智能预测控制讲稿南开大学 ppt课件
合集下载
智能控制课件-第一章
神经网络控制是从机理上对人脑生理系统进行简单结构
模拟的一种新兴智能控制方法。神经网络具有并行机制、模
式识别、记忆和自学习能力的特点，它能充分逼近任意复杂
的非线性系统，能够学习与适应不确定系统的动态特性，有
很强的鲁棒性和容错性等，因此，神经网络控制在控制领域
有广泛的应用。
神经网络的研究已经有几十年的历史。 1943年McCulloch和Pitts提出了神经元数学模型； 1949年D.O.Hebb提出了调整神经网络连接权的规则，称之为
三 智能控制的发展
智能控制是自动控制发展的最新阶段，主要用于解决传 统控制难以解决的复杂系统的控制问题。控制科学的发展过 程如图1-2所示。
智能控制 自学习控制 自适应控制 鲁棒控制 随机控制 最优控制 确定性反馈控制 开环控制
图1-2 控制科学的发展过程
从二十世纪60年代起，由于空间技术、计算机技术及人工 智能技术的发展，控制界学者在研究自组织、自学习控制的基 础上，为了提高控制系统的自学习能力，开始注意将人工智能 技术与方法应用于控制中。
在生产实践中，复杂控制问题可通过熟练操作人员的 经验和控制理论相结合去解决，由此产生了智能控制。智 能控制将控制理论的方法和人工智能技术灵活地结合起来， 其控制方法适应于对象的复杂性和不确定性。
智能控制的研究对象
1 不确定性模型的控制 (a) 模型未知或知之甚少;
(b) 模型结构和参数可能在很大范围内变化
1963年, 美国的Lofti Zadeh与C. Desoer 发表Linear Systems - A State Space Approach。1965年，Zadeh提出模糊集 合和模糊控制概念
模糊控制的发展可分为三个阶段：
最新智能预测控制及其matlab实现(第2章-matlab神经网络工具箱函数ppt课件
2
本章将介绍MATLAB神经网络工具箱的应用。 在MATLAB神经网络工具箱中提供了丰富的演示 实例，用MATLAB语言构造了典型神经网络的激 活函数，编写了各种网络设计与训练的子程序， 网络的设计者可以根据自己的需要去调用工具箱 中有关神经网络的设计训练程序，使自己能够从 繁琐的编程中解脱出来。
>>[W,b]=initp(X,T);
>>plotpv(X,T);plotpc(W,b);
使用plotpc( )函数可以在已绘制的图上加上感知机
分类线（MATLAB6.1
1.5
ห้องสมุดไป่ตู้
Vectors to be Classified
及以下版本利用此命令
不能产生分类线），如 1 图2-3所示。由图可见
0.5
经过初始化后的网络对
ex2_2
21
结果显示： epoch =
3 Wij =
1.5028 1.7095 y=
0111
22
4. 绘制样本点的函数plotpv( ) 利用plotpv( ) 函数可在坐标图中绘出已知给出的 样本点及其类别，不同的类别使用了不同的符号。 其调用格式为：
plotpv(X,T) 式中 X定义了n个2或3维的样本，它是一个2n维 或3n维的矩阵；T表示各样本点的类别，它是一 个n维的向量。
18
返回的元素a是1还是0，取决于网络输入矩阵中的元素 是大于等于0还是小于0；函数hardlim(P)包含传输函数 的特性名并返回问题中的特性，如下的特性可从任何传 输函数中获得： (1)delta—与传输函数相关的delta函数； (2)init—传输函数的标准初始化函数； (3)name—传输函数的全称； (4)output—包含有传输函数最小、最大值的二元矢量。 例利用以下命令可得图2-1。
本章将介绍MATLAB神经网络工具箱的应用。 在MATLAB神经网络工具箱中提供了丰富的演示 实例，用MATLAB语言构造了典型神经网络的激 活函数，编写了各种网络设计与训练的子程序， 网络的设计者可以根据自己的需要去调用工具箱 中有关神经网络的设计训练程序，使自己能够从 繁琐的编程中解脱出来。
>>[W,b]=initp(X,T);
>>plotpv(X,T);plotpc(W,b);
使用plotpc( )函数可以在已绘制的图上加上感知机
分类线（MATLAB6.1
1.5
ห้องสมุดไป่ตู้
Vectors to be Classified
及以下版本利用此命令
不能产生分类线），如 1 图2-3所示。由图可见
0.5
经过初始化后的网络对
ex2_2
21
结果显示： epoch =
3 Wij =
1.5028 1.7095 y=
0111
22
4. 绘制样本点的函数plotpv( ) 利用plotpv( ) 函数可在坐标图中绘出已知给出的 样本点及其类别，不同的类别使用了不同的符号。 其调用格式为：
plotpv(X,T) 式中 X定义了n个2或3维的样本，它是一个2n维 或3n维的矩阵；T表示各样本点的类别，它是一 个n维的向量。
18
