先進(jìn)控制技術(shù)

先進(jìn)控制技術(shù)班級：雙控四班學(xué)號：1001345姓名：王亞歌介紹一種故障診斷方法的適用場合、基本思想及優(yōu)缺點。（不超過800字）解：我介紹的是關(guān)于基于時序分析的故障診斷：適用場合：基于時序分析的故障診斷適用于有恰當(dāng)?shù)奶卣餍盘柗磻?yīng)系統(tǒng)的變化，可以通過觀測到的特征信號數(shù)據(jù)序列，辨識出系統(tǒng)的模型。（所謂的特征信號是指具有特點：1、可測量的信號；2、對系統(tǒng)的故障敏感。）基本思想：系統(tǒng)的故障一般都會反映到系統(tǒng)中的某些觀測信號上，采集反映系統(tǒng)狀態(tài)（正常狀態(tài)或故障狀態(tài)）的觀測信號。對過程的輸入輸出數(shù)據(jù)進(jìn)行信息處理和特征提取，對有序的觀測數(shù)據(jù)進(jìn)行統(tǒng)計處理與分析，從而監(jiān)控工業(yè)過程的狀態(tài)變化。一個系統(tǒng)的不同狀態(tài)對應(yīng)于不同的模式，基于時序分析的故障診斷方法就是從實際情況出發(fā)，選擇工作過程中恰當(dāng)?shù)母黝愄卣餍盘枺⒔r序模型；通過一定的處理以獲得系統(tǒng)的參考模式；再對系統(tǒng)目前狀態(tài)下的特征信號進(jìn)行處理分析，根據(jù)模型參數(shù)和特性，構(gòu)造判別函數(shù)（幾何距離判別函數(shù)和信息距離判別函數(shù)），用所構(gòu)造的判別函數(shù)進(jìn)行判別，通過衡量待檢狀態(tài)偏離正常的程度作出判斷，判別函數(shù)系統(tǒng)狀態(tài)，以判斷系統(tǒng)是處于正常狀態(tài)還是故障狀態(tài)；進(jìn)一步依據(jù)模型研究系統(tǒng)特性和工作狀態(tài)，估計系統(tǒng)行為的發(fā)展趨勢，從而提出合理的干預(yù)措施。優(yōu)點：對于復(fù)雜的工業(yè)過程來說，精確詳細(xì)的理論模型往往很難建立，即使能夠建立該過程的近似模型，往往也有很多系統(tǒng)動態(tài)未建立到模型中去。而基于時序分析的方法僅利用了反映系統(tǒng)狀態(tài)的觀測信號，從而回避了過程建模的問題，適用于大型工業(yè)系統(tǒng)的過程監(jiān)控。缺點：基于時序分析的故障診斷在有些情況下就不能利用，如：無法得到反應(yīng)系統(tǒng)變化的特征信號，或者即使觀測到特征信號的數(shù)據(jù)序列，卻無法辨識出系統(tǒng)的模型。寫出下面問題的優(yōu)化模型:某制藥廠生產(chǎn)甲、乙兩種藥品，生產(chǎn)這兩種藥品要消耗某種維生素。生產(chǎn)每噸藥品所需要的維生素量，所占用的設(shè)備時間，以及該廠每周可提供的資源總量如下表所示：每噸產(chǎn)品的消耗每周資源總量甲乙維生素（公斤）3020160設(shè)備（臺）5115已知該廠生產(chǎn)每噸甲、乙藥品的利潤分別為5萬元和2萬元。但根據(jù)市場需求調(diào)查的結(jié)果，甲藥品每周的產(chǎn)量不應(yīng)超過4噸。問該廠應(yīng)如何安排兩種藥品的產(chǎn)量才能使每周獲得的利潤最大？解：設(shè)每周生產(chǎn)的甲、乙兩種藥品分別為X、y噸，每周獲得的利潤為z萬元。則有：maxz=5x+2y'30X+20y<1605x+y<15s.t.<X<4、X、y>0即為該問題的優(yōu)化模型。3、大作業(yè)查閱相關(guān)的參考文獻(xiàn)，針對先進(jìn)控制技術(shù)寫一綜述報告?！隹梢葬槍δ骋环N先進(jìn)控制技術(shù)的發(fā)展，現(xiàn)狀進(jìn)行綜述?！隹梢葬槍δ硯追N先進(jìn)控制技術(shù)在解決不同問題方面的綜述?！隹梢宰赃x綜述角度。預(yù)測控制的發(fā)展綜述王亞歌1001345雙控四班摘要：近年來，預(yù)測控制在工業(yè)過程中不僅得到廣泛的應(yīng)用，而且其理論研究也取得了很大進(jìn)展。對當(dāng)前各種預(yù)測控制方法的現(xiàn)狀及其工業(yè)應(yīng)用進(jìn)行了較深入的分析，并對其存在的問題和今后可能的發(fā)展趨勢作了進(jìn)一步探討。