预测控制-课件

预测控制PredictiveControl，控制科学和工程研究生学位课程，课程主要内容，预测控制概论相关课程基本模型算法控制- MAC动态矩阵控制- DMC广义预测控制- GPC状态空间模型驱动预测控制其他预测控制算法预测控制研究现状和行业应用，2，学习通信PPT，第1课4、学习通信PPT、预测控制、预测控制是自动控制理论中的一个预测控制是计算机优化控制方法预测控制的主要应用领域。 工业过程预测控制适用于解决多变量、约束的工业过程控制问题。预测控制源于20世纪70年代末的实际应用预测控制。预测控制广泛应用于产业控制领域5、交换PPT学习、预测控制的生成背景、理论背景：状态空间理论最优控制理论现代控制理论(理论系统、方法、指标).)应用：航空、机电等.应用背景：工业生产规模持续扩大生产工艺要求提高：质量、性能、安全.复杂性：非线性、不确定性、时间变性、耦合、时间延迟.6，学习交换PPT，预测控制背景，现代控制理论的缺点：依赖精确模型适合多变量控制，但复杂算法困难：计算量，健壮性不足.工程实践：对象越来越复杂，难以对不确定性建模，7，学习AC PPT，预测控制的背景，行业流程的控制要求高质量控制性能模型要求高强度、无健壮性方便处理约束的实现，8，学习AC PPT，预测控制生成背景，控制理论和工程应用程序之间的矛盾：准确建模不确定性(现代控制理论)强大的控制：在设计控制器时考虑对象的不确定性，因此当控制系统改变控制对象时，对系统性能的影响很小。工程路线：工程应用理论预测控制：以工业过程特性为导向，基于简单模型，通过滚动时域优化、反馈校正等措施，优化控制系统的综合性能，实现在线小测量。10，学习通信PPT，预测控制发展过程，1978，J.Richalet将模型预测灵感控制算法(MPHC，modelpredictiveeheuristiccontrol)设置为1980，cut，11、学习通信PPT、预测控制开发过程、预测控制首先在工程实践中获得成功应用是实践先于理论的控制器设计方法的一类；预测控制可以看作是经典反馈控制和最新最优控制之间的折衷点(滚动优化反馈校正)。预测控制是当前过程控制中处理多变量约束控制问题的最有效方法之一。预测控制的典型代表：MAC、DMC和GPC；MAC:高级控制技术易于实施。DMC:为多变量约束系统特别提出的一种控制方法实际上反映了预测控制的理念和优点。GPC:提供了可变预测控制框架，但不适用于多变量约束系统。，12，学习通信PPT，预测控制的三个要素，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个要素是：预测模型滚动优化反馈校正，13，学习通信PPT，预测控制的三个要素，预测模型：预测未来期间的输出；滚动优化：滚动用于有限时域在线优化；反馈校正：通过预测错误反馈修改预测模型，提高预测准确度。通过滚动优化和反馈修正，弥补模型精度不高的缺点，抑制扰动，提高鲁棒性。14，学习通信PPT，3个相关概念：过滤：查找已知信号的过去测量值，查找当前时间点的真值或期望值。预测：对已知信号的过去和当前时间的测量，以求得未来多个阶段的期望值。控制：已知系统输入信号的过去测量值和输出信号的过去和当前时间测量值，允许根据预计轨迹在系统运行的当前时间输入信号值。过滤器、预测和控制、15、学习交流PPT、过滤器：已知信号的历史测量：y (k-1)、y (k-2)、y (k-n)解决当前时间估计值：y(k|k)过滤器：y (k | k)=a1y (k-1) a2y (k-2) any().y (k-n)解决未来瞬间期望值：y (k 1 | k)，y (k 2 | k)，预测器：y(k 1 | k)=b1y(k)b2y(k-1)any(k-n)y(k 2 | k)=b1y(k 1 | k)、过滤器、预测和控制、17、学习通信PPT、控制：已知信号的历史测量：u(k-1)、u (k-m)、y (k)、y (k-1)、y (k-n)解决当前时间估计值：u (k) y (k)=r (k)控制器：u (k)=f y (k-1)，y (k).u (k-m)、y (k)、y (k-1)、y (k-n)缺点：手动调整、预测控制、受控系统、y (k)、u(k)、控制器、反馈、r(k)、-、19、AC.u (k-m)、Y (k)、y (k-1)、y (k-n)也使用未来预测值：y (k 1 | k)，y (k 2 | k)，优点：利用预测的变化趋势、预调节、预测控制、20、学习通信PPT、预测控制的基本原则、21、学习交换PPT、预测模型、预测模型的功能是控制对象的历史信息u(k-j)、y(k-) 23，学习AC PPT，预测模型(PM)， 脉冲响应模型(系统必须是开环稳定对象)阶段响应模型(系统必须是开环稳定对象)，27，学习AC PPT，输出预测，使用预测模型预测输出ym (k j | k)=f u (k-I)，y .j，28，通过优化学习通信PPT、滚动优化、控制目的特定性能指标j确定未来控制角色u(k j|k)。绘图比例j确保模型预测输出尽可能接近参照轨迹。优化过程随着时间的推移在线优化，每分钟重复优化目标只关心预测期间系统的动态性能。每个周期仅将u(k|k)应用于控制流程。全局透视为动态优化，29，学习AC PPT，滚动优化(P=M)，滚动优化图，滚动优化图，根据系统的实际输出连续修改预测输出值，滚动优化不仅基于模型，还利用反馈信息构成闭环优化。32，学习AC PPT，反馈校正，y(k j | k)=ym(k j | k)e(k j | k)e(k j | k)=y(k | k) ，y，m，(，k，) 控制变量CV)可以处理“方形”、“瘦”、“胖”，自动转换可以处理非最小相位系统、伪积分系统、零增益系统、37、学习通信PPT、一般预测