先進控制技術

先進控制技術班級：雙控四班學號：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的特征信號反應系統的變化，可以通過觀測到的特征信號數據序列，辨識出系統的模型。（所謂的特征信號是指具有特點：1、可測量的信號；2、對系統的故障敏感。）基本思想：系統的故障一般都會反映到系統中的某些觀測信號上，采集反映系統狀態(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據進行信息處理和特征提取，對有序的觀測數據進行統計處理與分析，從而監(jiān)控工業(yè)過程的狀態(tài)變化。一個系統的不同狀態(tài)對應于不同的模式，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的各類特征信號，并建立時序模型；通過一定的處理以獲得系統的參考模式；再對系統目前狀態(tài)下的特征信號進行處理分析，根據模型參數和特性，構造判別函數（幾何距離判別函數和信息距離判別函數），用所構造的判別函數進行判別，通過衡量待檢狀態(tài)偏離正常的程度作出判斷，判別函數系統狀態(tài)，以判斷系統是處于正常狀態(tài)還是故障狀態(tài)；進一步依據模型研究系統特性和工作狀態(tài)，估計系統行為的發(fā)展趨勢，從而提出合理的干預措施。優(yōu)點：對于復雜的工業(yè)過程來說，精確詳細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：無法得到反應系統變化的特征信號，或者即使觀測到特征信號的數據序列，卻無法辨識出系統的模型。寫出下面問題的優(yōu)化模型:某制藥廠生產甲、乙兩種藥品，生產這兩種藥品要消耗某種維生素。生產每噸藥品所需要的維生素量，所占用的設備時間，以及該廠每周可提供的資源總量如下表所示：每噸產品的消耗每周資源總量甲乙維生素（公斤）3020160設備（臺）5115已知該廠生產每噸甲、乙藥品的利潤分別為5萬元和2萬元。但根據市場需求調查的結果，甲藥品每周的產量不應超過4噸。問該廠應如何安排兩種藥品的產量才能使每周獲得的利潤最大？解：設每周生產的甲、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)查閱相關的參考文獻，針對先進控制技術寫一綜述報告?！隹梢葬槍δ骋环N先進控制技術的發(fā)展，現狀進行綜述?！隹梢葬槍δ硯追N先進控制技術在解決不同問題方面的綜述?！隹梢宰赃x綜述角度。預測控制的發(fā)展綜述王亞歌1001345雙控四班摘要：近年來，預測控制在工業(yè)過程中不僅得到廣泛的應用，而且其理論研究也取得了很大進展。對當前各種預測控制方法的現狀及其工業(yè)應用進行了較深入的分析，并對其存在的問題和今后可能的發(fā)展趨勢作了進一步探討。關鍵詞：預測控制；穩(wěn)定性；非線性系統；工業(yè)過程控制1引言60年代初期，卡爾曼(R.E.Kalman)系統地把狀態(tài)空間法引入到系統和控制理論中，形成現代控制理論，并且很快在航天、航空等領域取得了巨大的成果，對自動控制技術的發(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用中要求考慮控制的實時性、有效性和經濟性等因素，使得以精確數學模型為基礎，立足最優(yōu)性能指標且許多算法較為復雜的現代控制理論難以有效地應用于復雜的工業(yè)過程。為了克服理論與實際應用之間的上述不協調性，自70年代以來，人們一方面為了提高數學模型的精確程度及考慮不確定性因素的影響加強了對系統辨識、工業(yè)過程的建模、自適應控制、魯棒控制等方面的研究，另一方面開始突破傳統控制思想的約束，試圖面向實際工業(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。另一方面計算機技術的飛速發(fā)展，也為新的控制策略提供了良好的運行平臺和基礎。預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。預測控制技術最初由Richalet和Cutler提出［11。由于預測控制從工業(yè)實踐過程中發(fā)展起來，最大限度地結合了工業(yè)實際的要求、綜合效果好，因而引起了工業(yè)控制界和理論學術界的廣泛興趣和關注，已經在理論和應用方面取得了顯著的進展，而且各種預測控制算法不斷產生并得到發(fā)展。近20年來，國內外預測控制的研究和應用日趨廣泛。各種有關預測控制的文獻越來越多地出現在各種刊物和會議上。研究范圍已經涉及到預測模型類型、優(yōu)化目標種類、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、非線性系統以及其他控制方法與預測控制方法的結合如自適應預測控制、模糊預測控制、魯棒預測控制、神經網絡預測控制等，還包括大量的實際工業(yè)應用的研究。