预测PID控制算法的基本原理及研究现状
预测PID 控制算法的基本原理及研究现状
预测PID 控制算法的基本原理及研究现状预测PID 控制算法的基本原理及研究现状关键词：模型预测控制预测PID 控制算法在现今全球竞争日益激烈的市场环境下，通过先进控制获取经济效益来提高企业竞争力，已成为一种趋势。
据有关文献报道(薛美盛等， 2002)，各种不同石油化工装置实施先进控制后，其每年净增效益如表1 所示。
虽然各公司所报出的年效益有所不同，但其数据出入不大，而实施先进控制所需成本只占其产生效益的很小一部分比例。
国外发达国家经验表明(孙德敏等， 2003)：采用先进控制理论和过程优化将增加30%的投资，但可提高产品层次和质量，降低能源和原材料消耗，从而增加85%的效益，如图1 所示。
投资70%的资金购置DCS，换来的是15%的经济效益；再增加30%的投资，可以换来85%的经济效益。
其中增加的8%用于传统的先进控制(TAC)，得到的经济效益是8%；增加的13%用于预测控制(DMC)，得到的经济效益为37%；增加的9%用于在线闭环优化(CLRTO)，换来的经济效益是40%！因此，实施先进控制与优化是不用投资的技术改造。
然而，控制理论本身也面临着一些问题和困难，需要不断改进和提高。
尽管大量新的控制算法不断涌现，但常规的PID 及改进的PID 控制算法仍广泛应用于工业控制领域。
一些先进控制算法专用性强、适应性差、鲁棒性能差、算法复杂、实施和维护成本高，这些都限制了它们的推广和发展。
据日本控制技术委员会(SICE)对110 家企业和150 位控制工程师调查显示(Huruo, 1998)，近20 年来，工业界迫切需要解决的控制难题分别是：大滞后、强耦合、时变、严重干扰以及非线性对象的控制，这些问题始终都没有得到切实有效的解决。
部分先进控制理论理论性太强，实际应用需做大量的改进和简化，使先进控制具备鲁棒性是当前重要的发展方向。
在先进控制技术中，最有应用前途的是模型预测控制，该技术经历了4 代发展，已非常完善和成熟了。
控制工程中的PID控制算法研究
控制工程中的PID控制算法研究一、引言PID控制算法是工业领域应用最广泛的控制算法之一。
它是一种基于误差反馈的控制算法，可以在工业、电子、航空航天、机械等众多领域得到广泛应用。
在控制系统中，PID控制器可以快速、准确地控制系统的输出，实现系统的自动化控制，并可以有效地抑制系统的过程变化和干扰。
本文将从PID控制算法的定义、原理、控制器结构、设计方法和优化算法等方面对PID控制算法进行分析和研究，以期为控制工程领域工程师提供一些有价值的参考。
二、PID控制算法的定义PID控制算法是一种反馈控制算法，它利用误差信号对控制器进行调整，以达到控制系统的目标。
PID控制器能快速响应系统的变化，并能稳定地抑制系统中的变化和噪声。
PID控制算法的名称源自它的三个控制参数：比例（P），积分（I）和微分（D）。
这三个控制参数确定了控制器的特性，使其能够快速响应系统的变化，并能稳定地控制输出。
三、PID控制器结构一个典型的PID控制器结构包括：误差检测器、比例环节、积分环节和微分环节。
误差检测器的作用是检测控制系统的误差，比例环节通过调整比例系数来改变输出变化的速度，积分环节通过积分误差来平衡系统的稳态误差，微分环节通过微分误差来抑制系统的超调现象。
四、PID控制算法的原理PID控制算法原理基于反馈控制理论。
PID控制器通过测量输出变量和目标变量之间的误差信号，并通过一系列算法来调整输出变量，以使错误信号趋于零。
这种反馈机制能够快速响应系统的变化，并能通过调整控制器的比例、积分和微分参数来达到稳态控制。
五、PID控制算法的优化方法常见的PID控制算法优化方法包括：增益调整方法、频率响应方法、自适应控制方法和模糊控制方法。
增益调整方法是一种简单的方法，它通过调整比例、积分和微分系数来改变控制器性能。
