先進(jìn)控制技術(shù)

先進(jìn)控制技術(shù)班級(jí)：雙控四班學(xué)號(hào)：1001345姓名：王亞歌介紹一種故障診斷方法的適用場(chǎng)合、基本思想及優(yōu)缺點(diǎn)。（不超過(guò)800字）解：我介紹的是關(guān)于基于時(shí)序分析的故障診斷：適用場(chǎng)合：基于時(shí)序分析的故障診斷適用于有恰當(dāng)?shù)奶卣餍盘?hào)反應(yīng)系統(tǒng)的變化，可以通過(guò)觀測(cè)到的特征信號(hào)數(shù)據(jù)序列，辨識(shí)出系統(tǒng)的模型。（所謂的特征信號(hào)是指具有特點(diǎn)：1、可測(cè)量的信號(hào)；2、對(duì)系統(tǒng)的故障敏感。）基本思想：系統(tǒng)的故障一般都會(huì)反映到系統(tǒng)中的某些觀測(cè)信號(hào)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(cè)信號(hào)。對(duì)過(guò)程的輸入輸出數(shù)據(jù)進(jìn)行信息處理和特征提取，對(duì)有序的觀測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理與分析，從而監(jiān)控工業(yè)過(guò)程的狀態(tài)變化。一個(gè)系統(tǒng)的不同狀態(tài)對(duì)應(yīng)于不同的模式，基于時(shí)序分析的故障診斷方法就是從實(shí)際情況出發(fā)，選擇工作過(guò)程中恰當(dāng)?shù)母黝愄卣餍盘?hào)，并建立時(shí)序模型；通過(guò)一定的處理以獲得系統(tǒng)的參考模式；再對(duì)系統(tǒng)目前狀態(tài)下的特征信號(hào)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(guò)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(jì)系統(tǒng)行為的發(fā)展趨勢(shì)，從而提出合理的干預(yù)措施。優(yōu)點(diǎn)：對(duì)于復(fù)雜的工業(yè)過(guò)程來(lái)說(shuō)，精確詳細(xì)的理論模型往往很難建立，即使能夠建立該過(guò)程的近似模型，往往也有很多系統(tǒng)動(dòng)態(tài)未建立到模型中去。而基于時(shí)序分析的方法僅利用了反映系統(tǒng)狀態(tài)的觀測(cè)信號(hào)，從而回避了過(guò)程建模的問(wèn)題，適用于大型工業(yè)系統(tǒng)的過(guò)程監(jiān)控。缺點(diǎn)：基于時(shí)序分析的故障診斷在有些情況下就不能利用，如：無(wú)法得到反應(yīng)系統(tǒng)變化的特征信號(hào)，或者即使觀測(cè)到特征信號(hào)的數(shù)據(jù)序列，卻無(wú)法辨識(shí)出系統(tǒng)的模型。寫(xiě)出下面問(wèn)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(shí)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(tái)）5115已知該廠生產(chǎn)每噸甲、乙藥品的利潤(rùn)分別為5萬(wàn)元和2萬(wàn)元。但根據(jù)市場(chǎng)需求調(diào)查的結(jié)果，甲藥品每周的產(chǎn)量不應(yīng)超過(guò)4噸。問(wèn)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(rùn)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(rùn)為z萬(wàn)元。則有：maxz=5x+2y'30X+20y<1605x+y<15s.t.<X<4、X、y>0即為該問(wèn)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(duì)先進(jìn)控制技術(shù)寫(xiě)一綜述報(bào)告?！隹梢葬槍?duì)某一種先進(jìn)控制技術(shù)的發(fā)展，現(xiàn)狀進(jìn)行綜述?！隹梢葬槍?duì)某幾種先進(jìn)控制技術(shù)在解決不同問(wèn)題方面的綜述?！隹梢宰赃x綜述角度。預(yù)測(cè)控制的發(fā)展綜述王亞歌1001345雙控四班摘要：近年來(lái)，預(yù)測(cè)控制在工業(yè)過(guò)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(duì)當(dāng)前各種預(yù)測(cè)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(duì)其存在的問(wèn)題和今后可能的發(fā)展趨勢(shì)作了進(jìn)一步探討。關(guān)鍵詞：預(yù)測(cè)控制；穩(wěn)定性；非線性系統(tǒng)；工業(yè)過(guò)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(duì)自動(dòng)控制技術(shù)的發(fā)展起到了積極的推動(dòng)作用。但是，實(shí)際工業(yè)過(guò)程的多變量、非線性、時(shí)變和不確定性等特點(diǎn)以及工程應(yīng)用中要求考慮控制的實(shí)時(shí)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(guò)程。