返回的元素a是1还是0，取决于网络输入矩阵中的元素 是大于等于0还是小于0；函数hardlim(P)包含传输函数 的特性名并返回问题中的特性，如下的特性可从任何传 输函数中获得： (1)delta—与传输函数相关的delta函数； (2)init—传输函数的标准初始化函数； (3)name—传输函数的全称； (4)output—包含有传输函数最小、最大值的二元矢量。 例利用以下命令可得图2-1。
智能预测控制讲稿南开大学PPT课件
第二章 模型预测控制基础理论
2.1 模型预测控制的结构及典型算法 2.1.1 模型预测控制系统的结构
模型预测控制(MPC)系统大致包括四部分： ① 预测模型：以各种不同的预测模型为基础； ② 滚动优化：采用在线滚动优化指标； ③ 反馈校正：对预测误差在线校正； ④ 参考轨迹：对设定值给出一个柔化的轨迹。
第一章 绪论
1.2 预测控制发展与早期研究 1.2.2 预测控制的早期研究 理论分析：稳定性分析、鲁棒性分析。 算法的改进与推广：简化算法、多变量系统、模型及目标函数改进。 工程应用：石油、化工、冶金、造纸、水泥、锅炉、窑炉等过程工业， 出现了多种运行于集散式控制系统上的商业化模型预测控制软件包。 1.3 现代预测控制
预测控制与其它先进控制方法结合。
自适应预测控制；
鲁棒预测控制； 多变量解耦预测控制； 非线性系统预测控制； 模糊预测控制； 神经网络预测控制； 多速率采样预测控制； 多模型切换预测控制； 有约束预测控制； 预测函数控制。
第一章 绪论
参考书目 [1] 席裕庚，预测控制，国防工业出版社。 [2] 舒迪前，预测控制理论及应用，机械工业出版社。 [3] 王伟，广义预测控制理论及应用，科学出版社。 [4] 诸静等，智能预测控制理论及其应用，浙江大学出版社。 [5] 钱积新等，预测控制，化工出版社。 [6] D W Clarke et.al, Generalized predictive control, Part I & II,
•解耦控制 •精确线性化 •鲁棒控制 •变结构控制 •自适应控制 •极点配置控制 •逆模型控制 •模型预测控制
•模糊控制 •神经网络控制 •基于规则的控制
--专家控制系统 •学习控制
南开大学科技成果——智能预测自适应控制理论与应用
南开大学科技成果——智能预测自适应控制理论与应用
成果简介：
南开大学课题组研究了控制科学与工程领域中的热点问题，成果能够用于提升我国传统制造业自动化技术水平。
将自适应控制、预测控制、智能控制、非线性控制等多种控制理论进行有机结合形成新型的智能预测自适应控制理论，具有创新性；获得了关于先进控制的系列化、系统性成果；将新的理论方法应用于工程实践，理论分析、方法设计、数值仿真、工程应用等多个研究环节紧密结合。
应用领域：
智能广义预测自适应控制器：用于环形钢坯加热炉上，年增经济效益90多万元，达到国际先进水平；用于工业锅炉上，每台锅炉节煤节电年增经济效益40多万元，达到国内领先水平；用于胜利油田钻杆对焊热处理生产线上，年增经济效益2000多万元，达到国际先进水平。
论文获奖情况：
该研究发表论文被SCI收录8篇，被SCI引用9次，其中他引8次；被EI（核心版）收录26篇；被国内期刊他引100多次。
智能预测自适应控制理论与应用研究项目2004年度天津市自然科学二等奖。
预测控制-课件
学习交流PPT
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)
反馈
学习交流PPT
19
预测控制
❖ 预测控制：
▪ 不仅利用当前及过去测量值： u(k-1), ……,u(k-m), y(k), y(k1), ……,y(k-n)
▪ 也利用未来预测值： y(k+1|k), y(k+2|k), ……,
▪ 优点：利用预测的变化趋势，超前调节
学习交流PPT
20
预测控制的基本原理
预测控制的三要素
❖ 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、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
学习交流PPT
13
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； ❖ 滚动优化：滚动进行有限时域在线优化； ❖ 反馈校正：通过预测误差反馈，修正预测模型，提
t/T 1─k时刻的预测输出 2─k＋１时刻实际输出 3─预测误差 4─k＋１时刻校正后的预测输出
学习交流PPT
34
反馈校正
y(k) e (k)
y (k+j| k)
y(k-j)
ym(k )
ym (k+j| k-1)
u (k+j )
现代控制工程第10章预测控制PPT课件
由极值必要条件容易求得最优解为
U M (k ) F(WP (k ) YP0 (k ))
F ( AT QA R) 1 AT Q
7
10.2 .2 滚动优化
实际控制时只将作用于系统：
u(k) u(k, k) 1 0 ... 0U M (k)
d T (WP (k ) YP0 (k ))
d T 1 0 ... 0( AT QA R)1 AT Q
g
P1
gP2
...
