预测控制算法

⑴ 预测控制简单来说到底什么意思

预测控制是近年来发展起来的一类新型的计算机控制算法。

预测控制由于其能够处理约束及其对模型形式要求比较宽松，因而在生产过程控制中得到了广泛应用。由于它采用多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，所以它一出现就受到国内外工程界的重视，并已在各工业部门的控制系统得到了成功的应用。

预测控制的基本特征：

1.包括有建立预测模型方便；

2.采用滚动优化策略；

3.采用模型误差反馈校正。

这几个特征反映了预测控制的本质，也正是这个控制算法和其他算法的不同之处。抛却它错综复杂的科学原理，我们可以借助一个例子帮助大家理解什么是预测控制。

如果你用电脑控制油门和刹车，你可以控制速度。普通PID控制会面临两个问题。

首先，通过保守控制算法，控制增益设置相对较小。只要整个系统的自然周期明显大于延迟，就能极大地抑制系统延迟所引起的脑震荡。然而，其缺点是显而易见的，即系统控制效率很低，响应速度较慢。

其次，采用模型预测控制，并在预测周期后根据系统响应合理计算控制量。预测控制具有适应复杂生产过程控制的特点，所以预测控制具有强大的生命力。

总之，随着预测控制在理论和应用两方面的不断发展和完善，可以预言，它必将在工业生产过程中发挥出越来越大的作用，展现出广阔的应用的前景。

⑵ 预测控制的概述

工业生产的过程是复杂的，我们建立起来的模型也是不完善的。就是理论非常复杂的现代控制理论，其控制的效果也往往不尽人意，甚至在一些方面还不及传统的PID控制。70年代，人们除了加强对生产过程的建模、系统辨识、自适应控制等方面的研究外，开始打破传统的控制思想的观念，试图面向工业开发出一种对各种模型要求低、在线计算方便、控制综合效果好的新型算法。这样的背景下，预测控制的一种，也就是模型算法控制（MAC-Model Algorithmic Control）首先在法国的工业控制中得到应用。因此预测控制不是某一种统一理论的产物，而是工业实践中逐渐发展起来的。同时，计算机技术的发展也为算法的实现提供了物质基础。
现在比较流行的算法包括有：模型算法控制（MAC）；动态矩阵控制（DMC）；广义预测控制（GPC）；广义预测极点（GPP）控制；内模控制（IMC）；推理控制（IC）等等。
下面以模型算法控制为例子来说明预测控制的基本原理。

⑶ 预测控制的原理

模型算法（MAC）控制
主要包括内部模型、反馈校正、滚动优化和参数输入轨迹等几个部分。它采用基于脉冲响应的非参数模型作为内部模型，用过去和未来的输入输出状态，根据内部模型，预测系统未来的输出状态。经过用模型输出误差进行反馈校正以后，再与参考轨迹进行比较，应用二次型性能指标进行滚动、优化，然后再计算当前时刻加于系统的控制，完成整个动作循环。
预测控制的基本特征
包括有建立预测模型方便；采用滚动优化策略；采用模型误差反馈校正。这几个特征反映了预测控制的本质，也正是这个控制算法和其他算法的不同之处。
预测控制伴随着工业的发展而来，所以，预测控制与工业生产有着紧密的结合，火电厂钢球磨煤机是一个多变量、大滞后、强耦合的控制对象，其数学模型很难准确建立。而目前国内火电厂所装设的控制器大部分是PID控制器。由于系统各变量耦合严重，PID控制器很难适应，致使钢球磨煤机不能投入自动运行。用8051单片机加上A/D8路接口及其接口电路，再加上控制键和显示器，组成了预测控制器。在采用了MAC算法之后，就能够弥补PID控制器的不足。
由于预测控制具有适应复杂生产过程控制的特点，所以预测控制具有强大的生命力。可以预言，随着预测控制在理论和应用两方面的不断发展和完善，它必将在工业生产过程中发挥出越来越大的作用，展现出广阔的应用的前景。

⑷ 模型预测控制的方法

模型预测控制是一种基于模型的闭环优化控制策略，其算法的核心是：可预测未来的动态模型，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。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、非线性和并联性，并能方便的处理过程被控变量和操纵变量中的各种约束。从模型预测控制的基本原理出发，常见的有三种预测控制算法：
1)基于非参数模型的模型预测控制
代表性算法有模型算法(MAC)和动态矩阵控制(DMC)。这类算法分别采用脉冲响应模型和有限阶跃响应模型作为过程预测模型，无需考虑模型结构和阶次，可将过程时滞自然纳入模型中，尤其适合表示动态响应不规则的对象特性，适合处理开环稳定多变量过程约束问题的控制。
2)基于ARMA或CARIMA等输入输出参数化模型的预测控制算法。
这类算法有经典自适应控制发展而来，融合了自校正控制和预测控制的优点。其反馈校正通过模型的在线辨识和控制率的在线修正以自校正的方式实现，其中最具代表性的是广义预测算法，它可应用于时变时滞较难控制的对象，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。
3)滚动时域控制。由LQ和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算法来保证系统稳定性。它已拓展到跟踪控制和输出反馈控制。各类模型预测控制算法虽然在模型、控制和性能上存在许多差异，但其核心都是基于滚动时域原理，算法中包含了预测模型、滚动优化和反馈校正三个基本原理。

⑸ 模型预测控制的介绍

模型预测控制(MPC)是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。

⑹ 模型预测控制的应用前景

预测控制理论虽然在上个世纪70年代就已提出，在工程实践中也有成功应用的案例，但是经过了近四十年的发展，还有很多问题值得更深入的探索和研究。
1)预测控制理论研究。预测控制的起源与发展与工程实践紧密相连。实际上理论研究迟后于实践的应用。主要设计参数与动静态特性，稳定性和鲁棒性的解析关系很难得到。且远没达到定量的水平。
2）对非线性，时变的不确定性系统的模型预测控制的问题还没有很好的解决。
3）将满意的概念引入到系统设计中来，但满意优化策略的研究还有待深入。
4）预测控制算法还可以继续创新。将其他学科的算法或理论与预测控制算法相结合，如引入神经网络、人工智能、模糊控制等理论以更加灵活的适应生产需要。
从模型预测控制理论和实践的飞速发展来看，预测控制已经存在大量成功的工业应用案例，一些线性预测和非线性预测工程软件包已经推出和应用。传统预测控制理论研究日臻成熟，预测控制与其他先进控制策略的结合也强益紧密。预测控制已成为一种极具工业应用前景的控制策略。

⑺ 为什么说预测控制算法较适合生产过程参数的调节

可以按照时间的维度来理解:
过去:描述
现在;解释
未来:预测、控制
而总的目标是提高人类生活质量。
描述面临客观性的挑战
而解释又区分了秉性变量和情境变量，前者对内、后者对外。
预测可以用可证伪来理解，它也面临这个挑战。
控制特别提到了文化情境对它的态度。

你是北印的吧，我妹妹也在那里，要我帮她写这个论文呢。心理学与生活这本书在电驴上有下。