為了克服理論與實(shí)際應(yīng)用之間的上述不協(xié)調(diào)性，自70年代以來(lái)，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(duì)系統(tǒng)辨識(shí)、工業(yè)過(guò)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(kāi)始突破傳統(tǒng)控制思想的約束，試圖面向?qū)嶋H工業(yè)過(guò)程的特點(diǎn)研究發(fā)展各種對(duì)模型要求低、在線計(jì)算簡(jiǎn)單方便、實(shí)時(shí)性好、控制效果佳的控制新算法。另一方面計(jì)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(yùn)行平臺(tái)和基礎(chǔ)。預(yù)測(cè)控制就是在這種情況下發(fā)展起來(lái)的一類新型控制算法。預(yù)測(cè)控制技術(shù)最初由Richalet和Cutler提出［11。由于預(yù)測(cè)控制從工業(yè)實(shí)踐過(guò)程中發(fā)展起來(lái)，最大限度地結(jié)合了工業(yè)實(shí)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(cè)控制算法不斷產(chǎn)生并得到發(fā)展。近20年來(lái)，國(guó)內(nèi)外預(yù)測(cè)控制的研究和應(yīng)用日趨廣泛。各種有關(guān)預(yù)測(cè)控制的文獻(xiàn)越來(lái)越多地出現(xiàn)在各種刊物和會(huì)議上。研究范圍已經(jīng)涉及到預(yù)測(cè)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(cè)控制方法的結(jié)合如自適應(yīng)預(yù)測(cè)控制、模糊預(yù)測(cè)控制、魯棒預(yù)測(cè)控制、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制等，還包括大量的實(shí)際工業(yè)應(yīng)用的研究。2預(yù)測(cè)控制的基本原理及特點(diǎn)預(yù)測(cè)控制算法具有三大本質(zhì)特征：預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正[2]o它是不斷滾動(dòng)的局部?jī)?yōu)化，而非全局最優(yōu)。預(yù)測(cè)模型預(yù)測(cè)控制是一種基于模型的控制算法，這一模型稱為預(yù)測(cè)模型。預(yù)測(cè)模型只注重模型的功能，而不注重模型的形式，預(yù)測(cè)模型的功能就是根據(jù)兌現(xiàn)的歷史信息和未來(lái)輸入預(yù)測(cè)系統(tǒng)的未來(lái)輸出，只要具有預(yù)測(cè)功能的模型，無(wú)論其有什么樣的表現(xiàn)形式，均可作為預(yù)測(cè)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(cè)模型，同樣，對(duì)于線性穩(wěn)定對(duì)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(cè)模型使用。例如，在DMC、MAC等預(yù)測(cè)控制策略中，采用了實(shí)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(cè)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(cè)控制時(shí)作為預(yù)測(cè)模型使用。因此，預(yù)測(cè)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(cè)模型具有展示系統(tǒng)未來(lái)動(dòng)態(tài)行為的功能。這樣，就可以利用預(yù)測(cè)模型為預(yù)測(cè)控制進(jìn)行優(yōu)化提供先驗(yàn)知識(shí)，從而決定采用何種控制輸入，使未來(lái)時(shí)刻被控對(duì)象的輸出變化符合預(yù)期的目標(biāo)。盡管生產(chǎn)過(guò)程對(duì)象都或多或少地呈現(xiàn)非線性，在預(yù)測(cè)控制系統(tǒng)中幾乎都使用線性化的模型。這種使用線性簡(jiǎn)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(shí)、經(jīng)驗(yàn)和機(jī)理建模中很容易獲得；其次，對(duì)于大多數(shù)緩慢的化工過(guò)程，在穩(wěn)態(tài)工作點(diǎn)附近的模型，使用線性化的模型不會(huì)給整個(gè)控制帶來(lái)很大的誤差；再次，在工作點(diǎn)在線辨識(shí)得到的線性模型足以滿足控制要求；最后，對(duì)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(duì)凸規(guī)劃進(jìn)行求解。滾動(dòng)優(yōu)化預(yù)測(cè)控制的最主要特征表現(xiàn)在滾動(dòng)優(yōu)化。