gN
...
0
P(N 1)
23
10.5 模型算法控制
2.参考轨迹
T
yr (k ) yr (k 1) ...... yr (k P)
yr (k i) i y(k ) (1 i )c
i 1,2,, P
c是输出设定值。c y(k ) 对应镇定问题，否则对应跟踪问题。 对闭环系统的动态特性和鲁棒性都有关键作用。 越小，参考轨迹到达设定点越快。
11
10.3 动态矩阵控制的工程设计
(3)误差权矩阵Q：误差权矩阵表示了对k时刻起未来
不同时刻逼近的重视程度。
1)等权选择 q1 q2 ... q P 2)只考虑后面几项误差的影响
q1 q2 ... qi 0
qi1 qi2 ... q P q
3)对于具有纯时滞或非最小相位系统
当 ai 是阶跃响应中纯时滞或反向部分采样值；qi 0
17
10.4 炼油厂加氢裂化装置的动态矩阵控制
3.预测模型
由监控计算机对每一控制量产生伪随机双电平序列测试信
号进行测试，得到被控量的阶跃响应，构造动态矩阵。
4.滚动优化目标函数
约束条件为 Cu c
min J (k ) 1 uT Hu g T u
2024版智能控制技术ppt课件
模糊逻辑在智能控制中应用
01
02
03
工业过程控制
应用于化工、冶金、电力 等工业过程控制中，实现 对温度、压力、流量等参 数的智能控制。
智能家居系统
应用于智能家居系统中， 实现对灯光、窗帘、空调 等设备的智能控制，提高 居住舒适度。
自动驾驶技术
应用于自动驾驶技术中， 实现对车辆行驶轨迹、速 度等参数的智能控制，提 高行驶安全性。
神经网络控制
利用神经网络强大的自 学习和自适应能力，实 现对复杂系统的有效控 制。特点：能够处理非 线性、不确定性和时变 系统，具有强大的逼近
能力和容错性。
专家系统控制
基于专家知识和经验， 构建专家系统实现对复 杂系统的有效控制。特 点：能够处理定性和定 量信息，具有较强的推
理和决策能力。
遗传算法控制
现代控制理论的发展背景
01
随着计算机技术的进步和复杂系统的出现，现代控制理论应运
而生。
现代控制理论的核心思想
02
基于状态空间法和最优化原理，实现对复杂系统的有效控制。
现代控制理论的主要方法
03
包括线性系统理论、最优控制、鲁棒控制等。
智能控制方法分类及特点
第一季度
第二季度
第三季度
第四季度
模糊控制
利用模糊数学理论，将 人的控制经验表示为模 糊规则，实现对复杂系 统的有效控制。特点： 不依赖于精确的数学模 型，具有较强的鲁棒性 和适应性。
模拟退火算法实现过程
包括初始化、设置温度参数、生成新解、计算目标函数差、接受准 则判断、降温过程等步骤。
模拟退火算法特点
具有全局搜索能力强、不易陷入局部最优解等特点，但计算时间较 长。
智能优化算法在智能控制中应用案例
人工智能智能控制PPT
AI IC AC
智能控制的二元结构
三元结构
萨里迪斯(Saridis)认为，二
元交集的两元互相支配无助于智
能控制的有效和成功应用，必须 把远筹学的概念引入智能控制，
AI
使它成为三元交集中的一个子集。
对这一问题的争论，在IEEE第
一次智能控制国际讨论会上达到
高潮。
OR IC
CT
萨里迪斯还提出分级智能控 制系统，由3个智能(感知)级组 成：组织级、协调级、执行级。
（4）把任务协商作为控制系统以及控制过程的一 部分来考虑。
在上述讨论的基础上，我们能够给出智能控 制器的一般结构，如下图 所示。
不完全任务描述
任务协商
混合知识表示
多传感器 感知系统
各种传感器
高层规划/控制 常规控制过程
各种驱动器
世界（环境）
智能控制器的一般结构
3. 智能控制的特点
（1）同时具有以知识表示的非数学广义模型 和以数学模型表示的混合控制过程。
