第3章 模型算法控制_2010

模型预测控制

云南大学信息学院学生实验报告 课程名称：现代控制理论 实验题目：预测控制 小组成员：李博（12018000748） 金蒋彪（12018000747） 专业：2018级检测技术与自动化专业

1、实验目的 (3) 2、实验原理 (3) 2.1、预测控制特点 (3) 2.2、预测控制模型 (4) 2.3、在线滚动优化 (5) 2.4、反馈校正 (5) 2.5、预测控制分类 (6) 2.6、动态矩阵控制 (7) 3、MATLAB仿真实现 (9) 3.1、对比预测控制与PID控制效果 (9) 3.2、P的变化对控制效果的影响 (12) 3.3、M的变化对控制效果的影响 (13) 3.4、模型失配与未失配时的控制效果对比 (14) 4、总结 (15) 5、附录 (16) 5.1、预测控制与PID控制对比仿真代码 (16) 5.1.1、预测控制代码 (16) 5.1.2、PID控制代码 (17) 5.2、不同P值对比控制效果代码 (19) 5.3、不同M值对比控制效果代码 (20) 5.4、模型失配与未失配对比代码 (20)

1、实验目的 （1）、通过对预测控制原理的学习，掌握预测控制的知识点。 （2）、通过对动态矩阵控制（DMC）的MATLAB仿真，发现其对直接处理具有纯滞后、大惯性的对象，有良好的跟踪性和较强的鲁棒性，输入已 知的控制模型，通过对参数的选择，来获得较好的控制效果。 （3）、了解matlab编程。 2、实验原理 模型预测控制(Model Predictive Control，MPC)是20世纪70年代提出的一种计算机控制算法，最早应用于工业过程控制领域。预测控制的优点是对数学模型要求不高，能直接处理具有纯滞后的过程，具有良好的跟踪性能和较强的抗干扰能力，对模型误差具有较强的鲁棒性。因此，预测控制目前已在多个行业得以应用，如炼油、石化、造纸、冶金、汽车制造、航空和食品加工等，尤其是在复杂工业过程中得到了广泛的应用。在分类上，模型预测控制(MPC)属于先进过程控制，其基本出发点与传统PID控制不同。传统PID控制，是根据过程当前的和过去的输出测量值与设定值之间的偏差来确定当前的控制输入，以达到所要求的性能指标。而预测控制不但利用当前时刻的和过去时刻的偏差值，而且还利用预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。因此，从基本思想看，预测控制优于PID控制。 2.1、预测控制特点 首先，对于复杂的工业对象。由于辨识其最小化模型要花费很大的代价，往往给基于传递函数或状态方程的控制算法带来困难，多变量高维度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、强耦合，最优控制难以实现。而预测控制所需要的模型只强调其预测功能，不苛求其结构形式，从而为系统建模带来了方便。在许多场合下，只需测定对象的阶跃或脉冲响应，便可直接得到预测模型，而不必进一步导出其传递函数或状

模型预测控制快速求解算法

模型预测控制快速求解算法 模型预测控制（Model Predictive Control，MPC）是一种基于在线计算的控制优化算法，能够统一处理带约束的多参数优化控制问题。当被控对象结构和环境相对复杂时，模型预测控制需选择较大的预测时域和控制时域，因此大大增加了在线求解的计算时间，同时降低了控制效果。从现有的算法来看，模型预测控制通常只适用于采样时间较大、动态过程变化较慢的系统中。因此，研究快速模型预测控制算法具有一定的理论意义和应用价值。 虽然MPC方法为适应当今复杂的工业环境已经发展出各种智能预测控制方法，在工业领域中也得到了一定应用，但是算法的理论分析和实际应用之间仍然存在着一定差距，尤其在多输入多输出系统、非线性特性及参数时变的系统和结果不确定的系统中。预测控制方法发展至今，仍然存在一些问题，具体如下： ①模型难以建立。模型是预测控制方法的基础，因此建立的模型越精确，预测控制效果越好。尽管模型辨识技术已经在预测控制方法的建模过程中得以应用，但是仍无法建立非常精确的系统模型。 ②在线计算过程不够优化。预测控制方法的一大特征是在线优化，即根据系统当前状态、性能指标和约束条件进行在线计算得到当前状态的控制律。在在线优化过程中，当前的优化算法主要有线性规划、二次规划和非线性规划等。在线性系统中，预测控制的在线计算过程大多数采用二次规划方法进行求解，但若被控对象的输入输出个数较多或预测时域较大时，该优化方法的在线计算效率也会无法满足系统快速性需求。而在非线性系统中，在线优化过程通常采用序列二次优化算法，但该方法的在线计算成本相对较高且不能完全保证系统稳定，因此也需要不断改进。 ③误差问题。由于系统建模往往不够精确，且被控系统中往往存在各种干扰，预测控制方法的预测值和实际值之间一定会产生误差。虽然建模误差可以通过补偿进行校正，干扰误差可以通过反馈进行校正，但是当系统更复杂时，上述两种校正结合起来也无法将误差控制在一定围。 模型预测控制区别于其它算法的最大特征是处理多变量多约束线性系统的能力，但随着被控对象的输入输出个数的增多，预测控制方法为保证控制输出的精确性，往往会选取较大的预测步长和控制步长，但这样会大大增加在线优化过程的计算量，从而需要更多的计算时间。因此，预测控制方法只能适用于采样周