預(yù)測(cè)控制通過(guò)某一性能指標(biāo)的最優(yōu)來(lái)確定未來(lái)的控制作用，這一性能指標(biāo)涉及到系統(tǒng)未來(lái)的行為，例如，通常可取對(duì)象輸出在未來(lái)的采樣點(diǎn)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(shí)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(lái)的行為，是根據(jù)預(yù)測(cè)模型由未來(lái)的控制策略決定的。但是，預(yù)測(cè)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(cè)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(shí)段的滾動(dòng)優(yōu)化策略，在每一采樣時(shí)刻，優(yōu)化性能指標(biāo)只涉及到從未來(lái)有限的時(shí)間，而到下一采樣時(shí)刻，這一優(yōu)化時(shí)段同時(shí)向前推移。因此，預(yù)測(cè)控制在每一時(shí)刻有一個(gè)相對(duì)于該時(shí)刻的優(yōu)化性能指標(biāo)，不同時(shí)刻優(yōu)化性能指標(biāo)的相對(duì)形式是相同的，但其絕對(duì)形式（即所包含的時(shí)間區(qū)域）則是不同的。因此，在預(yù)測(cè)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(dòng)優(yōu)化的含義，也是預(yù)測(cè)控制區(qū)別于傳統(tǒng)最優(yōu)控制的根本特點(diǎn)。對(duì)于實(shí)際的復(fù)雜工業(yè)過(guò)程來(lái)說(shuō)，模型失配、時(shí)變、干擾等引起的不確定性是不可避免的，預(yù)測(cè)控制采用這種有限時(shí)段優(yōu)化具有一定的局限性，滾動(dòng)優(yōu)化可能無(wú)法得到全局的最優(yōu)解，但優(yōu)化的滾動(dòng)實(shí)施卻能顧及由于模型失配、時(shí)變、干擾等引起的不確定性，及時(shí)彌補(bǔ)這些因素造成的影響，并始終把新的優(yōu)化建立在實(shí)際過(guò)程的基礎(chǔ)上，因此，建立在有限時(shí)段上的滾動(dòng)優(yōu)化策略更加符合過(guò)程控制的特點(diǎn)。反饋校正過(guò)程控制算法采用的預(yù)測(cè)模型通常只能粗略描述對(duì)象的動(dòng)態(tài)特性，由于實(shí)際系統(tǒng)中存在的非線性、時(shí)變、模型失配、干擾等因素，基于不變模型的預(yù)測(cè)不可能和實(shí)際情況完全相符，因此，反饋策略是不可少的。滾動(dòng)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(cè)控制算法在通過(guò)優(yōu)化確定了一系列未來(lái)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(duì)理想狀態(tài)的偏離，并不是把這些控制作用逐一全部實(shí)施，而只是實(shí)現(xiàn)本時(shí)刻的控制作用。到下一采樣時(shí)刻，首先監(jiān)測(cè)對(duì)象的實(shí)際輸出，并通過(guò)各種反饋策略，修正預(yù)測(cè)模型或加以補(bǔ)償，然后再進(jìn)行新的優(yōu)化。綜上所述，預(yù)測(cè)控制綜合利用歷史信息和模型信息，對(duì)目標(biāo)函數(shù)不斷進(jìn)行滾動(dòng)優(yōu)化，并根據(jù)實(shí)際測(cè)得的對(duì)象輸出修正或補(bǔ)償預(yù)測(cè)模型。這種控制策略更加適用于復(fù)雜的工業(yè)過(guò)程，并在復(fù)雜的工業(yè)過(guò)程中獲得了廣泛的應(yīng)用。預(yù)測(cè)控制的特點(diǎn)：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(dòng)優(yōu)化策略，使模型失配、畸變、十?dāng)_等引起的不確定性及時(shí)得到彌補(bǔ)，從而得到較好的動(dòng)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(guò)程，對(duì)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(guò)程控制。3預(yù)測(cè)控制的研究概況3.1預(yù)測(cè)控制基本算法的發(fā)展預(yù)測(cè)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(gè)方面：3.1.1變量系統(tǒng)的預(yù)測(cè)控制算法實(shí)際工業(yè)過(guò)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(dòng)態(tài)矩陣控制(MDMC)[*Tsai提出自適應(yīng)的多變量預(yù)測(cè)控制算法；Shridhar提出滾動(dòng)計(jì)算權(quán)系數(shù)矩陣解析方法的多變量預(yù)測(cè)控制方法；Hong針對(duì)不同時(shí)滯的多變量系統(tǒng)提出了一種預(yù)測(cè)控制新方法；Shensheng對(duì)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(jì)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(duì)GPC進(jìn)行解耦，并比較了各自的優(yōu)點(diǎn)；席裕庚提出了多變量系統(tǒng)DMC的解耦設(shè)計(jì)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(shí)的穩(wěn)定性和模型失配時(shí)的穩(wěn)定性即魯棒性。