關(guān)鍵詞：預(yù)測控制；穩(wěn)定性；非線性系統(tǒng)；工業(yè)過程控制1引言60年代初期，卡爾曼(R.E.Kalman)系統(tǒng)地把狀態(tài)空間法引入到系統(tǒng)和控制理論中，形成現(xiàn)代控制理論，并且很快在航天、航空等領(lǐng)域取得了巨大的成果，對自動控制技術(shù)的發(fā)展起到了積極的推動作用。但是，實際工業(yè)過程的多變量、非線性、時變和不確定性等特點以及工程應(yīng)用中要求考慮控制的實時性、有效性和經(jīng)濟(jì)性等因素，使得以精確數(shù)學(xué)模型為基礎(chǔ)，立足最優(yōu)性能指標(biāo)且許多算法較為復(fù)雜的現(xiàn)代控制理論難以有效地應(yīng)用于復(fù)雜的工業(yè)過程。為了克服理論與實際應(yīng)用之間的上述不協(xié)調(diào)性，自70年代以來，人們一方面為了提高數(shù)學(xué)模型的精確程度及考慮不確定性因素的影響加強(qiáng)了對系統(tǒng)辨識、工業(yè)過程的建模、自適應(yīng)控制、魯棒控制等方面的研究，另一方面開始突破傳統(tǒng)控制思想的約束，試圖面向?qū)嶋H工業(yè)過程的特點研究發(fā)展各種對模型要求低、在線計算簡單方便、實時性好、控制效果佳的控制新算法。另一方面計算機(jī)技術(shù)的飛速發(fā)展，也為新的控制策略提供了良好的運行平臺和基礎(chǔ)。預(yù)測控制就是在這種情況下發(fā)展起來的一類新型控制算法。預(yù)測控制技術(shù)最初由Richalet和Cutler提出［11。由于預(yù)測控制從工業(yè)實踐過程中發(fā)展起來，最大限度地結(jié)合了工業(yè)實際的要求、綜合效果好，因而引起了工業(yè)控制界和理論學(xué)術(shù)界的廣泛興趣和關(guān)注，已經(jīng)在理論和應(yīng)用方面取得了顯著的進(jìn)展，而且各種預(yù)測控制算法不斷產(chǎn)生并得到發(fā)展。近20年來，國內(nèi)外預(yù)測控制的研究和應(yīng)用日趨廣泛。各種有關(guān)預(yù)測控制的文獻(xiàn)越來越多地出現(xiàn)在各種刊物和會議上。研究范圍已經(jīng)涉及到預(yù)測模型類型、優(yōu)化目標(biāo)種類、約束條件種類、控制算法以及穩(wěn)定性、魯棒性等方面，也包括多變量系統(tǒng)、非線性系統(tǒng)以及其他控制方法與預(yù)測控制方法的結(jié)合如自適應(yīng)預(yù)測控制、模糊預(yù)測控制、魯棒預(yù)測控制、神經(jīng)網(wǎng)絡(luò)預(yù)測控制等，還包括大量的實際工業(yè)應(yīng)用的研究。2預(yù)測控制的基本原理及特點預(yù)測控制算法具有三大本質(zhì)特征：預(yù)測模型、滾動優(yōu)化和反饋校正[2]o它是不斷滾動的局部優(yōu)化，而非全局最優(yōu)。預(yù)測模型預(yù)測控制是一種基于模型的控制算法，這一模型稱為預(yù)測模型。預(yù)測模型只注重模型的功能，而不注重模型的形式，預(yù)測模型的功能就是根據(jù)兌現(xiàn)的歷史信息和未來輸入預(yù)測系統(tǒng)的未來輸出，只要具有預(yù)測功能的模型，無論其有什么樣的表現(xiàn)形式，均可作為預(yù)測模型。因此，狀態(tài)方程、傳遞函數(shù)這類傳統(tǒng)的模型都可以作為預(yù)測模型，同樣，對于線性穩(wěn)定對象，階躍響應(yīng)、脈沖響應(yīng)這類非參數(shù)模型，也可直接作為預(yù)測模型使用。例如，在DMC、MAC等預(yù)測控制策略中，采用了實際工業(yè)中容易獲得的階躍響應(yīng)、脈沖響應(yīng)等非參數(shù)模型，而GPC等預(yù)測控制策略則選擇CARIMA模型、狀態(tài)空間模型等參數(shù)模型。此外，非線性系統(tǒng)、分布參數(shù)系統(tǒng)的模型，只要具備上述功能，也可在這類系統(tǒng)進(jìn)行預(yù)測控制時作為預(yù)測模型使用。因此，預(yù)測控制擺脫了傳統(tǒng)控制基于嚴(yán)格數(shù)學(xué)模型的要求，從全新的角度建立模型的概念。預(yù)測模型具有展示系統(tǒng)未來動態(tài)行為的功能。