增益调整方法易于实现，但容易引起振荡和不稳定的控制。
频率响应方法是一种基于系统频率响应的方法，它可以更好地预测和控制系统中的变化和干扰。
pid算法的原理和算法
pid算法的原理和算法【最新版】目录1.PID 算法的概念和组成2.PID 算法的工作原理3.PID 算法的应用范围和优势4.PID 算法的参数调整方法5.PID 算法的发展和展望正文一、PID 算法的概念和组成PID 算法，即比例 - 积分 - 微分算法，是一种在自动控制领域中应用最为广泛的调节器控制规律。
它主要由比例控制、积分控制和微分控制三个部分组成，简称为 PID 控制。
PID 控制器问世至今已有近 70 年历史，以其结构简单、稳定性好、工作可靠、调整方便等优点，成为工业控制主要技术之一。
二、PID 算法的工作原理PID 算法的工作原理主要基于对被控对象的偏差（实际值与期望值之间的差值）进行控制。
比例控制根据偏差的大小调整控制量，积分控制则根据偏差的累积值调整控制量，微分控制则根据偏差的变化速度调整控制量。
这三种控制方式相互结合，可以有效地提高控制系统的稳定性和响应速度。
三、PID 算法的应用范围和优势PID 算法在工程实际中应用广泛，尤其适用于那些结构和参数不能完全掌握或无法得到精确数学模型的对象。
当控制理论的其他技术难以采用时，PID 算法可以依靠经验和现场调试来确定控制器的结构和参数。
此外，PID 算法具有结构简单、参数相互独立、选定方便等优点，可以有效地提高控制系统的性能。
四、PID 算法的参数调整方法PID 算法的参数调整方法有很多，例如试凑法、临界比例度法、扩充临界比例度法等。
这些方法都可以在一定程度上提高控制系统的性能，但需要根据具体的实际情况选择合适的方法。
五、PID 算法的发展和展望随着科学技术的不断发展，PID 算法也在不断地完善和提高。
未来的发展趋势主要包括进一步提高 PID 算法的性能，例如通过引入智能优化算法、神经网络等技术；另一方面，则是将 PID 算法应用于更广泛的领域，如机器人控制、自动驾驶等。
综上所述，PID 算法作为一种经典的自动控制算法，在工程实际中具有广泛的应用和优越的性能。
智能控制系统中的PID算法应用研究
智能控制系统中的PID算法应用研究随着科技的发展，人们对智能控制的需求越来越高，而PID算法作为自动控制的核心技术，已经得到广泛的应用。
PID算法具有简单、易于实现、参数调节方便等优势，不仅广泛应用于工业、交通等领域的自动化控制系统中，而且在智能家居、机器人等领域也有很大的应用前景。
本文将围绕智能控制系统中的PID算法应用展开探讨，包括PID算法的基本原理、在智能控制系统中的应用以及PID算法的优化方法等。
一、PID算法的基本原理PID算法是一种控制算法，可以根据被控对象的输出与期望值的误差来调节控制对象的输出值，从而实现对被控对象的控制。
PID算法的英文全称为Proportional-Integral-Derivative algorithm，即比例、积分、微分控制算法。
1.比例控制（P控制）比例控制是根据被控对象的输出与期望值的误差的大小，按照比例关系来调节控制对象的输出值。
比例系数越大，输出量对误差的响应就越强，但是过大的比例系数会使系统产生超调现象。
2.积分控制（I控制）积分控制是根据误差历史的积分对控制对象的输出值进行修正。
当被控对象的输出值与期望值存在较小但持续的误差时，积分控制可以减小这种误差。
3.微分控制（D控制）微分控制是根据误差的变化率来对控制对象的输出值进行修正。
微分控制可以提高系统的稳定性，抑制误差的瞬时波动。
二、PID算法在智能控制系统中的应用PID算法是一种通用的控制算法，可以应用于各种智能控制系统中。
下面介绍几个具体应用场景。
1.智能家居在智能家居中，PID算法可以用于对温度、湿度等环境参数的控制。