在內(nèi)模控制(IMC)中，這兩種情況恰好對(duì)應(yīng)著IMC系統(tǒng)的開(kāi)環(huán)穩(wěn)定性和閉環(huán)穩(wěn)定性。DMC系統(tǒng)在模型無(wú)失配時(shí)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(shí)的穩(wěn)定性則通過(guò)校正策略即濾波器的GF(z)的選擇加以改善。實(shí)踐證明，預(yù)測(cè)控制具有較強(qiáng)的魯棒性。對(duì)廣義預(yù)測(cè)控制則有：降階建模時(shí)，對(duì)模型誤差的魯棒性不夠好；對(duì)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(shí)，自校正GPC性能良好且適應(yīng)面廣囹。針對(duì)建模誤差的魯棒性問(wèn)題及設(shè)計(jì)參數(shù)選取困難，提出一種基于對(duì)象定量和定性信息的組合預(yù)測(cè)控制(CPC)"它充分利用對(duì)象的定量信息和定性信息，對(duì)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(jì)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(cè)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(cè)控制律是否存在的問(wèn)題。可行性與穩(wěn)定性有一定關(guān)系。可行性問(wèn)題大體存在于兩方面:無(wú)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(cè)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(wú)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(duì)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(jì)參數(shù)各種選取條件下GPC可行性問(wèn)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(shí)際過(guò)程中，輸入輸出變量常受到各種物理?xiàng)l件的限制，即硬約束。常見(jiàn)的有變量的幅值、速率、加速度約束等。有時(shí)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(diǎn)，這些稱為軟約束。而預(yù)測(cè)控制方法是惟一能在控制器設(shè)計(jì)過(guò)程中系統(tǒng)地、顯式地處理過(guò)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(cè)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(shí)現(xiàn)有約束多自由度優(yōu)化(CMMO)，并由操作者參與決策的實(shí)用控制方法；Kuznetsov針對(duì)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(cè)控制。3.1.4基本預(yù)測(cè)控制方法的其他改進(jìn)算法隨著預(yù)測(cè)控制應(yīng)用的日益廣泛，出現(xiàn)了一系列新算法。對(duì)于MAC,Maurath和Bruijin在單步輸出預(yù)測(cè)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(jì)參數(shù)模型的顯式自校正MAC。對(duì)于DMC，石中鎖提出在優(yōu)化性能指標(biāo)中引入加權(quán)多項(xiàng)式，通過(guò)適當(dāng)選擇該多項(xiàng)式可將閉環(huán)極點(diǎn)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(diǎn)配置DMC；石中鎖提出通過(guò)引入一廣義性能指標(biāo)，構(gòu)造兩個(gè)辨識(shí)器來(lái)直接辨識(shí)控制器參數(shù)的隱式自校正DMC；李偉提出雙值DMC的簡(jiǎn)化算法；張青得出雙信號(hào)DMC；席裕庚提出DMC-PID的串級(jí)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(duì)象階躍響應(yīng)的適用于過(guò)阻尼對(duì)象的自校正DMC的改進(jìn)算法。