這樣，就可以利用預(yù)測模型為預(yù)測控制進(jìn)行優(yōu)化提供先驗知識，從而決定采用何種控制輸入，使未來時刻被控對象的輸出變化符合預(yù)期的目標(biāo)。盡管生產(chǎn)過程對象都或多或少地呈現(xiàn)非線性，在預(yù)測控制系統(tǒng)中幾乎都使用線性化的模型。這種使用線性簡單化模型的策略在大多數(shù)情況下是值得考慮的：首先，線性化的階躍響應(yīng)模型和脈沖響應(yīng)模型在離線辨識、經(jīng)驗和機(jī)理建模中很容易獲得；其次，對于大多數(shù)緩慢的化工過程，在穩(wěn)態(tài)工作點附近的模型，使用線性化的模型不會給整個控制帶來很大的誤差；再次，在工作點在線辨識得到的線性模型足以滿足控制要求；最后，對于使用線性模型的線性系統(tǒng)，數(shù)學(xué)上有較為成熟的優(yōu)化工具對凸規(guī)劃進(jìn)行求解。滾動優(yōu)化預(yù)測控制的最主要特征表現(xiàn)在滾動優(yōu)化。預(yù)測控制通過某一性能指標(biāo)的最優(yōu)來確定未來的控制作用，這一性能指標(biāo)涉及到系統(tǒng)未來的行為，例如，通?？扇ο筝敵鲈谖磥淼牟蓸狱c上跟蹤某一期望軌跡的方差最小等。但也可取更廣泛的形式，例如要求控制能量為最小而同時保持輸出在某一給定范圍內(nèi)等等。性能指標(biāo)中涉及到的系統(tǒng)未來的行為，是根據(jù)預(yù)測模型由未來的控制策略決定的。但是，預(yù)測控制中的優(yōu)化與通常的離散最優(yōu)控制算法有很大的差別。這主要表現(xiàn)在預(yù)測控制中的優(yōu)化目標(biāo)不是一成不變的全局優(yōu)化目標(biāo)，而是采用有限時段的滾動優(yōu)化策略，在每一采樣時刻，優(yōu)化性能指標(biāo)只涉及到從未來有限的時間，而到下一采樣時刻，這一優(yōu)化時段同時向前推移。因此，預(yù)測控制在每一時刻有一個相對于該時刻的優(yōu)化性能指標(biāo)，不同時刻優(yōu)化性能指標(biāo)的相對形式是相同的，但其絕對形式（即所包含的時間區(qū)域）則是不同的。因此，在預(yù)測控制中，優(yōu)化不是一次離線進(jìn)行，而是反復(fù)在線進(jìn)行的，這就是滾動優(yōu)化的含義，也是預(yù)測控制區(qū)別于傳統(tǒng)最優(yōu)控制的根本特點。對于實際的復(fù)雜工業(yè)過程來說，模型失配、時變、干擾等引起的不確定性是不可避免的，預(yù)測控制采用這種有限時段優(yōu)化具有一定的局限性，滾動優(yōu)化可能無法得到全局的最優(yōu)解，但優(yōu)化的滾動實施卻能顧及由于模型失配、時變、干擾等引起的不確定性，及時彌補這些因素造成的影響，并始終把新的優(yōu)化建立在實際過程的基礎(chǔ)上，因此，建立在有限時段上的滾動優(yōu)化策略更加符合過程控制的特點。反饋校正過程控制算法采用的預(yù)測模型通常只能粗略描述對象的動態(tài)特性，由于實際系統(tǒng)中存在的非線性、時變、模型失配、干擾等因素，基于不變模型的預(yù)測不可能和實際情況完全相符，因此，反饋策略是不可少的。滾動優(yōu)化只有建立在反饋校正的基礎(chǔ)上，才能體現(xiàn)出它的優(yōu)越性。因此，預(yù)測控制算法在通過優(yōu)化確定了一系列未來的控制作用后，為了防止模型失配或環(huán)境干擾引起控制對理想狀態(tài)的偏離，并不是把這些控制作用逐一全部實施，而只是實現(xiàn)本時刻的控制作用。到下一采樣時刻，首先監(jiān)測對象的實際輸出，并通過各種反饋策略，修正預(yù)測模型或加以補償，然后再進(jìn)行新的優(yōu)化。綜上所述，預(yù)測控制綜合利用歷史信息和模型信息，對目標(biāo)函數(shù)不斷進(jìn)行滾動優(yōu)化，并根據(jù)實際測得的對象輸出修正或補償預(yù)測模型。這種控制策略更加適用于復(fù)雜的工業(yè)過程，并在復(fù)雜的工業(yè)過程中獲得了廣泛的應(yīng)用。預(yù)測控制的特點：建模方便；采用非最小化描述的離散卷積和模型，信息冗余量大，有利于提高系統(tǒng)的魯棒性；采用滾動優(yōu)化策略，使模型失配、畸變、十?dāng)_等引起的不確定性及時得到彌補，從而得到較好的動態(tài)控制性能；可推廣到有約束條件、大遲延、非最小相位以及非線性等過程，對模型精度要求不高，跟蹤性能良好，更適應(yīng)于復(fù)雜工業(yè)過程控制。