smw自適應(yīng)與預(yù)測(cè)控制

自適應(yīng)與預(yù)測(cè)控制控制理論前沿大綱第一部分自適應(yīng)控制自適應(yīng)控制的產(chǎn)生和發(fā)展歷程自適應(yīng)控制的主要類型變?cè)鲆婵刂颇Ｐ蛥⒖甲赃m應(yīng)控制最小方差自校正調(diào)節(jié)器廣義最小方差自校正控制器自校正控制參數(shù)辨識(shí)方法，最常用的遞推最小二乘算法大綱第二部分預(yù)測(cè)控制預(yù)測(cè)控制產(chǎn)生及發(fā)展模型預(yù)測(cè)控制的結(jié)構(gòu)及典型算法動(dòng)態(tài)矩陣控制（DMC）廣義預(yù)測(cè)控制（GPC）自適應(yīng)控制的產(chǎn)生傳統(tǒng)的控制方法針對(duì)對(duì)象模型完全已知的情形，無論是頻域法還是狀態(tài)空間法。實(shí)際被控對(duì)象的精確數(shù)學(xué)模型很難建立或者對(duì)象的數(shù)學(xué)模型的參數(shù)或者結(jié)構(gòu)在不斷地變化。這種被控系統(tǒng)的特性未知或處于變化之中，有如下幾個(gè)原因：系統(tǒng)內(nèi)部機(jī)理過于復(fù)雜：如化工過程反應(yīng)爐系統(tǒng)所處環(huán)境的變化引起對(duì)象參數(shù)的變化：化學(xué)反應(yīng)參數(shù)隨溫度發(fā)生變化系統(tǒng)本身的變化引起對(duì)象參數(shù)的變化：飛行器的質(zhì)量和質(zhì)心隨著燃料的消耗改變自適應(yīng)控制的產(chǎn)生傳統(tǒng)控制系統(tǒng)對(duì)于模型內(nèi)部參數(shù)不確定性和外部擾動(dòng)的影響有一定的抑制能力，但是這些控制方法是被動(dòng)地、以不變應(yīng)萬變地靠系統(tǒng)本身設(shè)計(jì)時(shí)所考慮的穩(wěn)定性裕量或魯棒性克服或降低這些變化所帶來的對(duì)系統(tǒng)穩(wěn)定性和性能指標(biāo)的影響，而且系統(tǒng)的性能得不到保證。這種控制器本身的魯棒性能適應(yīng)的這些變化只能是小范圍的，不能解決變化較大的對(duì)象特性或擾動(dòng)特性變化問題。自適應(yīng)控制的產(chǎn)生面對(duì)上述系統(tǒng)特性未知或經(jīng)常處于變化之中而無法完全事先確定的情況，如何設(shè)計(jì)一個(gè)滿意的控制系統(tǒng)，使得能主動(dòng)適應(yīng)這些特性未知或變化的情況，這就是自適應(yīng)控制所要研究解決的問題。自適應(yīng)控制的基本思想是：在控制系統(tǒng)的運(yùn)行過程中，系統(tǒng)本身不斷地測(cè)量被控系統(tǒng)的狀態(tài)、性能和參數(shù)，從而“認(rèn)識(shí)”或“掌握”系統(tǒng)當(dāng)前的運(yùn)行指標(biāo)并與期望的指標(biāo)相比較，進(jìn)而作出決策，來改變控制器的結(jié)構(gòu)、參數(shù)或根據(jù)自適應(yīng)規(guī)律來改變控制作用，以保證系統(tǒng)運(yùn)行在某種意義下的最優(yōu)或次優(yōu)狀態(tài)。自適應(yīng)控制的產(chǎn)生自適應(yīng)控制也是一種基于模型的方法，與基于完全模型的控制方法相比，它所依賴的關(guān)于模型和擾動(dòng)的先驗(yàn)知識(shí)比較少，自適應(yīng)控制策略可以在運(yùn)行過程中不斷提取有關(guān)模型的信息，自動(dòng)地使模型逐漸完善。自適應(yīng)控制主要能夠處理的問題：對(duì)象的動(dòng)態(tài)特性結(jié)構(gòu)已知，參數(shù)未知，滿足參數(shù)線性化條件，主要處理對(duì)象參數(shù)的不確定性。自適應(yīng)控制的發(fā)展歷程自適應(yīng)控制大約在20世紀(jì)50年代即已開始發(fā)展，當(dāng)時(shí)大都是針對(duì)具體對(duì)象的設(shè)計(jì)方案的討論，尚未形成理論體系。20世紀(jì)60年代以來，現(xiàn)代控制理論蓬勃發(fā)展所取得的一些成果，如狀態(tài)空間法、穩(wěn)定性理論、最優(yōu)控制、隨機(jī)控制和參數(shù)估計(jì)等等，為自適應(yīng)控制理論的形成和發(fā)展準(zhǔn)備了條件。自適應(yīng)控制的設(shè)想，最先是由考德威爾(W.L.Caldwell)于1950年提出來的。自適應(yīng)控制的發(fā)展歷程自適應(yīng)控制主要發(fā)展歷程：模型參考自適應(yīng)方法50年代中期--1958年美國麻省理工學(xué)院教授H.P.Whitaker首先應(yīng)用基于參數(shù)最優(yōu)化設(shè)計(jì)的模型參考自適應(yīng)方法設(shè)計(jì)直升機(jī)自適應(yīng)自動(dòng)駕駛儀研究提出的。