2預測控制的基本原理及特點預測控制算法具有三大本質特征：預測模型、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)。預測模型預測控制是一種基于模型的控制算法，這一模型稱為預測模型。預測模型只注重模型的功能，而不注重模型的形式，預測模型的功能就是根據兌現的歷史信息和未來輸入預測系統的未來輸出，只要具有預測功能的模型，無論其有什么樣的表現形式，均可作為預測模型。因此，狀態(tài)方程、傳遞函數這類傳統的模型都可以作為預測模型，同樣，對于線性穩(wěn)定對象，階躍響應、脈沖響應這類非參數模型，也可直接作為預測模型使用。例如，在DMC、MAC等預測控制策略中，采用了實際工業(yè)中容易獲得的階躍響應、脈沖響應等非參數模型，而GPC等預測控制策略則選擇CARIMA模型、狀態(tài)空間模型等參數模型。此外，非線性系統、分布參數系統的模型，只要具備上述功能，也可在這類系統進行預測控制時作為預測模型使用。因此，預測控制擺脫了傳統控制基于嚴格數學模型的要求，從全新的角度建立模型的概念。預測模型具有展示系統未來動態(tài)行為的功能。這樣，就可以利用預測模型為預測控制進行優(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期的目標。盡管生產過程對象都或多或少地呈現非線性，在預測控制系統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情況下是值得考慮的：首先，線性化的階躍響應模型和脈沖響應模型在離線辨識、經驗和機理建模中很容易獲得；其次，對于大多數緩慢的化工過程，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，數學上有較為成熟的優(yōu)化工具對凸規(guī)劃進行求解。滾動優(yōu)化預測控制的最主要特征表現在滾動優(yōu)化。預測控制通過某一性能指標的最優(yōu)來確定未來的控制作用，這一性能指標涉及到系統未來的行為，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等等。性能指標中涉及到的系統未來的行為，是根據預測模型由未來的控制策略決定的。但是，預測控制中的優(yōu)化與通常的離散最優(yōu)控制算法有很大的差別。這主要表現在預測控制中的優(yōu)化目標不是一成不變的全局優(yōu)化目標，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，不同時刻優(yōu)化性能指標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，在預測控制中，優(yōu)化不是一次離線進行，而是反復在線進行的，這就是滾動優(yōu)化的含義，也是預測控制區(qū)別于傳統最優(yōu)控制的根本特點。對于實際的復雜工業(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上，才能體現出它的優(yōu)越性。因此，預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，修正預測模型或加以補償，然后再進行新的優(yōu)化。綜上所述，預測控制綜合利用歷史信息和模型信息，對目標函數不斷進行滾動優(yōu)化，并根據實際測得的對象輸出修正或補償預測模型。這種控制策略更加適用于復雜的工業(yè)過程，并在復雜的工業(yè)過程中獲得了廣泛的應用。預測控制的特點：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，有利于提高系統的魯棒性；采用滾動優(yōu)化策略，使模型失配、畸變、十擾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，更適應于復雜工業(yè)過程控制。3預測控制的研究概況3.1預測控制基本算法的發(fā)展預測控制的基本算法是MAC、DMC和GPC，它們的發(fā)展主要體現在以下幾個方面：3.1.1變量系統的預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，因此基于單變量系統(SISO)MAC、DMC和GPC算法推廣到了多輸入多輸出系統。其成果有：席裕庚提出多變量動態(tài)矩陣控制(MDMC)[*Tsai提出自適應的多變量預測控制算法；Shridhar提出滾動計算權系數矩陣解析方法的多變量預測控制方法；Hong針對不同時滯的多變量系統提出了一種預測控制新方法；Shensheng對于不同多變量模型的目標函數提出采用穩(wěn)態(tài)增益使權系數標準化的選擇權系數矩陣的方法。