3預(yù)測控制的研究概況3.1預(yù)測控制基本算法的發(fā)展預(yù)測控制的基本算法是MAC、DMC和GPC，它們的發(fā)展主要體現(xiàn)在以下幾個方面：3.1.1變量系統(tǒng)的預(yù)測控制算法實際工業(yè)過程通常是由許多互相作用變量組成的多輸入多輸出(MIMO)系統(tǒng)，因此基于單變量系統(tǒng)(SISO)MAC、DMC和GPC算法推廣到了多輸入多輸出系統(tǒng)。其成果有：席裕庚提出多變量動態(tài)矩陣控制(MDMC)[*Tsai提出自適應(yīng)的多變量預(yù)測控制算法；Shridhar提出滾動計算權(quán)系數(shù)矩陣解析方法的多變量預(yù)測控制方法；Hong針對不同時滯的多變量系統(tǒng)提出了一種預(yù)測控制新方法；Shensheng對于不同多變量模型的目標(biāo)函數(shù)提出采用穩(wěn)態(tài)增益使權(quán)系數(shù)標(biāo)準(zhǔn)化的選擇權(quán)系數(shù)矩陣的方法。解耦設(shè)計方面的成果有：Chai，Kouvaritakis分別采用增益/相位分解法、單值分解法、Nyquist方法、引入前饋的二次性能指標(biāo)法等對GPC進(jìn)行解耦，并比較了各自的優(yōu)點；席裕庚提出了多變量系統(tǒng)DMC的解耦設(shè)計方法。3.1.2穩(wěn)定性和魯棒性分析控制系統(tǒng)的穩(wěn)定性分為模型準(zhǔn)確時的穩(wěn)定性和模型失配時的穩(wěn)定性即魯棒性。在內(nèi)?？刂?IMC)中，這兩種情況恰好對應(yīng)著IMC系統(tǒng)的開環(huán)穩(wěn)定性和閉環(huán)穩(wěn)定性。DMC系統(tǒng)在模型無失配時的穩(wěn)定性分析，文獻(xiàn)⑵中已詳細(xì)討論。DMC在模型失配時的穩(wěn)定性則通過校正策略即濾波器的GF(z)的選擇加以改善。實踐證明，預(yù)測控制具有較強(qiáng)的魯棒性。對廣義預(yù)測控制則有：降階建模時，對模型誤差的魯棒性不夠好；對噪聲較敏感；不存在結(jié)構(gòu)型建模誤差且噪聲強(qiáng)度不大時，自校正GPC性能良好且適應(yīng)面廣囹。針對建模誤差的魯棒性問題及設(shè)計參數(shù)選取困難，提出一種基于對象定量和定性信息的組合預(yù)測控制(CPC)"它充分利用對象的定量信息和定性信息，對模型失配有較好的魯棒性。另外，模糊控制的引入、定性信息的采用，使得設(shè)計參數(shù)的選取比較容易滿足要求。3.1.3可行性和帶約束系統(tǒng)的預(yù)測控制可行性是指在給定約束與性能指標(biāo)的條件下，相應(yīng)的預(yù)測控制律是否存在的問題?？尚行耘c穩(wěn)定性有一定關(guān)系。可行性問題大體存在于兩方面:無論是利用LQ方法還是輸入輸出模型得出的形式最優(yōu)控制律，必須是可行的才真正有意義；由于預(yù)測控制眾多的約束條件之間可能出現(xiàn)矛盾，加之為保證穩(wěn)定性而人為加入的終端約束若和輸入/輸出約束不相容，也可能導(dǎo)致無可行解。第1方面研究主要集中在能夠顯式表示控制律的MPC策略上。Scokaert研究了GPC參數(shù)選取空間中一些特殊的部分。文獻(xiàn)［5］則進(jìn)一步對各種參數(shù)選取情況下GPC是否有解給出了較完整的結(jié)論，解決了在設(shè)計參數(shù)各種選取條件下GPC可行性問題。第2方面研究隨著約束MPC(CMPC)U。］算法的大量提出而產(chǎn)生。在實際過程中，輸入輸出變量常受到各種物理條件的限制，即硬約束。常見的有變量的幅值、速率、加速度約束等。有時系統(tǒng)還需考慮在硬約束以外所希望的某種操作狀態(tài)的約束，如希望操作變量接近較經(jīng)濟(jì)的設(shè)定點，這些稱為軟約束。而預(yù)測控制方法是惟一能在控制器設(shè)計過程中系統(tǒng)地、顯式地處理過程約束的方法。