以智能温度控制为例，通过从传感器读取当前温度值，与设定的温度值进行比较得到误差值，再根据PID控制算法来调整智能家居系统中的控制设备，如空调、风扇等，以实现室内温度的自动调节。
2.机器人在机器人中，PID控制算法可以用于控制机器人的运动。
以无人驾驶车辆为例，通过PID控制算法来计算车辆转向角度和速度，使车辆沿着预设路径行驶，避免碰撞、偏离路线等意外情况的发生。
智能PID控制的发展现状及应用展望
智能PID控制的发展现状及应用展望智能PID控制（Proportional-Integral-Derivative control）是一种常见的控制算法，广泛应用于工业自动化领域中。
它通过测量控制系统的误差来调整输出，使系统的实际值尽可能接近期望值。
随着科技的不断进步和发展，智能PID控制在控制领域也得到了广泛的应用和发展，为工业生产和自动化领域带来了诸多益处。
本文将从智能PID控制的发展现状和未来应用展望两方面进行探讨。
1.传统PID控制的局限性传统的PID控制算法是通过比例、积分和微分三项参数来调节控制系统的输出，但是在实际应用中，传统PID控制算法存在许多局限性。
传统PID控制算法对于非线性和时变系统的控制效果不佳，不适用于复杂的工业生产系统。
传统PID控制无法满足对控制精度和稳定性的要求，容易受到外部扰动的影响。
2.智能PID控制的发展趋势随着人工智能和大数据技术的不断发展，智能PID控制算法应运而生，成为控制领域的新宠。
智能PID控制算法采用了模糊逻辑、遗传算法、神经网络等先进技术，可以更好地适应非线性和时变系统，提高了控制系统的鲁棒性和鲁棒性。
适应性，同时提高了控制系统的稳定性和精度，在实际工业生产中具有广阔的应用前景。
3.智能PID控制的应用领域智能PID控制在工业自动化控制、机器人控制、电力系统控制、交通运输系统控制等领域都得到了广泛的应用。
在工业自动化控制中，智能PID控制算法可以实现对生产过程的精准控制，提高生产效率和产品质量。
在机器人控制领域，智能PID控制可实现对机器人动作的精确控制，提高了机器人的灵活性和适应性。
在电力系统控制中，智能PID控制可以实现对电力负载的平稳控制，提高了电力系统的稳定性和安全性。
二、智能PID控制的未来应用展望1.智能PID控制在工业4.0中的应用随着工业4.0的到来，智能PID控制将会得到更广泛的应用。
在智能制造和工业网络化的背景下，智能PID控制可以实现对生产过程的智能化控制和管理，提高了生产效率和产品质量，有助于企业实现智能制造的转型升级。
智能控制系统中的PID算法优化研究
智能控制系统中的PID算法优化研究随着科技的发展和电子技术的普及，智能控制系统已经成为现代工业生产和自动化领域中的必备技术之一。
智能控制系统可以通过对各种物理量进行观测、分析和控制，实现工业生产中的自动化、高效化和精细化。
在智能控制系统中，PID控制算法是最基本、最常用的控制算法之一。
然而，传统的PID算法存在一些局限性，如精度不高、响应速度慢等，为了克服这些问题，人们开始研究和优化PID算法。
一、PID算法的基本原理PID算法是一种基于反馈原理的控制算法，它通过对被控对象的输出值和目标值之间的误差进行调整，使得输出值更加接近于目标值，从而实现对被控对象的精确控制。
PID算法由比例、积分和微分三个环节组成，分别代表反馈误差、积累误差和变化误差三种控制方式。
比例控制通过反馈误差调整输出值，积分控制通过积累误差调整输出值，微分控制通过变化误差调整输出值。
这三种控制方式可以根据不同的需要进行比例、积分和微分的权衡和组合。
二、PID算法的应用PID算法广泛应用于各种控制系统中，包括电子、机械、自动化、化工、冶金、机床等领域。
PID算法是一种通用的控制算法，可以对各种复杂系统进行精确的控制。
例如，在机床控制系统中，PID算法可以通过对刀具深度、主轴转速、进给速度等参数进行精确控制，实现高效、精细的加工。