60年代中期--Parks的基于Lyapunov穩(wěn)定性理論的模型參考自適應(yīng)控制設(shè)計(jì)。60年代末期--Landau等人的基于Popov超穩(wěn)定性理論的模型參考自適應(yīng)控制設(shè)計(jì)。自適應(yīng)控制的發(fā)展歷程自校正控制方法50年代末期--Kalmann提出的邊辨識(shí)邊控制的思想70年代初期1973年Astrom的最小方差自校正調(diào)節(jié)器1975年Clarke等人的廣義最小方差自校正控制自適應(yīng)系統(tǒng)的收斂性分析70年代初--Astrom的初步分析70年代末期--Ljung基于常微分方程(ODE)理論的收斂性分析80年代初期--Goodwin等人的基于隨機(jī)過程鞅(martingle)理論的參數(shù)收斂性和控制的穩(wěn)定性及最優(yōu)性分析90年代初--Chen和Guo的自校正調(diào)節(jié)器參數(shù)收斂性分自適應(yīng)控制的魯棒性分析及魯棒自適應(yīng)控制80年代初期--Rohrs的自適應(yīng)控制系統(tǒng)的魯棒性分析自適應(yīng)控制的主要類型可變?cè)鲆娴淖赃m應(yīng)控制(開環(huán)自適應(yīng))模型參考自適應(yīng)控制自校正控制變?cè)鲆婵刂七@種系統(tǒng)的結(jié)構(gòu)如圖1所示，其結(jié)構(gòu)和原理比較直觀，調(diào)節(jié)器按被控系統(tǒng)的參數(shù)已知變化規(guī)律進(jìn)行設(shè)計(jì)，是一種開環(huán)的自適應(yīng)控制系統(tǒng)。變?cè)鲆婵刂飘?dāng)參數(shù)因工作情況和環(huán)境等變化而變化時(shí)，通過能測(cè)量到反映系統(tǒng)當(dāng)前狀態(tài)的系統(tǒng)變量，比照對(duì)系統(tǒng)的運(yùn)行的要求(或性能指標(biāo))，經(jīng)過計(jì)算并按規(guī)定的程序來改變調(diào)節(jié)器的增益結(jié)構(gòu)。這種系統(tǒng)雖然僅僅是對(duì)增益的變化進(jìn)行自適應(yīng)調(diào)節(jié)，難以完全克服系統(tǒng)模型未知或模型參數(shù)變化帶來的影響以實(shí)現(xiàn)完善的自適應(yīng)控制，但是由于系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，響應(yīng)迅速，所以在許多實(shí)際系統(tǒng)中得到應(yīng)用。變?cè)鲆婵刂七@種系統(tǒng)雖然僅僅是對(duì)增益的變化進(jìn)行自適應(yīng)調(diào)節(jié)，難以完全克服系統(tǒng)模型未知或模型參數(shù)變化帶來的影響以實(shí)現(xiàn)完善的自適應(yīng)控制，但是由于系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，響應(yīng)迅速，所以在許多實(shí)際系統(tǒng)中得到應(yīng)用。當(dāng)然，對(duì)于復(fù)雜的被控系統(tǒng)，僅僅進(jìn)行增益的自適應(yīng)是不夠的。因此，研究對(duì)更多的參數(shù)的變化以及結(jié)構(gòu)的變化的自適應(yīng)是理論和應(yīng)用發(fā)展的需要。模型參考自適應(yīng)控制模型參考自適應(yīng)控制系統(tǒng)(ModeLReferenceAdaptiveControlSystems，MRACS)源于確定性伺服問題，其基本結(jié)構(gòu)如圖2所示，它由兩個(gè)環(huán)路所組成。內(nèi)環(huán)由調(diào)節(jié)器與被控系統(tǒng)組成可調(diào)系統(tǒng)。外環(huán)由參考模型與自適應(yīng)機(jī)構(gòu)組成。模型參考自適應(yīng)控制內(nèi)環(huán)形成一個(gè)一般的反饋控制系統(tǒng)，只是其控制器的參數(shù)不是固定的，而是由外環(huán)進(jìn)行調(diào)整。當(dāng)被控系統(tǒng)受干擾的影響而使運(yùn)行特性偏離了參考模型的輸出的期望軌跡，則通過被控系統(tǒng)和參考模型的輸出之差產(chǎn)生的廣義誤差來修改調(diào)節(jié)器的參數(shù)，使可調(diào)系統(tǒng)與參考模型相一致。模型參考自適應(yīng)控制MRAC主要針對(duì)無隨機(jī)擾動(dòng)的參數(shù)不確定對(duì)象系統(tǒng)，對(duì)象系統(tǒng)的數(shù)學(xué)模型可以是連續(xù)時(shí)間型或離散型。