普雷特提出基于矩陣分解技術(shù)使優(yōu)化可行解位于靠近約束條件組成的可行域的有約束多變量DMC方法；張佩星提出基于啟發(fā)式修正的帶約束多變量系統(tǒng)預(yù)測控制優(yōu)化算法；席裕庚提出“滿意控制”的概念，這是基于模型在線實現(xiàn)有約束多自由度優(yōu)化(CMMO)，并由操作者參與決策的實用控制方法；Kuznetsov針對輸入輸出約束的GPC提出一種二次規(guī)劃算法，將各種帶約束條件的GPC優(yōu)化算法作了介紹和比較;黃德先提出基于小波網(wǎng)絡(luò)的非線性多變量約束預(yù)測控制。3.1.4基本預(yù)測控制方法的其他改進(jìn)算法隨著預(yù)測控制應(yīng)用的日益廣泛，出現(xiàn)了一系列新算法。對于MAC,Maurath和Bruijin在單步輸出預(yù)測的基礎(chǔ)上提出了多步模型算法控制；Zheng和張秋寶提出在控制器中引入積分因子的增量型MAC；袁璞和許斌討論了單值MAC；舒迪前提出采用估計參數(shù)模型的顯式自校正MAC。對于DMC，石中鎖提出在優(yōu)化性能指標(biāo)中引入加權(quán)多項式，通過適當(dāng)選擇該多項式可將閉環(huán)極點配置在給定位置上以獲得所期望的閉環(huán)響應(yīng)特性的極點配置DMC；石中鎖提出通過引入一廣義性能指標(biāo)，構(gòu)造兩個辨識器來直接辨識控制器參數(shù)的隱式自校正DMC；李偉提出雙值DMC的簡化算法；張青得出雙信號DMC；席裕庚提出DMC-PID的串級控制方法；彭輝提出控制器具有PI結(jié)構(gòu)的改進(jìn)自校正DMC算法；彭輝提出采用最小化模型描述對象階躍響應(yīng)的適用于過阻尼對象的自校正DMC的改進(jìn)算法。對于GPC，王偉提出直接辨識控制參數(shù)的廣義預(yù)測自適應(yīng)直接算法，可省掉Dio-phantine方程的遞推求解和矩陣的求逆計算；袁著祉提出性能指標(biāo)加權(quán)的廣義預(yù)測自適應(yīng)控制算法，采用時變遺忘因子的最小二乘法在線遞推辨識參數(shù)；Lelic提出極點配置廣義預(yù)測控制；Yamamoto提出基于廣義預(yù)測控制思想的自適應(yīng)PID調(diào)節(jié)參數(shù)的整定方法；Corradini提出變結(jié)構(gòu)廣義預(yù)測控制；Ordys提出基于狀態(tài)方程模型的廣義預(yù)測控制方法；楊建軍提出基于狀態(tài)空間的穩(wěn)定廣義預(yù)測控制器；趙懷彬在GPC準(zhǔn)則函數(shù)中引入輸出期望值，推導(dǎo)出適于跟蹤問題的快速廣義預(yù)測控制算法；慕德俊提出脈動算法實現(xiàn)輸入輸出模型的參數(shù)辨識及廣義預(yù)測自校正控制；王軼通過并行算法提高了GPC的實時性和對復(fù)雜對象的適應(yīng)性；郭巧采用有平滑濾波作用的輸入加權(quán)控制律來改善GPC的控制效果；陳悅采用內(nèi)模統(tǒng)一預(yù)測控制，克服了一般預(yù)測控制器設(shè)計時難以比較每種控制器效果的缺點。特別指出的是，Richalet在MAC的基礎(chǔ)上提出了一種新的預(yù)測控制方法 預(yù)測函數(shù)控制(PFC)[9]。PFC具有一般預(yù)測控制的三大特點，與其他預(yù)測控制算法的最大區(qū)別是注重控制量的結(jié)構(gòu)形式，認(rèn)為控制量與一組相應(yīng)于過程特性和跟蹤設(shè)定值的函數(shù)有關(guān)。因此每一時刻計算的控制量等于一組事先選定的函數(shù)線性組合而成，這些函數(shù)稱為基函數(shù)。用這些基函數(shù)的已知過程響應(yīng)，通過對目標(biāo)函數(shù)進(jìn)行優(yōu)化計算得到各基函數(shù)的權(quán)系數(shù)而求出相應(yīng)的控制量。預(yù)測函數(shù)控制方法的特點：控制量計算方程簡單，實時控制計算量小，適用于快速系統(tǒng)的控制;可以處理不穩(wěn)定、時滯、帶約束等的系統(tǒng)。該方法已經(jīng)在許多領(lǐng)域得到成功應(yīng)用，Didier,Abuel,Compas，潘紅華，王樹青，趙景波都進(jìn)行了這方面研究。3.2非最小相位過程的預(yù)測控制從系統(tǒng)的傳遞函數(shù)分析可以看到，若對非最小相位系統(tǒng)進(jìn)行設(shè)計，需要根據(jù)特征方程的全部根都落在單位圓中的原則來選擇數(shù)學(xué)模型，顯然這不是惟一的。