在化工领域，PID算法可以通过对反应温度、流量、压力等参数进行精确控制，实现高效、安全的生产。
三、PID算法的局限性传统的PID算法存在一些局限性，如精度不高、响应速度慢等。
这些问题在很大程度上制约了PID算法的应用范围和效果。
例如，在某些高速的控制系统中，传统的PID算法往往难以满足响应速度和精度要求。
在此背景下，人们开始研究和优化PID算法。
四、PID算法的优化为了优化PID算法，人们从多个角度进行研究，包括传统PID算法的改进、新型PID算法的研发以及辅助控制算法的引入等。
其中，改进传统PID算法是最为常见的一种优化方式。
PID控制算法的研究
PID控制算法的研究摘要：PID控制器是一种闭环控制系统，由于它形式简单固定，在很宽的操作范围内都能保持较好的鲁棒性，同时工程技术人员能够用简单直接的方式来调节系统，所以在工业控制领域得到了应用。
本文从PID控制原理，PID四种控制算法的分析与研究，PID控制系统的参数整定，PID控制技术的应用四个方面阐述了PID控制算法的研究。
关键字：PID控制器；算法；研究一、PID控制原理PID控制，也称作PID调节，它对被控对象进行控制的被控量是将给定值与反馈值之间的偏差的比例（P）、积分（I）和微分（D）通过线性组合组成的。
PID控制技术虽然已经问世70余年了，在实际的现场控制工程中，PID控制器的应用还是最为广泛的控制器。
常规的模拟PID控制系统的数学方程为：u(t)=Kp*e(t)+Ki∫0te(t)dt+Kd de(t)/ dt 其中Ki=Kp*1/Ti，Kd =Kp*Td。
比例部分的数学表达式：Kp* e(t)在模拟PID控制器中，比例部分的作用是使控制系统对偏差快速作出反应。
一旦产生偏差，控制器立刻作出反应，使被控对象的偏差变小。
由比例控制的数学表达式可以看出，控制器调节偏差的能力与比例系数Kp密切相关，比例系数Kp越大，则调节能力越强，控制系统的稳态偏差也就越小。
通过积分的数学表达式可以得知，只要系统存在偏差，那么它的控制作用就会逐渐加强。
当偏差为零的时候，积分项的数值是常数，这时系统的控制作用也是一个常量，也就消除了系统的稳态误差。
引入积分控制能够消除稳态误差，但是这也是系统的响应速度变慢了,所以要根据控制现场的实际需要来确实积分系数Ti。
如果系统对反应时间要求比较高，就选用较小的积分系数Ti，反之，如果系统在稳定性方面的要求较高，则积分系数Ti就要选择偏大一些。
根据微分环节的数学表达式:Kp=Td de(t)/d(t)可以看出微分控制的作用取决于微分常数Td。
Td越大，微分控制作用越强，即更能有效的抑制偏差的变化，Td越小，抑制偏差的作用也就越弱。
pid温度控制总结与展望
PID温度控制总结与展望引言PID（Proportional-Integral-Derivative）是一种常用的控制算法，广泛应用于温度控制领域。
本文将对PID温度控制技术进行总结和展望，从原理、应用、优化等方面进行深入探讨。
原理解析1. 比例控制比例控制是PID控制算法的基本组成部分，根据控制对象的误差来计算输出信号。
输出信号与误差成正比，即误差越大，输出信号越大。
然而，比例控制容易产生超调和稳态误差。
2. 积分控制积分控制通过累积误差的方法，消除稳态误差。
其输出信号正比于误差的累积值，可以提高控制系统的响应速度和稳定性。
但是积分控制容易导致超调和振荡现象。
3. 微分控制微分控制通过测量误差变化率来调整输出信号，可以提高系统对于变化率的响应能力。
微分控制可以减小超调和提高稳定性，但是会引入噪声对系统造成影响。
应用案例1. 温度控制PID温度控制广泛应用于工业生产中，例如炉温控制、某些化学反应中的温度控制等。
通过对温度传感器信号的采集和PID控制算法的运算，可以实现对温度的精确控制。
2. 飞行器控制在飞行器的姿态控制中，PID控制算法被广泛应用。
