课件模型预测控制
合集下载
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)
第三篇(第789章)模型预测控制及其MATLAB实现精品PPT课件
一般取
w(k j) a j y(k) (1 a j ) yr ( j 1,2,, n)
其中 为柔化系数 0 1 ；y(k)为系统实测输出 值；yr 为系统的给定值。
i 1
i j1
( j 1,2,, n)
(7-4)
上式右端的后二项即为过去输入对输出n步预估,记为
p 1
y0 (k j) ai u(k j i) a p u(k j p) i j1
将式(3-4)写成矩阵形式
( j 1,2,, n)
(7-5)
yˆ(k 1) a1
yˆ(k
(7-3)
yˆ(k j) ai u(k j i) a p u(k j p) ( j 1,2,, n)
i 1
8
由于只有过去的控制输入是已知的,因此在利用动 态模型作预估时有必要把过去的输入对未来的输出贡 献分离出来,上式可写为
j
p 1
yˆ(k j) ai u(k j i) ai u(k j i) a p u(k j p)
6
7.1.1 预测模型
从被控对象的阶跃响应出发，对象动态特性用一系 列动态系数 a1, a2 ,, ap 即单位阶跃响应在采样时刻的值 来描述，p称为模型时域长度，ap是足够接近稳态值的 系数。
图7-1 单位阶跃响应曲线
7
根据线性系统的比例和叠加性质(系数不变原理),若
在某个时刻k-i(k>=i)输入u(k-i),则 u(k i) 对输出y(k)的
第三篇 模型预测控制 及其MATLAB实现
1
第7章 预测控制理论
❖7.1 动态矩阵控制理论 ❖7.2 广义预测控制理论 ❖7.3 预测控制理论分析
2
模型预测控制（Model Predictive Control：MPC） 是20世纪80年代初开始发展起来的一类新型计算机控 制算法。该算法直接产生于工业过程控制的实际应用， 并在与工业应用的紧密结合中不断完善和成熟。模型 预测控制算法由于采用了多步预测、滚动优化和反馈 校正等控制策略，因而具有控制效果好、鲁棒性强、 对模型精确性要求不高的优点。
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);
模型预测控制全面讲解..pdf
有限脉冲响应(Finite Impulse Response，FIR)
hT={h1，h2，…，hN} 可完全描述系统的动态特性
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第三节 模型算法控制(MAC) 一. 预测模型
MAC的预测模型 渐近稳定线性被控对象的单位脉冲响应曲线
y
h11 h2
有限个采样周期后
lim
j
h
j
0
hN
0 12
t/T N
系统的离散脉冲响应示意图第节 模型算法控制(MAC) 一. 预测模型
MAC算法中的模型参数
1─k 时刻的预测输出 2─k +1时刻实际输出
t/T
3─ k +1 时刻预测误差 4─k +1时刻校正后的预测输出
第三节 模型算法控制(MAC)
模型算法控制（Model Algorithmic Control）： 基于脉冲响应模型的预测控制，又称模型预测 启发式控制(MPHC)
60年代末，Richalet等人在法国工业企业中应用 于锅炉和精馏塔的控制
1987年，Clarke 提出了基于时间序列模型和在线辨识的 广义预测控制(Generalized Predictive Control， GPC)
1988年，袁璞提出了基于离散状态空间模型的状态反馈预 测控制(State Feedback Predictive Control， SFPC)
第一节 预测控制的发展
反馈校正
在每个采样时刻，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
闭环优化
不断根据系统的实际输出对预测输出作出修正，使滚动 优化不但基于模型，而且利用反馈信息，构成闭环优化
hT={h1，h2，…，hN} 可完全描述系统的动态特性
主要内容 预测模型 反馈校正 参考轨迹 滚动优化
第三节 模型算法控制(MAC) 一. 预测模型
MAC的预测模型 渐近稳定线性被控对象的单位脉冲响应曲线
y
h11 h2
有限个采样周期后
lim
j
h
j
0
hN
0 12
t/T N
系统的离散脉冲响应示意图第节 模型算法控制(MAC) 一. 预测模型
MAC算法中的模型参数
1─k 时刻的预测输出 2─k +1时刻实际输出
t/T
3─ k +1 时刻预测误差 4─k +1时刻校正后的预测输出
第三节 模型算法控制(MAC)
模型算法控制（Model Algorithmic Control）： 基于脉冲响应模型的预测控制，又称模型预测 启发式控制(MPHC)
60年代末，Richalet等人在法国工业企业中应用 于锅炉和精馏塔的控制
1987年，Clarke 提出了基于时间序列模型和在线辨识的 广义预测控制(Generalized Predictive Control， GPC)
1988年，袁璞提出了基于离散状态空间模型的状态反馈预 测控制(State Feedback Predictive Control， SFPC)
第一节 预测控制的发展
反馈校正
在每个采样时刻，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
闭环优化
不断根据系统的实际输出对预测输出作出修正，使滚动 优化不但基于模型，而且利用反馈信息，构成闭环优化
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
预测控制-1ppt课件
26.04.2020
.
