《模型预测控制》PPT课件

《《模型预测控制》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、5.1引言一什么是模型预测控制(MPC)？模型预测控制（ModelPredictiveControl）是一种基于模型的闭环优化控制策略，已在炼油、化工、冶金和电力等复杂工业过程中得到了广泛的应用。其算法核心是:可预测过程未来行为的动态模型，在线反复优化计算并滚动实施的控制作用和模型误差的反馈校正。模型预测控制具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和关联性，并能方便地处理过程被控变量和操纵变量中的各种约束。二模型预测控制的产生背景1.工业需求：2.传统控制及现代控制理论的局限性(i).随着过程工

2、业日益走向大型化、连续化，工业生产过程日趋复杂多变,往往具有强藕合性、非线性、信息不完全性和大纯滞后等特征，并存在着各种约束条件，其动态行为还会随操作条件变化、催化剂失活等因素而改变。(ii).典型生产装置的优化操作点通常位于各种操作变量的约束边界处,因而一个理想的控制器应当保证使生产装置在不违反约束的情况下尽可能接近约束,以确保获取最佳经济效益。(i).传统的PID控制策略和一些复杂控制系统不能满足控制要求;(ii).现代控制理论的不作为：3.计算机技术的迅速发展为求解许多复杂控制计算问题提供了强大的物质基础。①过分依

3、靠被控对象的精确数学模型;②不能处理非线性、时变性、不确定性、有约束、多目标问题。三模型预测控制的产生过程1.模型算法控制（MAC）的产生：(i).1978年，法国的Richalet等人在系统脉冲响应的基础上，提出了模型预测启发控制(MPHC,ModelPredictiveHeuristicControl)，并介绍了其在工业过程控制中的效果；(ii).1982年，Rouhani和Mehra[2]给出了基于脉冲响应的模型算法控制(MAC,ModelAlgorithmicControl)；2.动态矩阵控制（DMC）的产生：动

4、态矩阵控制(DMC,DynamicMatrixControl)于1974年应用在美国壳牌石油公司的生产装置上，并于1980年由Culter等在美国化工年会上公开发表，3.广义预测控制（GPC）的产生：1987年，Clarke等人在保持最小方差自校正控制的在线辨识、输出预测、最小方差控制的基础上，吸取了DMC和MAC中的滚动优化策略，基于参数模型提出了兼具自适应控制和预测控制性能的广义预测控制算法。预测控制特点:对模型要求低，建模方便，不需要深入了解过程内部机理滚动优化策略，较好的动态控制效果简单实用的模型校正方法，较强的

5、鲁棒性不增加理论困难，可推广应用于有约束、大纯滞后、多输入多输出、非线性等过程一类用计算机实现的优化控制算法四预测控制的特点预测控制是一种比较特殊的控制算法：(i).起源于实践（不是理论发展的需要，而是工业实践向控制论提出的挑战）；(ii).理论研究落后于实践（定量分析）。五模型预测控制的应用在预测控制问世来，由于计算机技术的发展和日益复杂的工业系统对先进控制的需求，使预测控制的应用范围日渐扩大，控制水平日益提高。目前，预测控制已成为工业控制领域应用最多的一种先进控制策略。商品化预测控制软件产品：(i).第一代：以Ade

6、rsa的IDCOM和She11Oil的DMC为代表，算法针对无约束多变量过程;(ii).第二代：以ShellOil的QDMC为代表，处理约束多变量过程的控制问题;(iii).第三代：产品包括Adersa的HIECOM和PFC，DMC的DMCplus和Honeywell的RMPCT，算法增加了摆脱不可行解的办法，并具有容错和多个目标函数等功能。商品化预测控制软件简介5.2模型预测控制基本原理一模型预测控制的分类1.基于非参数模型的预测控制算法代表性的算法有模型算法控制(MAC)和动态矩阵控制(DMC)。这类算法适合处理开环

7、稳定多变量过程约束间题的控制；2.基于ARMA或CARIMA等输入输出参数化模型预测控制算法代表性的算法为广义预测控制算法(GPC)。这类算法可用于开环不稳定、非最小相位和时变时滞等较难控制的对象，并对系统的时滞和阶次不确定有良好的鲁棒性。但对于多变量系统，算法实施较困难。3.滚动时域控制(RecedingHorigonControl,RHC)这种算法由著名的LQ或LQG算法发展而来。对于状态空间模型，用有限时域二次性能指标再加终端约束的滚动时域控制方法来保证系统稳定性。它已拓展至跟踪控制和输出反馈控制。二模型预测控制的

8、基本原理1.预测模型预测控制的模型称为预测模型。预测控制对模型的要求不同于其他传统的控制方法，它强调的是模型的功能而不是模型的结构，只要模型可利用过去已知数据信息预测系统未来的输出行为，就可以作为预测模型。预测模型的功能为：在当前时刻，基于过程的动态模型，利用被控对象的历史信息和未来输入，预测系统未来响应。(i)传统