通过对姿态传感器信号的采集和PID控制算法的运算，可以实现对飞行器的稳定性和敏捷性控制。
3. 机器人控制机器人的轨迹控制、抓取控制等都离不开PID控制算法的应用。
通过对传感器信号的采集和PID控制算法的运算，可以实现对机器人运动的精确控制。
4. 温室控制在温室的温度和湿度控制中，PID控制算法可以确保植物的生长环境处于最适宜的状态。
通过对传感器信号的采集和PID控制算法的运算，可以实现对温室环境的精确控制。
优化方法1. 参数整定PID控制中的参数整定是一个重要而复杂的问题。
常用的整定方法包括经验法、试控制法和优化算法等。
根据实际应用的需求和系统特性，选择合适的整定方法，可以提高控制系统的性能和稳定性。
2. 自适应控制自适应控制是一种根据系统响应动态调整PID参数的方法。
- 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PID控制算法的基本原理及研究现状邵惠鹤任正云邵惠鹤先生，上海交通大学自动化系教授；任正云先生，博士。
关键词：模型预测控制预测PID控制算法在现今全球竞争日益激烈的市场环境下，通过先进控制获取经济效益来提高企业竞争力，已成为一种趋势。
据有关文献报道(薛美盛等， 2002)，各种不同石油化工装置实施先进控制后，其每年净增效益如表1所示。
虽然各公司所报出的年效益有所不同，但其数据出入不大，而实施先进控制所需成本只占其产生效益的很小一部分比例。
国外发达国家经验表明(孙德敏等， 2003)：采用先进控制理论和过程优化将增加30%的投资，但可提高产品层次和质量，降低能源和原材料消耗，从而增加85%的效益，如图1所示。
投资70%的资金购置DCS，换来的是15%的经济效益；再增加30%的投资，可以换来85%的经济效益。
其中增加的8%用于传统的先进控制(TAC)，得到的经济效益是8%；增加的13%用于预测控制(DMC)，得到的经济效益为37%；增加的9%用于在线闭环优化(CLRTO)，换来的经济效益是40%！因此，实施先进控制与优化是不用投资的技术改造。
然而，控制理论本身也面临着一些问题和困难，需要不断改进和提高。
尽管大量新的控制算法不断涌现，但常规的PID及改进的PID控制算法仍广泛应用于工业控制领域。
一些先进控制算法专用性强、适应性差、鲁棒性能差、算法复杂、实施和维护成本高，这些都限制了它们的推广和发展。
据日本控制技术委员会(SICE)对110家企业和150位控制工程师调查显示(Huruo, 1998)，近20年来，工业界迫切需要解决的控制难题分别是：大滞后、强耦合、时变、严重干扰以及非线性对象的控制，这些问题始终都没有得到切实有效的解决。
部分先进控制理论理论性太强，实际应用需做大量的改进和简化，使先进控制具备鲁棒性是当前重要的发展方向。
在先进控制技术中，最有应用前途的是模型预测控制，该技术经历了4代发展，已非常完善和成熟了。
第一代模型预测技术以DMC(Cutler, 1979)和IDCOM(Richalet, 1978)两种商业产品为标志；QDMC(Garcia, 1986)标志着第二代模型预测技术；IDCOM-M(Froisy, 1990)、SMCA和SMOC(Yous, 1991)代表着第三代模型预测技术的产生；第四代模型预测技术就是人们熟悉的DMC-plus和RMPCT，分别是Aspen和Honeywell公司的最新商业化软件。
现今模型预测控制技术不仅能处理硬、软约束、病态排除、多目标优化，而且能通过Kalman滤波器消除不可测干扰和噪声的影响(Lundström, 1995)，同时采用鲁棒控制技术和先进的辨识技术处理模型的不确定性，大大增强了模型预测技术的适应能力。
正因为模型预测控制的强大功能，它是一些具有非最小相位、积分、不稳定、多变量强耦合(包括方系统、胖系统、瘦系统)等特殊动态特性过程的理想控制工具。