5
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 ▪ 多变量控制理论 ▪ 应用：航空、机电等 ▪ ……
现代控制理论
（理论体系、方法、指标…..)
❖ 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……
Model Predictive Heuristic Control）
❖ 1980年，Cutler等提出动态矩阵控制（DMC，Dynamic Matrix
Control）
❖ 1982年， Meral等在MPHC基础上进一步提出模型算法控制（MAC ，
Model Algorithm Control）
❖ 1987年，Clarke等提出广义预测控制（GPC，Generalized
控制科学与工程学科研究生学位课程
预测控制
Predictive Control
宋执环 浙江大学控制科学与工程学系
课程主要内容
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
26.04.2020
.
18
预测控制
❖ 经典控制：
▪ 仅利用当前及过去测量值： u(k-1), ……,u(k-m), y(k), y(k-1), ……,y(k-n)
26.04.2020
.
17
滤波、预测与控制
❖ 控制：
▪ 已知信号的过去测量值： u(k-1), ……,u(k-m), y(k), y(k-1), ……,y(k-n)
- 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)。
1
0 12
t/T
t/T
y u
4.6 6 5 2
3 1.6
0 12
t/T
t/T
第三节 模型算法控制(MAC) 一. 预测模型
y 7.6 8.5
6.5
4.6 6 3.8
5
3 2.3 3 2.5 1.5 0.8 0 1 2 34 5 6 u
2 1 u(0) u(1)
y(1) h1u(0) y(2) h2u(0) h1u(1) y(3) h3u(0) h2u(1) y(4) h4u(0) h3u(1) y(5) h5u(0) h4u(1)
内容要点
1 预测控制的发展 2 预测控制的基本原理 3 模型算法控制(MAC) 4 动态矩阵控制(DMC) 5 内部模型控制(IMC) 6 状态反馈预测控制(SFPC)
第一节 预测控制的发展
现代控制理论的发展与特点 特点 状态空间分析法 最优性能指标设计 应用 航天、航空等军事领域 要求 精确的数学模型
N
t/T
y(k) hiu(k i)
i 1
y(t) 0 g()u(t )d
t/T
第三节 模型算法控制(MAC) 一. 预测模型
采用脉冲响应模型对未来时刻输出进行预测
N
ym (k j) hiu(k j i) i 1
P 称为预测时域
j 1, 2, , P
取u(k + i)在i = M - 1后保持不变
滚动优化示意图
k 时刻优化
yr
y
2 1
3
u
k+1 时刻优化
yr
2
1
y
3
u
k k+1
1─参考轨迹yr (虚线) 2─最优预测输出y(实线) 3─最优控制作用u
t/T
第二节 预测控制的基本原理 三.反馈校正（误差校正）
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
局部优化
不是采用一个不变的全局最优目标，而是采用滚动式的 有限时域优化策略。在每一采样时刻，根据该时刻的优 化性能指标，求解该时刻起有限时段的最优控制率
在线滚动
计算得到的控制作用序列也只有当前值是实际执行的， 在下一个采样时刻又重新求取最优控制率
第二节 预测控制的基本原理 二.滚动优化（在线优化）
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
鲁棒性 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
第二节 预测控制的基本原理
模型预测控制与PID控制 PID控制：根据过程当前的和过去的输出测量值
第一节 预测控制的发展
工业过程的特点
多变量高维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，最优控制难以实现
预测控制的产生
基于模型的控制，但对模型的要求不高 采用滚动优化策略，以局部优化取代全局最优 利用实测信息反馈校正，增强控制的鲁棒性
第一节 预测控制的发展
1─k 时刻的预测输出 2─k +1时刻实际输出
t/T
3─ k +1 时刻预测误差 4─k +1时刻校正后的预测输出
第三节 模型算法控制(MAC)