解耦設計方面的成果有：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法等對GPC進行解耦，并比較了各自的優(yōu)點；席裕庚提出了多變量系統DMC的解耦設計方法。3.1.2穩(wěn)定性和魯棒性分析控制系統的穩(wěn)定性分為模型準確時的穩(wěn)定性和模型失配時的穩(wěn)定性即魯棒性。在內?？刂?IMC)中，這兩種情況恰好對應著IMC系統的開環(huán)穩(wěn)定性和閉環(huán)穩(wěn)定性。DMC系統在模型無失配時的穩(wěn)定性分析，文獻⑵中已詳細討論。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，預測控制具有較強的魯棒性。對廣義預測控制則有：降階建模時，對模型誤差的魯棒性不夠好；對噪聲較敏感；不存在結構型建模誤差且噪聲強度不大時，自校正GPC性能良好且適應面廣囹。針對建模誤差的魯棒性問題及設計參數選取困難，提出一種基于對象定量和定性信息的組合預測控制(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，使得設計參數的選取比較容易滿足要求。3.1.3可行性和帶約束系統的預測控制可行性是指在給定約束與性能指標的條件下，相應的預測控制律是否存在的問題?？尚行耘c穩(wěn)定性有一定關系?？尚行詥栴}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；由于預測控制眾多的約束條件之間可能出現矛盾，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參數選取空間中一些特殊的部分。文獻［5］則進一步對各種參數選取情況下GPC是否有解給出了較完整的結論，解決了在設計參數各種選取條件下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濟的設定點，這些稱為軟約束。而預測控制方法是惟一能在控制器設計過程中系統地、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預測控制優(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絡的非線性多變量約束預測控制。3.1.4基本預測控制方法的其他改進算法隨著預測控制應用的日益廣泛，出現了一系列新算法。對于MAC,Maurath和Bruijin在單步輸出預測的基礎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)化性能指標中引入加權多項式，通過適當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)響應特性的極點配置DMC；石中鎖提出通過引入一廣義性能指標，構造兩個辨識器來直接辨識控制器參數的隱式自校正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結構的改進自校正DMC算法；彭輝提出采用最小化模型描述對象階躍響應的適用于過阻尼對象的自校正DMC的改進算法。對于GPC，王偉提出直接辨識控制參數的廣義預測自適應直接算法，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加權的廣義預測自適應控制算法，采用時變遺忘因子的最小二乘法在線遞推辨識參數；Lelic提出極點配置廣義預測控制；Yamamoto提出基于廣義預測控制思想的自適應PID調節(jié)參數的整定方法；Corradini提出變結構廣義預測控制；Ordys提出基于狀態(tài)方程模型的廣義預測控制方法；楊建軍提出基于狀態(tài)空間的穩(wěn)定廣義預測控制器；趙懷彬在GPC準則函數中引入輸出期望值，推導出適于跟蹤問題的快速廣義預測控制算法；慕德俊提出脈動算法實現輸入輸出模型的參數辨識及廣義預測自校正控制；王軼通過并行算法提高了GPC的實時性和對復雜對象的適應性；郭巧采用有平滑濾波作用的輸入加權控制律來改善GPC的控制效果；陳悅采用內模統一預測控制，克服了一般預測控制器設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的基礎上提出了一種新的預測控制方法 預測函數控制(PFC)[9]。PFC具有一般預測控制的三大特點，與其他預測控制算法的最大區(qū)別是注重控制量的結構形式，認為控制量與一組相應于過程特性和跟蹤設定值的函數有關。因此每一時刻計算的控制量等于一組事先選定的函數線性組合而成，這些函數稱為基函數。用這些基函數的已知過程響應，通過對目標函數進行優(yōu)化計算得到各基函數的權系數而求出相應的控制量。預測函數控制方法的特點：控制量計算方程簡單，實時控制計算量小，適用于快速系統的控制;可以處理不穩(wěn)定、時滯、帶約束等的系統。