主要設(shè)計(jì)方法：MRACS最初由MIT的Whitaker于1958年提出，并用參數(shù)最優(yōu)化理論導(dǎo)出了自適應(yīng)規(guī)律。Whitaker方法的最大的缺陷是僅考慮了參數(shù)調(diào)節(jié)的適應(yīng)性，而不能確保所設(shè)計(jì)的自適應(yīng)系統(tǒng)是全局漸近穩(wěn)定的。60年代中期Parks提出了用Lyapunov函數(shù)設(shè)計(jì)MRACS的方法，保證了自適應(yīng)系統(tǒng)的穩(wěn)定性，推動(dòng)了MRACS的發(fā)展。70年代，Landau將Popov的超穩(wěn)定性理論用到MRACS的設(shè)計(jì)中來，得到了更加靈活方便、性能更佳的自適應(yīng)規(guī)律。自校正控制自校正控制系統(tǒng)又稱為參數(shù)自適應(yīng)系統(tǒng)，它源于隨機(jī)調(diào)節(jié)問題，其一般結(jié)構(gòu)如圖3所示。一個(gè)環(huán)路由參數(shù)可調(diào)的調(diào)節(jié)器和被控系統(tǒng)所組成，稱為內(nèi)環(huán)，它類似于通常的反饋控制系統(tǒng)；另一個(gè)環(huán)路由遞推參數(shù)估計(jì)器與調(diào)節(jié)器參數(shù)計(jì)算環(huán)節(jié)所組成，稱為外環(huán)。自校正控制自校正控制系統(tǒng)與其它自適應(yīng)控制系統(tǒng)的區(qū)別為其有一顯性進(jìn)行系統(tǒng)辨識(shí)和控制器參數(shù)計(jì)算(或設(shè)計(jì))的環(huán)節(jié)這一顯著特征。自校正控制的思想是將在線參數(shù)估計(jì)與調(diào)節(jié)器的設(shè)計(jì)有機(jī)的結(jié)合在一起。自校正控制自校正自適應(yīng)控制過程：首先進(jìn)行被控系統(tǒng)參數(shù)的在線估計(jì)；然后基于估計(jì)結(jié)果進(jìn)行調(diào)節(jié)器參數(shù)的選擇設(shè)計(jì)或計(jì)算，并根據(jù)設(shè)計(jì)結(jié)果在線修改調(diào)節(jié)器的參數(shù)并在線控制，以達(dá)到有效地消除被控系統(tǒng)的參數(shù)擾動(dòng)所造成的影響；基于系統(tǒng)運(yùn)行(控制)結(jié)果，再進(jìn)行下一周期的被控系統(tǒng)的模型(參數(shù))辨識(shí)，控制器相關(guān)參數(shù)設(shè)計(jì)(計(jì)算)及在線控制。如此循環(huán)下去，即構(gòu)成邊在線辨識(shí)系統(tǒng)模型、邊控制的自校正控制系統(tǒng)。其邊辨識(shí)邊控制的過程可由如下流程圖示。自校正控制1973年Astrom的最小方差自校正調(diào)節(jié)器，目標(biāo)函數(shù)中一步預(yù)測(cè)。1975年Clarke等人的廣義最小方差自校正控制，目標(biāo)函數(shù)增加了控制量，還是只有一步預(yù)測(cè)。后來的廣義預(yù)測(cè)控制也是在自校正控制的研究中發(fā)展起來的，目標(biāo)函數(shù)中一步預(yù)測(cè)變?yōu)槎嗖筋A(yù)測(cè)，增強(qiáng)了對(duì)模型結(jié)構(gòu)不確定性的魯棒性。最小方差自校正調(diào)節(jié)器自校正調(diào)節(jié)器(Self-TuningRegulator，STR)最早是由Astrom和Wittenmark于1973年首先提出來的，其結(jié)構(gòu)如圖1所示。STR是以RLS參數(shù)估計(jì)方法在線估計(jì)最優(yōu)預(yù)報(bào)模型，并在此基礎(chǔ)上以輸出方差最小為調(diào)節(jié)指標(biāo)的一種可以適應(yīng)參數(shù)未知或慢時(shí)變的自適應(yīng)控制系統(tǒng)。最小方差調(diào)節(jié)的基本思想是:由于系統(tǒng)中信道存在著d步時(shí)滯，這就使得當(dāng)前的控制作用u(k)要到d個(gè)采樣周期后才能對(duì)輸出產(chǎn)生影響。因此，要獲得輸出方差最小，就必須對(duì)輸出量提前d步進(jìn)行預(yù)報(bào)，然后根據(jù)預(yù)報(bào)值來計(jì)算適當(dāng)?shù)恼{(diào)節(jié)作用u(k)。這樣，通過不斷的預(yù)報(bào)和調(diào)節(jié)，就能始終保持輸出量的穩(wěn)態(tài)方差為最小。最小方差自校正調(diào)節(jié)器