設(shè)計中往往需要借助其他準(zhǔn)則，有不同的處理方法，如線性二次型控制、極點配置、帶有加權(quán)因子的性能指標(biāo)及在預(yù)測步長內(nèi)取輸入控制量為常數(shù)等方法。線性二次控制方法必須先將預(yù)測模型轉(zhuǎn)換為適于二次型控制的狀態(tài)方程表達(dá)形式，采用二次型最優(yōu)目標(biāo)，求解其最優(yōu)控制律，從而得到在y(k)和七(k)的方差最小意義下的最優(yōu)選擇，并使系統(tǒng)特征多項式的所有根均落在單位圓內(nèi)。而采用極點配置方法的困難在于如何決定系統(tǒng)極點的最終位置。因此，預(yù)測控制在做了較小的變動后可以適用于非最小相位系統(tǒng)。3.3大時滯過程的預(yù)測控制針對大遲延系統(tǒng)，文獻(xiàn)［5］參考史密斯預(yù)報的思想，提出了采用DMC預(yù)報控制方法。為克服大延遲，重新構(gòu)造動態(tài)矩陣人，即剔除階躍響應(yīng)中數(shù)值為零的部分，將純延遲以后的響應(yīng)分割為N段，進(jìn)而構(gòu)成沒有遲延部分的動態(tài)矩陣，得到的輸出預(yù)報值已消除了純延遲的影響，在它反饋給控制器后計算出的控制量能產(chǎn)生較好的控制效果?；陬A(yù)測控制偏差的模型算法控制方法，開拓了單步預(yù)測難以應(yīng)用的領(lǐng)域，既保持了MAC的優(yōu)點，又能直接應(yīng)用于大延遲系統(tǒng)。該方法預(yù)測的是系統(tǒng)穩(wěn)態(tài)時的偏差，與純延遲無關(guān)，能較簡單地解決用多步MAC才能解決的問題。另外，它同樣適用于非最小相位系統(tǒng)。3.4非線性預(yù)測控制系統(tǒng)非線性MPC系統(tǒng)的研究對象為3類：執(zhí)行機(jī)構(gòu)引起的非線性，包括飽和、死區(qū)、回滯等；可用特殊非線性結(jié)構(gòu)描述的系統(tǒng)，如Bilinear模型、廣義Hammerstein模型、Volterra參數(shù)模型等；針對普遍意義下的非線性差分或微分系統(tǒng)，主要歸結(jié)為設(shè)計NLMPC策略使系統(tǒng)滿足一定性能要求及設(shè)計NLMPC優(yōu)化算法使在線計算下降。其研究內(nèi)容有以下幾方面。3.4.1線性化方法通過把非線性模型線性化后，按照線性系統(tǒng)滾動優(yōu)化設(shè)計預(yù)測控制器，而模型預(yù)測一般仍采用非線性模型。模型線性化后會產(chǎn)生一定的預(yù)測誤差，可用在線辨識的方法來修正線性化模型。對于間隙非線性系統(tǒng)，孫西引入非線性預(yù)補償器，使廣義系統(tǒng)轉(zhuǎn)化為偽線性系統(tǒng)，但不能完全補償間隙非線性特性。劉兵引入與其不同的間隙預(yù)補償器，使廣義系統(tǒng)的輸入輸出成為嚴(yán)格的線性關(guān)系。孫浩運用大系統(tǒng)理論中遞推算法求解非線性最優(yōu)控制的方法，對非線性部分進(jìn)行預(yù)估和協(xié)調(diào)，把非線性滾動優(yōu)化問題轉(zhuǎn)化為線性問題求解。3.4.2利用非線性系統(tǒng)的特殊模型一些非線性系統(tǒng)可以用特殊的模型來進(jìn)行描述，其相應(yīng)的非線性預(yù)測控制方法有:Bryon，Genceli，黃河清采用Volterra模型;黃道平、Zhu，顧鐘文采用Hammerstein模型;Yeongk，ENBO,趙豫紅、姚新元為雙線性系統(tǒng);Dumont，吳麗娟利用Laguerre模型等。3.4.3分段多模型方法席裕庚通過在多個系統(tǒng)平衡點附近建立子模型，得到非線性系統(tǒng)的線性化多模型表示，同時將非線性設(shè)定值分解后得到適合于非線性系統(tǒng)線性化多模型表示的相應(yīng)多模型參考軌跡?？珊喕蔷€性優(yōu)化問題，降低計算難度。