該方法已經在許多領域得到成功應用，Didier,Abuel,Compas，潘紅華，王樹青，趙景波都進行了這方面研究。3.2非最小相位過程的預測控制從系統的傳遞函數分析可以看到，若對非最小相位系統進行設計，需要根據特征方程的全部根都落在單位圓中的原則來選擇數學模型，顯然這不是惟一的。設計中往往需要借助其他準則，有不同的處理方法，如線性二次型控制、極點配置、帶有加權因子的性能指標及在預測步長內取輸入控制量為常數等方法。線性二次控制方法必須先將預測模型轉換為適于二次型控制的狀態(tài)方程表達形式，采用二次型最優(yōu)目標，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，并使系統特征多項式的所有根均落在單位圓內。而采用極點配置方法的困難在于如何決定系統極點的最終位置。因此，預測控制在做了較小的變動后可以適用于非最小相位系統。3.3大時滯過程的預測控制針對大遲延系統，文獻［5］參考史密斯預報的思想，提出了采用DMC預報控制方法。為克服大延遲，重新構造動態(tài)矩陣人，即剔除階躍響應中數值為零的部分，將純延遲以后的響應分割為N段，進而構成沒有遲延部分的動態(tài)矩陣，得到的輸出預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生較好的控制效果。基于預測控制偏差的模型算法控制方法，開拓了單步預測難以應用的領域，既保持了MAC的優(yōu)點，又能直接應用于大延遲系統。該方法預測的是系統穩(wěn)態(tài)時的偏差，與純延遲無關，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。3.4非線性預測控制系統非線性MPC系統的研究對象為3類：執(zhí)行機構引起的非線性，包括飽和、死區(qū)、回滯等；可用特殊非線性結構描述的系統，如Bilinear模型、廣義Hammerstein模型、Volterra參數模型等；針對普遍意義下的非線性差分或微分系統，主要歸結為設計NLMPC策略使系統滿足一定性能要求及設計NLMPC優(yōu)化算法使在線計算下降。其研究內容有以下幾方面。3.4.1線性化方法通過把非線性模型線性化后，按照線性系統滾動優(yōu)化設計預測控制器，而模型預測一般仍采用非線性模型。模型線性化后會產生一定的預測誤差，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，孫西引入非線性預補償器，使廣義系統轉化為偽線性系統，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補償器，使廣義系統的輸入輸出成為嚴格的線性關系。孫浩運用大系統理論中遞推算法求解非線性最優(yōu)控制的方法，對非線性部分進行預估和協調，把非線性滾動優(yōu)化問題轉化為線性問題求解。3.4.2利用非線性系統的特殊模型一些非線性系統可以用特殊的模型來進行描述，其相應的非線性預測控制方法有: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;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平衡點附近建立子模型，得到非線性系統的線性化多模型表示，同時將非線性設定值分解后得到適合于非線性系統線性化多模型表示的相應多模型參考軌跡?？珊喕蔷€性優(yōu)化問題，降低計算難度。3.4.4神經網絡方法李春濤提出神經網絡的內模控制；石中鎖提出神經網絡的增量型模型算法控制；Tan提出基于神經網絡的廣義預測控制；黃道平提出一種由人工神經網絡與線性ARX模型相結合的集成模型的多變量非線性預測控制；陳增強通過對系統的信號約束，構成有約束多變量廣義預測控制問題，并運用Tank-Hopfield優(yōu)化神經網絡來求解這一復雜的優(yōu)化問題；劉軍利用前饋神經網絡建立對象的非線性預測模型，用多級階躍響應建立線性模型，利用平均模型進行滾動優(yōu)化、非線性預測模型校正線性模型的方法來實現非線性預測控制。另外，劉志遠將準無限時域非線性預測控制方法推廣到更一般情況［7］。3.5魯棒預測控制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上。大多數魯棒MPC設計都基于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函數值最小。魯棒MPC設計分為3類：基于不確定FIR模型的min-max設計；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，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變量，設計魯棒控制器使控制系統在穩(wěn)定的同時具有一定的魯棒性。