對(duì)于GPC，王偉提出直接辨識(shí)控制參數(shù)的廣義預(yù)測(cè)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(jì)算；袁著祉提出性能指標(biāo)加權(quán)的廣義預(yù)測(cè)自適應(yīng)控制算法，采用時(shí)變遺忘因子的最小二乘法在線遞推辨識(shí)參數(shù)；Lelic提出極點(diǎn)配置廣義預(yù)測(cè)控制；Yamamoto提出基于廣義預(yù)測(cè)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(cè)控制；Ordys提出基于狀態(tài)方程模型的廣義預(yù)測(cè)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(cè)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(wèn)題的快速?gòu)V義預(yù)測(cè)控制算法；慕德俊提出脈動(dòng)算法實(shí)現(xiàn)輸入輸出模型的參數(shù)辨識(shí)及廣義預(yù)測(cè)自校正控制；王軼通過(guò)并行算法提高了GPC的實(shí)時(shí)性和對(duì)復(fù)雜對(duì)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(lái)改善GPC的控制效果；陳悅采用內(nèi)模統(tǒng)一預(yù)測(cè)控制，克服了一般預(yù)測(cè)控制器設(shè)計(jì)時(shí)難以比較每種控制器效果的缺點(diǎn)。特別指出的是，Richalet在MAC的基礎(chǔ)上提出了一種新的預(yù)測(cè)控制方法 預(yù)測(cè)函數(shù)控制(PFC)[9]。PFC具有一般預(yù)測(cè)控制的三大特點(diǎn)，與其他預(yù)測(cè)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(guò)程特性和跟蹤設(shè)定值的函數(shù)有關(guān)。因此每一時(shí)刻計(jì)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(guò)程響應(yīng)，通過(guò)對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化計(jì)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(cè)函數(shù)控制方法的特點(diǎn)：控制量計(jì)算方程簡(jiǎn)單，實(shí)時(shí)控制計(jì)算量小，適用于快速系統(tǒng)的控制;可以處理不穩(wěn)定、時(shí)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(shù)青，趙景波都進(jìn)行了這方面研究。3.2非最小相位過(guò)程的預(yù)測(cè)控制從系統(tǒng)的傳遞函數(shù)分析可以看到，若對(duì)非最小相位系統(tǒng)進(jìn)行設(shè)計(jì)，需要根據(jù)特征方程的全部根都落在單位圓中的原則來(lái)選擇數(shù)學(xué)模型，顯然這不是惟一的。設(shè)計(jì)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(diǎn)配置、帶有加權(quán)因子的性能指標(biāo)及在預(yù)測(cè)步長(zhǎng)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(cè)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(xiàng)式的所有根均落在單位圓內(nèi)。而采用極點(diǎn)配置方法的困難在于如何決定系統(tǒng)極點(diǎn)的最終位置。因此，預(yù)測(cè)控制在做了較小的變動(dòng)后可以適用于非最小相位系統(tǒng)。3.3大時(shí)滯過(guò)程的預(yù)測(cè)控制針對(duì)大遲延系統(tǒng)，文獻(xiàn)［5］參考史密斯預(yù)報(bào)的思想，提出了采用DMC預(yù)報(bào)控制方法。為克服大延遲，重新構(gòu)造動(dòng)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(méi)有遲延部分的動(dòng)態(tài)矩陣，得到的輸出預(yù)報(bào)值已消除了純延遲的影響，在它反饋給控制器后計(jì)算出的控制量能產(chǎn)生較好的控制效果。基于預(yù)測(cè)控制偏差的模型算法控制方法，開(kāi)拓了單步預(yù)測(cè)難以應(yīng)用的領(lǐng)域，既保持了MAC的優(yōu)點(diǎn)，又能直接應(yīng)用于大延遲系統(tǒng)。該方法預(yù)測(cè)的是系統(tǒng)穩(wěn)態(tài)時(shí)的偏差，與純延遲無(wú)關(guān)，能較簡(jiǎn)單地解決用多步MAC才能解決的問(wèn)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(cè)控制系統(tǒng)非線性MPC系統(tǒng)的研究對(duì)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(duì)普遍意義下的非線性差分或微分系統(tǒng)，主要?dú)w結(jié)為設(shè)計(jì)NLMPC策略使系統(tǒng)滿足一定性能要求及設(shè)計(jì)NLMPC優(yōu)化算法使在線計(jì)算下降。其研究?jī)?nèi)容有以下幾方面。3.4.1線性化方法通過(guò)把非線性模型線性化后，按照線性系統(tǒng)滾動(dòng)優(yōu)化設(shè)計(jì)預(yù)測(cè)控制器，而模型預(yù)測(cè)一般仍采用非線性模型。模型線性化后會(huì)產(chǎn)生一定的預(yù)測(cè)誤差，可用在線辨識(shí)的方法來(lái)修正線性化模型。對(duì)于間隙非線性系統(tǒng)，孫西引入非線性預(yù)補(bǔ)償器，使廣義系統(tǒng)轉(zhuǎn)化為偽線性系統(tǒng)，但不能完全補(bǔ)償間隙非線性特性。