据统计，2002年全世界共成功实施4600例模型预测控制算法(Qina, 2003)，是1997年的两倍多，短短5年时间比过去近20年应用的还多，可见其发展速度之快。
因此，它被誉为20世纪80年代“最有前途的先进控制算法”，一点也不过分。
像所有先进控制算法一样，模型预测控制也有着自身的缺点：(1)预测控制算法比较复杂，计算量比较大。
正因为复杂，在算法实现上要考虑多方面因素，既要保证算法简洁，又要使算法具有足够的可靠性和稳定性，同时也提高了硬件要求。
而且不能在DCS或其他监控软件中直接实施，需要复杂的冗余机制，实施很不方便，并提高了成本费用。
(2)实施周期长，参数整定复杂，即便是有丰富经验的工作人员，也得花费较长时间进行在线或离线参数整定过程。
(3)需要过程对象较为精确的模型，对于一些不允许作阶跃测试的过程对象，虽然可以运用其他方法进行建模，但建模的精确度会受到很大影响，或者不能完全反应过程的动态特性。
(4)控制系统完成后，必须对操作人员进行培训。
由于算法复杂，操作人员对其的理解有深有浅，不能最大限度地发挥该先进算法的作用，有时甚至会引起误操作。
受工艺条件、模型变化的影响，需要专门的技术人员进行算法维护。
(5)在重要干扰变量不可测或干扰模型不可辨识时，系统的控制性能将严重恶化，运用反馈校正的方法虽然能够起到一定作用，但十分有限。
一般做法是将重要的不可测干扰变量进行软测量，这样控制的精确度对软测量仪表的精确度有很大依赖性。
(6)在大干扰存在时，输出硬约束的如果处理不当的话，易造成可行解问题。
特别是对非最小相位系统，输出硬约束的增强，很可能导致系统不稳定(Zafiriou, 1990; Muske, 1993)。
(7)模型预测控制算法的稳定性还没有从根本上得到有效解决，需要从理论上得到进一步突破(席裕庚, 2000; Mayne, 2000)。
(8)生产过程的工艺改变，负荷的波动以及中间环节引入的各种不确定性扰动，都会造成系统模型特性的改变。
到目前为止，模型预测控制算法还没有一种可靠的模型在线校正方式，因此，固定的模型限制了它整体性能的提高。
模型预测控制自我性能的在线评价、耗时少且精确度高的模型建立工具、非线性和混合系统的模型预测控制都是将来需要研究的重要课题，也是模型预测控制的发展方向。
用户对一些先进控制算法的满意程度参差不齐，有高有低。
据1995年调查结果表明(Huruo, 1998)，见图2，先进控制算法能改善和提高原有控制水平，但仍存在一系列问题需要解决，用户的满意程度有待进一步提高。
一些现代控制技术，如LQ最优控制技术、H∞技术、Kalman滤波技术和自适应技术的满意度很低，有些过程工程师甚至不愿意应用该类新技术。
一些复杂先进控制算法的成功实施，必须是多专业、跨学科的紧密合作，同时要求具备丰富的工程实施经验和动手能力，需要工艺和自控专家共同合作才能完成工程项目，如Setpoint公司具有化工工艺背景的工程技术人员占公司职工总数的比例高达70%。
有人进行了一项统计，先进控制的效益由几部分组成(Huang, 2002)：基本回路控制的整定好坏，占20%；是否具备在线分析仪或切实可行的软测量技术，占40%；算法的维护，占20%；算法本身及其他因素，仅占20%。
因此，如何使先进算法结构简单、实施容易、鲁棒性能好、通用性强是控制界乃至整个工业界一直追寻的目标。
人们期待有一种先进控制器能像20世纪初出现的PID控制器给现代工业的控制水平带来深刻变化。
一预测PID控制算法的基本原理及研究现状自1992年Hagglund提出预测PI控制器的思想以来，预测PID算法得到了逐步发展和完善，并成功应用在一些复杂对象的控制上。
现在文献上所说的预测PID 控制算法可以归纳为两种：(1)有预测功能的PID控制器。
本质上，它是一种PID控制器，只不过依据一些先进控制机理，如内模原理、广义预测原理、H2/H∞原理、模糊理论、遗传算法和人工智能原理来设计控制器参数，或根据某种最优原则在线给定PID控制器参数，使之具有预测功能。