Garica從結構設計的角度提出了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結構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理論給出預測控制穩(wěn)定性和魯棒性判據；Sairam用Lyapunov函數來分析穩(wěn)定性。還有針對特定對象分析預測控制方法穩(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)傳遞函數研究了系統的性能，給出主要設計參數與系統穩(wěn)定性、動態(tài)響應的若干重要關系；袁璞和許斌提出假設預測時域內每步的控制量都等于當前時刻控制量來進行預測的單值模型算法預測控制，給出了閉環(huán)系統的穩(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DMC預測控制的閉環(huán)穩(wěn)定性，定量推導出了增益失配界；Clarke提出當預測時域足夠長時可保證GPC閉環(huán)穩(wěn)定性。針對預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合的新型預測控制方法隨著預測控制理論研究的不斷深入、研究領域的不斷擴展，越來越多的學者開始嘗試把其他控制理論與預測控制相結合，形成了許多新的預測控制方法。比較典型的預測控制有以下幾個方面。模糊預測控制：（雎剛1996，1997，1998，張化光1993）提出了一種將模糊控制與預測控制相結合的模糊預測控制，該算法可適用于非線性系統。對這方面的研究還有（金曉明1998，崔祜濤1998，李少遠1997，陳福祥1997，王艷紅1995）等?；疑A測控制：（姚向東1998，方志1997，畢效輝1997）用灰色系統理論與預測控制相結合形成了灰色預測控制。基于神經網絡的自適應預測控制：將神經網絡、自適應、預測控制三者結合提出新的預測控制方法（黃顯高1997，陳增強1998，劉曉華1996，袁斌1999）?；谏窠浘W絡的自適應模糊預測控制：將神經網絡、自適應、模糊控制、預測控制四者結合形成新的預測控制方法（張阿卜1999）。3.7預測控制方法的工業(yè)應用預測控制理論從工業(yè)實踐而來，隨著其理論研究的不斷深入，預測控制在工業(yè)過程的應用越來越廣泛，應用范圍遍及石油、化工、煉油、冶金、造紙、航空、機械制造、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、手段等也不斷提高。據Qin和Badgwell（1996）截止1995年的一次等范圍統計顯示，在工業(yè)領域中應用預測控制技術的工業(yè)裝置達到2233套。而且近幾年的應用呈不斷加速增長的趨勢，數量上已遠遠超過這個數字。預測控制已成為在工業(yè)領域中應用的主要先進控制策略，給企業(yè)帶來了巨大的效益。在國內，預測控制技術同樣得到廣泛應用，由于很難進行具體的統計，在這里僅僅列舉幾個應用（肖明波1997，胡耀華1998，趙志遠1998，宋執(zhí)環(huán)1998，李為民1998，李醒飛1998，褚健1997）。標志著預測控制應用廣泛、成熟和占主導地位的另一個標志是自預測控制提出和得到成功應用以來，許多大公司不斷推出和更新各種預測控制工程軟件產品，為預測控制的應用起到了促進和橋梁的作用。目前的軟件產品已進入了第三代。第一代產品主要以ADERSA公司的IDCOM和SHELLOIL公司的DMC為代表，主要特點是預測控制算法適用于無約束的對象；第二代產品以SHELLOIL公司的QDMC為代表，可以處理帶約束的多變量系統；第三代產品主要有SET-POINT公司的IDCOM-M、ADERSA公司的HIECON及PFC>HONEYWELLPROFIMATICS公司的RMPCT，其相應算法一般可適用于多目標優(yōu)化、帶約束、容錯、消病態(tài)方程等的多變量系統。相信這些軟件產品隨著預測控制理論的發(fā)展會不斷地更新換代，從而得到快速的完善和發(fā)展。4預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狀看，預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；對非線性系統的預測控制還沒有很好地解決。要解決這些問題，在算法研究上應緊扣預測控制的模型預測、滾動優(yōu)化和反饋校正這三大機理進行［6］。預測模型的特點是重在功能而非結構，應充分利用對象的各種先驗知識，建立沒有結構限制的高質量模型，或利用對象過程中的有效信息建立多個不同結構和功能的預測模型并進行預測，基于某種綜合優(yōu)化指標，確立某個時段的優(yōu)化控制方案，根據多個并行預測結果綜合確定預測值。優(yōu)化策略的研究目前多為無約束的二次性能指標優(yōu)化，實際問題則是多目標多自由度的優(yōu)化問題