3.4.4神經(jīng)網(wǎng)絡(luò)方法李春濤提出神經(jīng)網(wǎng)絡(luò)的內(nèi)模控制；石中鎖提出神經(jīng)網(wǎng)絡(luò)的增量型模型算法控制；Tan提出基于神經(jīng)網(wǎng)絡(luò)的廣義預(yù)測控制；黃道平提出一種由人工神經(jīng)網(wǎng)絡(luò)與線性ARX模型相結(jié)合的集成模型的多變量非線性預(yù)測控制；陳增強(qiáng)通過對系統(tǒng)的信號約束，構(gòu)成有約束多變量廣義預(yù)測控制問題，并運用Tank-Hopfield優(yōu)化神經(jīng)網(wǎng)絡(luò)來求解這一復(fù)雜的優(yōu)化問題；劉軍利用前饋神經(jīng)網(wǎng)絡(luò)建立對象的非線性預(yù)測模型，用多級階躍響應(yīng)建立線性模型，利用平均模型進(jìn)行滾動優(yōu)化、非線性預(yù)測模型校正線性模型的方法來實現(xiàn)非線性預(yù)測控制。另外，劉志遠(yuǎn)將準(zhǔn)無限時域非線性預(yù)測控制方法推廣到更一般情況［7］。3.5魯棒預(yù)測控制MPC魯棒性問題的研究分魯棒分析和魯棒綜合2個方面。魯棒性分析主要是基于IMC框架、基于輸入輸出描述框架及基于狀態(tài)空間框架。魯棒綜合問題建立在被控對象模型不確定性描述基礎(chǔ)上。大多數(shù)魯棒MPC設(shè)計都基于min-max描述，具有H控制的思想，將MPC的在線min優(yōu)化問題變?yōu)閙in-max優(yōu)化，求解控制律使在不確定性最壞情況下的目標(biāo)函數(shù)值最小。魯棒MPC設(shè)計分為3類：基于不確定FIR模型的min-max設(shè)計；基于LMI的MPC；滾動時域H控制?？偟膩碚f，MPC魯棒性研究大多以其穩(wěn)定性研究成果為基礎(chǔ)，然后引入用來保證魯棒穩(wěn)定性的魯棒約束條件或用來改善魯棒性的可調(diào)變量，設(shè)計魯棒控制器使控制系統(tǒng)在穩(wěn)定的同時具有一定的魯棒性。Garica從結(jié)構(gòu)設(shè)計的角度提出了IMCE81；席裕庚用IMC分析模型匹配和失配情況下的DMC穩(wěn)定性和魯棒性；舒迪前用IMC結(jié)構(gòu)給出了模型匹配和失配時的MAC穩(wěn)定性定理和魯棒性證明；方斌利用IMC理論給出預(yù)測控制穩(wěn)定性和魯棒性判據(jù)；Sairam用Lyapunov函數(shù)來分析穩(wěn)定性。還有針對特定對象分析預(yù)測控制方法穩(wěn)定性和魯棒性的，如席裕庚對一類典型振蕩過程基于閉環(huán)傳遞函數(shù)研究了系統(tǒng)的性能，給出主要設(shè)計參數(shù)與系統(tǒng)穩(wěn)定性、動態(tài)響應(yīng)的若干重要關(guān)系；袁璞和許斌提出假設(shè)預(yù)測時域內(nèi)每步的控制量都等于當(dāng)前時刻控制量來進(jìn)行預(yù)測的單值模型算法預(yù)測控制，給出了閉環(huán)系統(tǒng)的穩(wěn)定性條件；席裕庚對廣義動態(tài)矩陣控制分析了穩(wěn)定性和魯棒性；謝永斌研究了一類二階系統(tǒng)DMC預(yù)測控制的閉環(huán)穩(wěn)定性，定量推導(dǎo)出了增益失配界；Clarke提出當(dāng)預(yù)測時域足夠長時可保證GPC閉環(huán)穩(wěn)定性。針對預(yù)測時域過長難以保證穩(wěn)定性的問題，Kwon，Mosca，Kim，Clarke分別提出限制終點狀態(tài)為零或終點狀態(tài)加權(quán)的GPC方法。針對有約束的情況，Scokaert，Rawlings，Rossiter分別給出了穩(wěn)定性分析和魯棒條件。3.6與其他控制方法相結(jié)合的新型預(yù)測控制方法隨著預(yù)測控制理論研究的不斷深入、研究領(lǐng)域的不斷擴(kuò)展，越來越多的學(xué)者開始嘗試把其他控制理論與預(yù)測控制相結(jié)合，形成了許多新的預(yù)測控制方法。比較典型的預(yù)測控制有以下幾個方面。模糊預(yù)測控制：（雎剛1996，1997，1998，張化光1993）提出了一種將模糊控制與預(yù)測控制相結(jié)合的模糊預(yù)測控制，該算法可適用于非線性系統(tǒng)。對這方面的研究還有（金曉明1998，崔祜濤1998，李少遠(yuǎn)1997，陳福祥1997，王艷紅1995）等?；疑A(yù)測控制：（姚向東1998，方志1997，畢效輝1997）用灰色系統(tǒng)理論與預(yù)測控制相結(jié)合形成了灰色預(yù)測控制。