在最小方差調(diào)節(jié)器的研究中，所討論的被控系統(tǒng)的模型為

A(q-1)y(k)=B(q-1)u(k-d)+C(q-1)e(k)對(duì)該系統(tǒng)，有如下假設(shè):1。

被控系統(tǒng)時(shí)滯時(shí)間d以及時(shí)滯算子q-1的多項(xiàng)式A、B和C的階次及系數(shù)都已知；2。

被控系統(tǒng)為最小相位系統(tǒng)，即多項(xiàng)式B(q-1)的所有零點(diǎn)都在單位圓內(nèi)；3。A(q-1)、C(q-1)所有零點(diǎn)都為穩(wěn)定的，即所有零點(diǎn)都在單位圓內(nèi)；4。{e(k)}為零均值白色噪聲序列，且E{e2(k)}=2。最小方差自校正調(diào)節(jié)器

預(yù)測(cè)誤差，e(k+1)，…，e(k+d)的線性組合。最小方差自校正調(diào)節(jié)器最小方差控制的目的是要確定u(k)，使得輸出的方差為最小，由于u(k)最早只能影響到y(tǒng)(k+d)，因此選擇性能指標(biāo)為顯然，使性能指標(biāo)取最小值的充要條件是：此時(shí)系統(tǒng)輸出的方差為：