智能控制的三元结构
知识组织器
协调器1 硬件控制器1
协调器n 硬件控制器n
组织级 协调级 执行级
过程1
过程n
分级智能控制系统
四元结构 在研究了前述各种智
能控制的结构理论和各相 关学科的关系之后，蔡自 兴提出四元智能控制结构， 把智能控制看做人工智能、 自动控制、运筹学和信息 论四个学科的交集。
AI
1967年，Leondes和Mendel首先正式使用 “智能控制”一词。
智能控制的产生和发展
1985年，在美国首次召开了智能控制学 术讨论会。
1987年又在美国召开了智能控制的首届 国际学术会议，标志着智能控制作为一个 新的学科分支得到承认。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
预测控制的典型结构。使其能够有效地克服受控对象的不确定 性、时间延迟和时变等不确定因素的动态影响，从而达到预期的控 制目标，并使系统具有良好的鲁棒性和稳定性。
第二章 模型预测控制基础理论
2.1 模型预测控制的结构及典型算法 2.1.1 模型预测控制系统的结构
设定值yr(k)
Ø 鲁棒预测控制； Ø 多变量解耦预测控制； Ø 非线性系统预测控制； Ø 模糊预测控制； Ø 神经网络预测控制； Ø 多速率采样预测控制； Ø 多模型切换预测控制； Ø 有约束预测控制； Ø 预测函数控制。
第一章 绪论
参考书目 [1] 席裕庚，预测控制，国防工业出版社。 [2] 舒迪前，预测控制理论及应用，机械工业出版社。 [3] 王伟，广义预测控制理论及应用，科学出版社。 [4] 诸静等，智能预测控制理论及其应用，浙江大学出版社。 [5] 钱积新等，预测控制，化工出版社。 [6] D W Clarke et.al, Generalized predictive control, Part I & II,
2.2 动态矩阵控制（DMC） 2.2.1 阶跃响应特性及预测模型 2.2.2 预测模型 2.2.3 反馈校正 2.2.4 参考轨迹柔化 2.2.5 滚动优化 2.2.6 DMC算法步骤 2.2.7 DMC算法优点及特征
2.3 广义预测控制(GPC) 2.3.1 预测模型 2.3.2 跟踪轨迹柔化 2.3.3 滚动优化 2.3.4 反馈校正--自校正控制算法 2.3.5 GPC自校正算法流程 2.3.6 仿真研究 2.3.7 GPC的内模结构 2.3.8 GPC的主要特征及优点 2.3.9 GPC的改进 2.3.10 GPC 应用举例
第一章 绪论
1.2 预测控制发展与早期研究 1.2.2 预测控制的早期研究 v 理论分析：稳定性分析、鲁棒性分析。 v 算法的改进与推广：简化算法、多变量系统、模型及目标函数改进。 v 工程应用：石油、化工、冶金、造纸、水泥、锅炉、窑炉等过程工业， 出现了多种运行于集散式控制系统上的商业化模型预测控制软件包。 1.3 现代预测控制
智能预测控制
陈增强 教授
智能自适应预测控制研究室 chenzq@
2014年3月
致谢
感谢我的导师袁著祉教授的辛勤培育！
主要内容
❖第一部分：预测控制 ❖第二部分：神经网络及控制 ❖第三部分：基于神经网络的智能预测控制
第一部分：预测控制
❖第一章 绪论 ❖第二章 模型预测控制基础理论 ❖第三章 有约束广义预测控制 ❖第四章 多变量广义预测控制
第一章 绪论
1.1 自动控制理论发展与先进控制技术
1.1.1 自动控制理论发展简述 1.1.2 先进控制技术发展
1.2 预测控制发展与早期研究
1.2.1 预测控制发展 1.2.2 预测控制早期研究
Automatica, 1987, 23(2): 137-161.
