型预测值
yP (k j) ym (k j) jy(k) ym (k)
N
ym (k) hiu(k i) i 1
对于P步预测
j 1, 2, , P
YP (k) Ym (k) βe(k)
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第四节 动态矩阵控制(DMC) 一. 预测模型
DMC的预测模型
渐近稳定线性被控对象的单位阶跃响应曲线
和给定值的偏差来确定当前的控制输入 预测控制：不仅利用当前的和过去的偏差值，
而且还利用预测模型来预测过程未来的偏差值。 以滚动优化确定当前的最优控制策略，使未来 一段时间内被控变量与期望值偏差最小 从基本思想看，预测控制优于PID控制
第二节 预测控制的基本原理
r(k)
+_
d(k)
在线优化 控制器
u(k)
y(k) 受控过程
+ y(k+j| k)
+
模型输出 反馈校正
动态 预测模型
y(k|k)
_ +
三要素：预测模型 滚动优化 反馈校正
第二节 预测控制的基本原理 一.预测模型（内部模型）
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 系统未来响应{ y(k + j) | j =1, …, p} 预测模型形式 参数模型：如微分方程、差分方程 非参数模型：如脉冲响应、阶跃响应