由此可見，最小方差控制律可以通過先求出輸出提前d步的預(yù)測(cè)值，然后令等于理想輸出值yr(這里yr=0)而得到，因此最小方差控制問題可離成兩個(gè)問題，一個(gè)是預(yù)測(cè)問題，另一個(gè)是控制問題。最小方差自校正調(diào)節(jié)器最小方差自校正調(diào)節(jié)器缺點(diǎn)：最小方差調(diào)節(jié)系統(tǒng)的實(shí)質(zhì)，就是利用調(diào)節(jié)器的極點(diǎn)去對(duì)消被控系統(tǒng)的零點(diǎn)。僅適用于最小相位系統(tǒng)。沒有考慮使系統(tǒng)的輸出跟蹤給定的伺服輸入項(xiàng)，也沒有考慮對(duì)控制作用加以約束以避免使控制作用變化劇烈或頻繁以降低控制儀表和測(cè)量?jī)x表的損耗率。而許多實(shí)際控制系統(tǒng)的目的是使系統(tǒng)的輸出跟蹤給定的伺服輸入項(xiàng)，并對(duì)系統(tǒng)的輸入及輸入的變化量加以約束以提高系統(tǒng)的穩(wěn)定性，系統(tǒng)運(yùn)行的平穩(wěn)性，以及降低儀表的損耗。廣義最小方差自校正控制為了克服最小方差調(diào)節(jié)器和STR的上述缺陷，Clake和Gawthrop等人于1975年提出了廣義最小方差控制算法。在算法方面通過人為引入輔助系統(tǒng)，仍保留了自校正調(diào)節(jié)器的簡(jiǎn)易算法。這種算法仍然采用二次型的指標(biāo)函數(shù)，但在指標(biāo)函數(shù)中引入了對(duì)伺服輸入項(xiàng)的跟蹤和對(duì)控制作用的約束。由于引入了對(duì)控制作用的約束，不僅限制了控制作用的不適當(dāng)?shù)淖兓瑫r(shí)使得可以通過適當(dāng)選擇對(duì)控制項(xiàng)約束的權(quán)因子的大小來使得該算法能適用于非最小相位系統(tǒng)。廣義最小方差自校正控制最小方差控制器的指標(biāo)函數(shù)為

J=E{[P(q-1)y(k+d)-R(q-1)w(k)]2+[Q'(q-1)u(k)]2}w(k)為已知的參考輸入量，P，R，和Q’分別為對(duì)實(shí)際輸出、參考輸入、控制輸入的加權(quán)多項(xiàng)式。該指標(biāo)函數(shù)中若Q’=0，即不對(duì)控制項(xiàng)加以約束，則由該指標(biāo)函數(shù)所定義的控制問題即為輸出跟蹤問題。若R=Q’=0，即不考慮跟蹤伺服輸入，則該指標(biāo)函數(shù)所定義的控制問題即為上講中討論的最小方差調(diào)節(jié)器問題。也就是說，最小方差調(diào)節(jié)器可視為廣義最小方差控制器的特例。也可寫成：(53)可得到采用廣義最小方差控制后的閉環(huán)系統(tǒng)模型：閉環(huán)系統(tǒng)的特征方程：廣義最小方差自校正控制

選擇Q和P，可以配置閉環(huán)系統(tǒng)的極點(diǎn)，即P,Q的選擇將影響到系統(tǒng)的穩(wěn)定性。當(dāng)Q=0時(shí)，閉環(huán)特征方程為

因此當(dāng)受控對(duì)象為非最小相位系統(tǒng)時(shí)，閉環(huán)系統(tǒng)就不穩(wěn)定。Q=0相當(dāng)于在性能指標(biāo)中不包括對(duì)控制作用的約束，廣義最小方差控制退化為最小方差控制，因此它不適用于非最小相位系統(tǒng)。而適當(dāng)?shù)剡x擇Q不僅可使廣義最小方差控制適用于非最小相位的受控對(duì)象，保證閉環(huán)系統(tǒng)穩(wěn)定，還可保證控制u(k)不至于過大。自校正控制參數(shù)辨識(shí)方法遞推最小二乘法線性參數(shù)的最小二乘法處理最小二乘法是用于數(shù)據(jù)處理和誤差估計(jì)中的一個(gè)很得力的數(shù)學(xué)工具。對(duì)于從事精密科學(xué)實(shí)驗(yàn)的人們說來，應(yīng)用最小二乘法來解決一些實(shí)際問題，仍是目前必不可少的手段。