第一部分 预测控制
第一章 绪论 第二章 模型预测控制基础理论 第三章 有约束广义预测控制 第四章 多变量广义预测控制
第二章 模型预测控制基础理论
2.1 模型预测控制的结构及典型算法 2.1.1 模型预测控制系统结构 2.1.2 典型模型预测控制方法
•自抗扰控制 •无模型控制
第一章 绪论
1.2 预测控制发展与早期研究 1.2.1 预测控制产生及发展
预测控制是一种基于模型的先进控制技术，即模型预测控制(MPC: Model Predictive Control)。最早由法国工程师Richalet于1978年提出。 v主要特征：预测模型、滚动优化、反馈校正、设定值柔化。 v主要优点：克服受控对象未建模误差、参数与环境等方面的不确定性、大 时滞或变时滞等，具有鲁棒性。 v基本类型： 1）以非参数模型为预测模型的预测控制算法 Ø 动态矩阵控制（DMC）: Cutler提出，基于阶跃相应模型； Ø 模型算法控制（MAC）: Rauhani提出，基于脉冲阶跃相应模型。 2）以参数模型为预测模型的预测控制算法 广义预测控制（GPC）: Clake提出，基于(CARIMA：Controlled AutoRegressive Integrated Moving Average)模型; Ø广义预测极点配置控制（GPPC）: Lelic提出; Ø扩展时域自适应控制（EHAC）: Ydstie提出; Ø扩展时域预测自适应控制（ESPAC）: De Keyser提出.
1.3 现代预测控制
第一章 绪论
1.1 自动控制理论发展与先进控制技术
1.1.1 自动控制理论发展简述
u 20世纪50年代“经典控制理论” 研究对象：线性定常系统，单输入--单输出系统； 研究方法：传递函数、频率特性（伯德图、根轨迹图、Nyquist 判据）。
u20世纪60年代“现代控制理论” 研究对象：线性或非线性系统、定常或时变系统，多输入--多输出系统； 研究方法：状态方程（一阶微分或差分方程组）、时域分析法； 主要内容：能控能观性分析、李亚普诺夫稳定性理论、系统辨识、卡尔
曼滤波、最优控制（庞特里亚金极大值原理、贝尔曼动态规划）。
第一章 绪论
1.1.2 先进控制技术发展
•解耦控制 •精确线性化 •鲁棒控制 •变结构控制 •自适应控制 •极点配置控制 •逆模型控制 •模型预测控制
•模糊控制 •神经网络控制 •基于规则的控制
--专家控制系统 •学习控制
迭代学习控制、 加强学习控制、 重复学习控制、 基于模式识别学习控制
第二章 模型预测控制基础理论
2.1 模型预测控制的结构及典型算法 2.1.1 模型预测控制系统的结构
模型预测控制(MPC)系统大致包括四部分： ① 预测模型：以各种不同的预测模型为基础； ② 滚动优化：采用在线滚动优化指标； ③ 反馈校正：对预测误差在线校正； ④ 参考轨迹：对设定值给出一个柔化的轨迹。
第二章 模型预测控制基础理论
2.1 模型预测控制的结构及典型算法 2.1.1 模型预测控制系统的结构
设定值yr(k)
Ø 鲁棒预测控制； Ø 多变量解耦预测控制； Ø 非线性系统预测控制； Ø 模糊预测控制； Ø 神经网络预测控制； Ø 多速率采样预测控制； Ø 多模型切换预测控制； Ø 有约束预测控制； Ø 预测函数控制。
第一章 绪论
参考书目 [1] 席裕庚，预测控制，国防工业出版社。 [2] 舒迪前，预测控制理论及应用，机械工业出版社。 [3] 王伟，广义预测控制理论及应用，科学出版社。 [4] 诸静等，智能预测控制理论及其应用，浙江大学出版社。 [5] 钱积新等，预测控制，化工出版社。 [6] D W Clarke et.al, Generalized predictive control, Part I & II,
2.2 动态矩阵控制（DMC） 2.2.1 阶跃响应特性及预测模型 2.2.2 预测模型 2.2.3 反馈校正 2.2.4 参考轨迹柔化 2.2.5 滚动优化 2.2.6 DMC算法步骤 2.2.7 DMC算法优点及特征