模型算法控制（Model Algorithmic Control）： 基于脉冲响应模型的预测控制，又称模型预测 启发式控制(MPHC)
60年代末，Richalet等人在法国工业企业中应用 于锅炉和精馏塔的控制
h1
h2
h2
0
hN hN 1
0
hN
h2
h3
H1
H2
0
hN
hP1 P( N 1)
hM hM 1
hM 1 hM
h1
h1
h2
hP hP1
PM 1
hPM 2
hi
i1
PM
U1(k) u(k N 1) u(k N 2)
u(k
1)
T 1(
N
1)
反馈校正
在每个采样时刻，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
闭环优化
不断根据系统的实际输出对预测输出作出修正，使滚动 优化不但基于模型，而且利用反馈信息，构成闭环优化
第二节 预测控制的基本原理 三.反馈校正（误差校正）
反馈校正示意图
2
4 3
y
1
u
k
k+1
过去 yd
未来
y(k)
yr(k)
y1
k+P
t/T
第三节 模型算法控制(MAC) 三. 设定值与参考轨迹
根据设定值和当前过程输出测量值确定参考轨迹 最广泛使用的参考轨迹为一阶指数变化形式
yr (k j) j y(k) (1 j ) yd j 1, 2, , P
Ts
1987年，Clarke 提出了基于时间序列模型和在线辨识的 广义预测控制(Generalized Predictive Control， GPC)
1988年，袁璞提出了基于离散状态空间模型的状态反馈预 测控制(State Feedback Predictive Control， SFPC)
第一节 预测控制的发展
e T
Ts ——采样周期 T ——参考轨迹的时间常数 y(k)——当前时刻过程输出
yd ——设定值
Yr (k) yr (k 1) yr (k 2)
yr
(k
P)
T 1P
第三节 模型算法控制(MAC) 四.最优控制
优化控制的目标函数
min J
YP (k) Yr (k)
2 Q
U 2 (k )
2 R
第二节 预测控制的基本原理 一.预测模型（内部模型）
基于模型的预测示意图
过去
未来
3
y
4
1
u
2
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
第二节 预测控制的基本原理 二.滚动优化（在线优化）
最优控制
通过使某一性能指标最优化来确定其未来的控制作用的
1978年，Richalet 、Mehra提出了基于脉冲响应的模型预 测启发控制(Model Predictive Heuristic Control ， MPHC)，后转化为模型算法控制(Model Algorithmic Control，MAC)
1979年，Cutler提出了基于阶跃响应的动态矩阵控制 (Dynamic Matrix Control，DMC)
u(k i) u(k M 1) i M , M 1, , P 1
M 称为控制时域，M < P
第三节 模型算法控制(MAC) 一. 预测模型
未来输出值的P步预测值
N
ym (k j) hiu(k j i) j 1, 2, , M 1 i 1
jM 1
N
ym (k j) hiu(k M 1) hiu(k j i)
有限脉冲响应(Finite Impulse Response，FIR)
hT={h1，h2，…，hN} 可完全描述系统的动态特性
N称为建模时域
系统的渐近稳定性
保证了模型可用有限的脉冲响应描述
系统的线性
保证了可用线性系统的迭加性
第三节 模型算法控制(MAC) 一. 预测模型
y
u
2.3 3 2.5 1.5 0.8
U2(k) u(k) u(k 1)
u(k
M
1)
T 1M
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
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
1973年，DMC应用于美国壳牌石油公司的生产 装置上
1979年，Cutler等在美国化工学会年会上首次介 绍了DMC算法
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
u(k N 1) h1
u(k N 2)
h2
u(k N M )
u(k N M 1)
u(k M 2) u(k M 3) u(k P N ) hN
第三节 模型算法控制(MAC) 一. 预测模型
Ym (k) H1U1(k) H2U2 (k)
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