基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)預(yù)測控制：將神經(jīng)網(wǎng)絡(luò)、自適應(yīng)、預(yù)測控制三者結(jié)合提出新的預(yù)測控制方法（黃顯高1997，陳增強(qiáng)1998，劉曉華1996，袁斌1999）。基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊預(yù)測控制：將神經(jīng)網(wǎng)絡(luò)、自適應(yīng)、模糊控制、預(yù)測控制四者結(jié)合形成新的預(yù)測控制方法（張阿卜1999）。3.7預(yù)測控制方法的工業(yè)應(yīng)用預(yù)測控制理論從工業(yè)實踐而來，隨著其理論研究的不斷深入，預(yù)測控制在工業(yè)過程的應(yīng)用越來越廣泛，應(yīng)用范圍遍及石油、化工、煉油、冶金、造紙、航空、機(jī)械制造、食品加工、窯爐、液壓傳動、航海、軍事等幾乎所有行業(yè)，控制技術(shù)、手段等也不斷提高。據(jù)Qin和Badgwell（1996）截止1995年的一次等范圍統(tǒng)計顯示，在工業(yè)領(lǐng)域中應(yīng)用預(yù)測控制技術(shù)的工業(yè)裝置達(dá)到2233套。而且近幾年的應(yīng)用呈不斷加速增長的趨勢，數(shù)量上已遠(yuǎn)遠(yuǎn)超過這個數(shù)字。預(yù)測控制已成為在工業(yè)領(lǐng)域中應(yīng)用的主要先進(jìn)控制策略，給企業(yè)帶來了巨大的效益。在國內(nèi)，預(yù)測控制技術(shù)同樣得到廣泛應(yīng)用，由于很難進(jìn)行具體的統(tǒng)計，在這里僅僅列舉幾個應(yīng)用（肖明波1997，胡耀華1998，趙志遠(yuǎn)1998，宋執(zhí)環(huán)1998，李為民1998，李醒飛1998，褚健1997）。標(biāo)志著預(yù)測控制應(yīng)用廣泛、成熟和占主導(dǎo)地位的另一個標(biāo)志是自預(yù)測控制提出和得到成功應(yīng)用以來，許多大公司不斷推出和更新各種預(yù)測控制工程軟件產(chǎn)品，為預(yù)測控制的應(yīng)用起到了促進(jìn)和橋梁的作用。目前的軟件產(chǎn)品已進(jìn)入了第三代。第一代產(chǎn)品主要以ADERSA公司的IDCOM和SHELLOIL公司的DMC為代表，主要特點是預(yù)測控制算法適用于無約束的對象；第二代產(chǎn)品以SHELLOIL公司的QDMC為代表，可以處理帶約束的多變量系統(tǒng)；第三代產(chǎn)品主要有SET-POINT公司的IDCOM-M、ADERSA公司的HIECON及PFC>HONEYWELLPROFIMATICS公司的RMPCT，其相應(yīng)算法一般可適用于多目標(biāo)優(yōu)化、帶約束、容錯、消病態(tài)方程等的多變量系統(tǒng)。相信這些軟件產(chǎn)品隨著預(yù)測控制理論的發(fā)展會不斷地更新?lián)Q代，從而得到快速的完善和發(fā)展。4預(yù)測控制中存在的問題及今后的發(fā)展方向就目前的研究現(xiàn)狀看，預(yù)測控制的研究中主要存在以下問題：理論分析難以深入；對多變量預(yù)測控制算法的穩(wěn)定性、魯棒性的研究亟待解決；對非線性系統(tǒng)的預(yù)測控制還沒有很好地解決。要解決這些問題，在算法研究上應(yīng)緊扣預(yù)測控制的模型預(yù)測、滾動優(yōu)化和反饋校正這三大機(jī)理進(jìn)行［6］。預(yù)測模型的特點是重在功能而非結(jié)構(gòu)，應(yīng)充分利用對象的各種先驗知識，建立沒有結(jié)構(gòu)限制的高質(zhì)量模型，或利用對象過程中的有效信息建立多個不同結(jié)構(gòu)和功能的預(yù)測模型并進(jìn)行預(yù)測，基于某種綜合優(yōu)化指標(biāo)，確立某個時段的優(yōu)化控制方案，根據(jù)多個并行預(yù)測結(jié)果綜合確定預(yù)測值。優(yōu)化策略的研究目前多為無約束的二次性能指標(biāo)優(yōu)化，實際問題則是多目標(biāo)多自由度的優(yōu)化問題