2.3 广义预测控制(GPC) 2.3.1 预测模型 2.3.2 跟踪轨迹柔化 2.3.3 滚动优化 2.3.4 反馈校正--自校正控制算法 2.3.5 GPC自校正算法流程 2.3.6 仿真研究 2.3.7 GPC的内模结构 2.3.8 GPC的主要特征及优点 2.3.9 GPC的改进 2.3.10 GPC 应用举例
第一章 绪论
1.2 预测控制发展与早期研究 1.2.2 预测控制的早期研究 v 理论分析：稳定性分析、鲁棒性分析。 v 算法的改进与推广：简化算法、多变量系统、模型及目标函数改进。 v 工程应用：石油、化工、冶金、造纸、水泥、锅炉、窑炉等过程工业， 出现了多种运行于集散式控制系统上的商业化模型预测控制软件包。 1.3 现代预测控制
智能预测控制
陈增强 教授
智能自适应预测控制研究室 chenzq@
2014年3月
致谢
感谢我的导师袁著祉教授的辛勤培育！
主要内容
❖第一部分：预测控制 ❖第二部分：神经网络及控制 ❖第三部分：基于神经网络的智能预测控制
第一部分：预测控制
❖第一章 绪论 ❖第二章 模型预测控制基础理论 ❖第三章 有约束广义预测控制 ❖第四章 多变量广义预测控制
第一章 绪论
1.1 自动控制理论发展与先进控制技术
1.1.1 自动控制理论发展简述 1.1.2 先进控制技术发展
1.2 预测控制发展与早期研究
1.2.1 预测控制发展 1.2.2 预测控制早期研究
Automatica, 1987, 23(2): 137-161.
第一部分 预测控制
第一章 绪论 第二章 模型预测控制基础理论 第三章 有约束广义预测控制 第四章 多变量广义预测控制
第二章 模型预测控制基础理论
2.1 模型预测控制的结构及典型算法 2.1.1 模型预测控制系统结构 2.1.2 典型模型预测控制方法
•自抗扰控制 •无模型控制
第一章 绪论
1.2 预测控制发展与早期研究 1.2.1 预测控制产生及发展
预测控制是一种基于模型的先进控制技术，即模型预测控制(MPC: Model Predictive Control)。最早由法国工程师Richalet于1978年提出。 v主要特征：预测模型、滚动优化、反馈校正、设定值柔化。 v主要优点：克服受控对象未建模误差、参数与环境等方面的不确定性、大 时滞或变时滞等，具有鲁棒性。 v基本类型： 1）以非参数模型为预测模型的预测控制算法 Ø 动态矩阵控制（DMC）: Cutler提出，基于阶跃相应模型； Ø 模型算法控制（MAC）: Rauhani提出，基于脉冲阶跃相应模型。 2）以参数模型为预测模型的预测控制算法 广义预测控制（GPC）: Clake提出，基于(CARIMA：Controlled AutoRegressive Integrated Moving Average)模型; Ø广义预测极点配置控制（GPPC）: Lelic提出; Ø扩展时域自适应控制（EHAC）: Ydstie提出; Ø扩展时域预测自适应控制（ESPAC）: De Keyser提出.
1.3 现代预测控制
第一章 绪论
1.1 自动控制理论发展与先进控制技术
1.1.1 自动控制理论发展简述
u 20世纪50年代“经典控制理论” 研究对象：线性定常系统，单输入--单输出系统； 研究方法：传递函数、频率特性（伯德图、根轨迹图、Nyquist 判据）。
u20世纪60年代“现代控制理论” 研究对象：线性或非线性系统、定常或时变系统，多输入--多输出系统； 研究方法：状态方程（一阶微分或差分方程组）、时域分析法； 主要内容：能控能观性分析、李亚普诺夫稳定性理论、系统辨识、卡尔
曼滤波、最优控制（庞特里亚金极大值原理、贝尔曼动态规划）。
第一章 绪论
1.1.2 先进控制技术发展
•解耦控制 •精确线性化 •鲁棒控制 •变结构控制 •自适应控制 •极点配置控制 •逆模型控制 •模型预测控制
•模糊控制 •神经网络控制 •基于规则的控制
--专家控制系统 •学习控制
迭代学习控制、 加强学习控制、 重复学习控制、 基于模式识别学习控制
第二章 模型预测控制基础理论
2.1 模型预测控制的结构及典型算法 2.1.1 模型预测控制系统的结构
模型预测控制(MPC)系统大致包括四部分： ① 预测模型：以各种不同的预测模型为基础； ② 滚动优化：采用在线滚动优化指标； ③ 反馈校正：对预测误差在线校正； ④ 参考轨迹：对设定值给出一个柔化的轨迹。