(2)预测算法和PID算法融合在一起的控制器。
在这种控制器中，包括预测控制器和PID控制器，PID控制器和过程的滞后时间无关，而预测控制器则主要依赖过程的滞后时间，根据以前的控制作用给出现在的控制作用。
从理论上讲，这两种预测PID算法将PID的简单性、实用性、鲁棒性和模型预测控制算法的预测功能有机结合起来。
它是预测算法和PID算法的折中，具有两种算法的优点。
1. 带有预测功能的PID控制器这种类型的控制器有相当一部分基于广义预测控制(GPC)算法设计而成。
Miller(1995)提出一种随机预测PID控制算法，其在数学上等于稳态加权广义预测控制(GPC)算法。
主要优点是能借助普通工业计算机或DCS上的PID模块，无需添加新的算法，实施方便，并成功应用在化肥厂热交换器的温度控制上。
Miller(1996)又提出了长范围的预测PID控制算法，也是基于稳态加权广义预测控制(GPC)算法设计而成的，在废水装置溶氧浓度的控制上取得了成功。
Moradi(2001)运用广义预测模型，根据最优性能指标在线给定PID控制器的最佳参数。
De(1993)提出一种鲁棒预测PI控制器，并分析了控制器参数和系统稳定性间的关系。
这种控制器适合于大滞后对象，是内模控制器(IMC)的一种特例。
灰色预测PID控制算法(Chian, 2002)，是将遗传算法引入到PID控制器，在线为PID 控制器提供最佳参数。
该算法应用在电力系统稳定装置的控制上，对白噪声和干扰都有很好抑制作用。
Sakaguchi(2002)运用遗传算法和数据分组处理方法给定PID控制器的参数，达到预测控制效果。
模糊逻辑(Georgescu, 1993)和神经网络(Asano, 1999)都可作为在线给定PID参数工具，达到时滞补偿和预测控制的目的。
Katebi(2001)将预测PID控制算法设计成具有模型预测控制(MPC)算法的功能，这种控制器由M个PID控制器组成，其中M为预测长度。
第i个控制器仅对未来(t+i)时刻误差信号进行操作，这样控制器就具有滞后补偿功能。
采用抗积分饱和技术和通过解约束的模型预测控制问题，使该控制器能处理输入约束问题。
与普通PID控制算法不同，该算法能对未来设定值轨迹进行全局优化，十分适合过程的开、停车处理及批量过程控制。
在实施环境方面，只要能实施常规PID的工控环境就可实施该算法，无需添加新的软、硬件，并且可利用现存的PID自整定方法，对其进行参数整定，十分方便。
模型预测控制算法能控制的具有特殊动态特性的过程，它都能控制，如非最小相位系统、大滞后系统以及不稳定系统。
对于一阶加纯滞后对象和二阶加纯滞后对象，运用Pade近似进行处理，该算法便分别简化为常规的PI控制器和PID控制器。
Vega(1991)运用回归算法对预测PID算法参数进行了自整定，取得了一定成果，但这种整定方法对大滞后过程能力非常有限。
无模型自适应预测PI控制器(Tan, 1999)，不需要对过程模型进行辨识，只需要过程的输入输出数据来设计PI控制器的参数，但这种控制器在干扰和噪声存在时的控制效果差。
2. 预测算法和PID 算法融合在一起的控制器这是一种真正意义上的预测PID 控制算法，也是本文研究的重点。
1992年Hagglund 第一次提出预测PI 控制器，其由独立的两部分组成：PI 部分和预测部分。
它包括5个参数，其中仅有3个可调参数。
控制器的输入输出关系可表示为： u(t)=K(1+i pT 1)e(t)- ipT 1 [u(t)-u(t-L)] 式中，p 为微分算子，e(t)、u(t)分别为控制器的输入、输出；上式右边第一项为PI 控制器，第二项为预测控制器；在控制器参数选取上，K 一般选为过程增益的倒数，T i 为过程的主导时间常数，L 为过程的滞后时间。