模型预测算法

综述： 在20世纪80年代初，社会上出现了一种新型计算机控制算法-----模型预测控制算法。该算法包括了动态矩阵控制（DMC），模型算法控制（MAC）和基于参数模型的广义预测控制（GPC），广义预测几点配置控制（GPP）等。该算法采用了滚动优化，多步预测和反馈校正等控制策略，因此，它具有控制效果好，鲁棒性强，对模型精确性要求不高的特点。由于在工业过程中，对象往往是多输入多输出高维系统，且结构，参数和环境都具有很大的不确定性，而工业控制计算机的要求又不能太高，所以经典控制方法，如PID控制及现代控制理论，都难以获得良好的控制效果。而模型预测控制具有的有点决定了该方法能够有效地用于复杂工业过程控制，并且在不同的工业部门的过程控制系统中取得了成功。其中,由于模型算法控制采用脉冲响应模型，无需降低模型阶数，并且控制率是时变的，闭环响应对于受控对象的变化具有鲁棒性，并且能够在线修改控制规律，故本文实现模型算法控制的设计与仿真。而由于绝大部分工业控制过程都是含有约束的，故研究带约束的模型预测控制算法十分必要，所以本文研究有约束的模型。 背景： 1.预测控制的产生:预测控制算法最早产生于工业过程，由Rechalet.Mehra等提出的建立 在脉冲响应基础上的模型预测启发控制(Model Perdictive Heuristic Control,简称WHC，或模型算法控制(Model Algorithmic C ontrol，简称MAC)，以及Cutler等提出的建立在阶跃响应基础上的动态矩阵控制(Dynamic Matrix Control,简称DMC)。由于脉冲响应和阶跃相应都易于从工业现场直接获得，而不要求对模型的结构有准确的认识。这类预测控制算法采用滚动优化的策略，计算当前控制输入取代传统最优控制，并在优化控制中利用实测信息不断进行反馈校正，所以在一定程度上克服了不确定性的影响，具有良好的鲁棒性。此外，算法汲取了现代控制理论中的优化思想，并且在线计算比较容易，非常适合于工业过程控制的实际要求。 2.发展现状：近年来，预测控制的研究与发展已经突破前期研究的框架，摆脱了单纯的算 法研究模式，它能够于自适应控制，多模型切换等众多先进控制技术相结合，成为新的线代预测控制策略研究领域。随着智能控制技术的发展，预测控制将已取得的成果与模糊控制，神经网络以及遗传算法，专家控制系统等控制策略相结合，朝着智能预测控制方向发展。目前，我国预测控制软件主要有： a)多变量约束控制软件包MCC。主要处理多变量，多目标，多控制模式合基于模型 预测的最优控制器。 b)APC -Hiecon多变量预测控制软件包。适用于多变量，强耦合，大时滞的复杂生产 过程的控制。 c)多变量预测控制软件包。正在进行的课题，主要针对多变量的预测控制。 原理： 首先：预测控制以计算机为实现手段，所以算法一般是采样控制算法而不是连续控制算法。一般来说，预测控制都应建立在以下三项基本原理的基础上。