最小二乘法的幾何意義從幾何圖形上可看出,最小二乘法就是要在穿過各觀測(cè)點(diǎn)(xi，yi)之間找出這樣一條估計(jì)曲線，使各觀測(cè)點(diǎn)到該曲線的距離的平方和為最小。Y線性參數(shù)的測(cè)量方程線性參數(shù)的測(cè)量方程一般形式為相應(yīng)的估計(jì)量為批處理算法最小二乘估計(jì)：Y:所有觀測(cè)數(shù)據(jù)的全體，所以以上都是成批處理觀測(cè)數(shù)據(jù)的一次完成算法，是離線辨識(shí)方法。優(yōu)點(diǎn)：辨識(shí)精度高;缺點(diǎn)：計(jì)算量大（特別是高階矩陣求逆），對(duì)計(jì)算機(jī)內(nèi)存要求高，不能在線辨識(shí)！1、遞推的最小二乘法基本思想：本次（新）的估計(jì)值=上次（老）的估計(jì)值+修正項(xiàng)可以觀察隨著時(shí)間的推移，新的輸入、輸出信息不斷增加的情況下，參數(shù)估計(jì)的變化情況，特別適用于在線實(shí)時(shí)辨識(shí)。設(shè)原先得到的參數(shù)估計(jì)用表示，則其中…….(1)遞推公式：★①

②③其中說明：公式①的物理意義2.1.1預(yù)測(cè)控制產(chǎn)生及發(fā)展預(yù)測(cè)控制是一種基于模型的先進(jìn)控制技術(shù)，即模型預(yù)測(cè)控制(MPC:ModelPredictiveControl)。最早由法國工程師Richalet于1978年提出。主要特征：預(yù)測(cè)模型、滾動(dòng)優(yōu)化、反饋校正、設(shè)定值柔化。主要優(yōu)點(diǎn)：克服受控對(duì)象未建模誤差、參數(shù)與環(huán)境等方面的不確定性、大時(shí)滯或變時(shí)滯等，具有魯棒性?；绢愋停?）以非參數(shù)模型為預(yù)測(cè)模型的預(yù)測(cè)控制算法動(dòng)態(tài)矩陣控制（DMC）:Cutler提出，基于階躍相應(yīng)模型；模型算法控制（MAC）:Rauhani提出，基于脈沖階躍相應(yīng)模型。2）以參數(shù)模型為預(yù)測(cè)模型的預(yù)測(cè)控制算法廣義預(yù)測(cè)控制（GPC）:Clake提出，基于(CARIMA：ControlledAuto-RegressiveIntegratedMovingAverage)模型；廣義預(yù)測(cè)極點(diǎn)配置控制（GPPC）:Lelic提出；擴(kuò)展時(shí)域自適應(yīng)控制（EHAC）:Ydstie提出；擴(kuò)展時(shí)域預(yù)測(cè)自適應(yīng)控制（ESPAC）:DeKeyser提出。預(yù)測(cè)控制產(chǎn)生及發(fā)展模型預(yù)測(cè)控制的結(jié)構(gòu)及典型算法2.1.2模型預(yù)測(cè)控制的結(jié)構(gòu)及典型算法模型預(yù)測(cè)控制系統(tǒng)的結(jié)構(gòu):模型預(yù)測(cè)控制(MPC)系統(tǒng)大致包括四部分：預(yù)測(cè)模型：以各種不同的預(yù)測(cè)模型為基礎(chǔ)；滾動(dòng)優(yōu)化：采用在線滾動(dòng)優(yōu)化指標(biāo)；反饋校正：對(duì)預(yù)測(cè)誤差在線校正；參考軌跡：對(duì)設(shè)定值給出一個(gè)柔化的軌跡。預(yù)測(cè)控制的典型結(jié)構(gòu)。使其能夠有效地克服受控對(duì)象的不確定性、時(shí)間延遲和時(shí)變等不確定因素的動(dòng)態(tài)影響，從而達(dá)到預(yù)期的控制目標(biāo)，并使系統(tǒng)具有良好的魯棒性和穩(wěn)定性。

參考軌跡滾動(dòng)優(yōu)化被控對(duì)象在線校正預(yù)測(cè)模型輸出量y(k)控制量u(k)設(shè)定值yr(k){yp(k+j)}{ym(k+j)}柔化軌跡{yd(k+j)}圖2.1模型預(yù)測(cè)控制結(jié)構(gòu)圖模型預(yù)測(cè)控制的結(jié)構(gòu)及典型算法模型預(yù)測(cè)控制的結(jié)構(gòu)及典型算法典型模型預(yù)測(cè)控制算法

預(yù)測(cè)控制算法已有多種，基本上都是基于幾種常用的典型算法：1）動(dòng)態(tài)矩陣控制（DMC--D