劉兵引入與其不同的間隙預(yù)補(bǔ)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(yùn)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(duì)非線性部分進(jìn)行預(yù)估和協(xié)調(diào)，把非線性滾動(dòng)優(yōu)化問(wèn)題轉(zhuǎn)化為線性問(wèn)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(lái)進(jìn)行描述，其相應(yīng)的非線性預(yù)測(cè)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(guò)在多個(gè)系統(tǒng)平衡點(diǎn)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(shí)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?jiǎn)化非線性優(yōu)化問(wèn)題，降低計(jì)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(cè)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(cè)控制；陳增強(qiáng)通過(guò)對(duì)系統(tǒng)的信號(hào)約束，構(gòu)成有約束多變量廣義預(yù)測(cè)控制問(wèn)題，并運(yùn)用Tank-Hopfield優(yōu)化神經(jīng)網(wǎng)絡(luò)來(lái)求解這一復(fù)雜的優(yōu)化問(wèn)題；劉軍利用前饋神經(jīng)網(wǎng)絡(luò)建立對(duì)象的非線性預(yù)測(cè)模型，用多級(jí)階躍響應(yīng)建立線性模型，利用平均模型進(jìn)行滾動(dòng)優(yōu)化、非線性預(yù)測(cè)模型校正線性模型的方法來(lái)實(shí)現(xiàn)非線性預(yù)測(cè)控制。另外，劉志遠(yuǎn)將準(zhǔn)無(wú)限時(shí)域非線性預(yù)測(cè)控制方法推廣到更一般情況［7］。3.5魯棒預(yù)測(cè)控制MPC魯棒性問(wèn)題的研究分魯棒分析和魯棒綜合2個(gè)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(wèn)題建立在被控對(duì)象模型不確定性描述基礎(chǔ)上。大多數(shù)魯棒MPC設(shè)計(jì)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(wèn)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(jì)分為3類：基于不確定FIR模型的min-max設(shè)計(jì)；基于LMI的MPC；滾動(dòng)時(shí)域H控制?？偟膩?lái)說(shuō)，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(lái)保證魯棒穩(wěn)定性的魯棒約束條件或用來(lái)改善魯棒性的可調(diào)變量，設(shè)計(jì)魯棒控制器使控制系統(tǒng)在穩(wěn)定的同時(shí)具有一定的魯棒性。Garica從結(jié)構(gòu)設(shè)計(jì)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(shí)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(cè)控制穩(wěn)定性和魯棒性判據(jù)；Sairam用Lyapunov函數(shù)來(lái)分析穩(wěn)定性。還有針對(duì)特定對(duì)象分析預(yù)測(cè)控制方法穩(wěn)定性和魯棒性的，如席裕庚對(duì)一類典型振蕩過(guò)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(jì)參數(shù)與系統(tǒng)穩(wěn)定性、動(dòng)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(cè)時(shí)域內(nèi)每步的控制量都等于當(dāng)前時(shí)刻控制量來(lái)進(jìn)行預(yù)測(cè)的單值模型算法預(yù)測(cè)控制，給出了閉環(huán)系統(tǒng)的穩(wěn)定性條件；席裕庚對(duì)廣義動(dòng)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(cè)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(cè)時(shí)域足夠長(zhǎng)時(shí)可保證GPC閉環(huán)穩(wěn)定性。針對(duì)預(yù)測(cè)時(shí)域過(guò)長(zhǎng)難以保證穩(wěn)定性的問(wèn)題，Kwon，Mosca，Kim，Clarke分別提出限制終點(diǎn)狀態(tài)為零或終點(diǎn)狀態(tài)加權(quán)的GPC方法。針對(duì)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(cè)控制方法隨著預(yù)測(cè)控制理論研究的不斷深入、研究領(lǐng)域的不斷擴(kuò)展，越來(lái)越多的學(xué)者開(kāi)始嘗試把其他控制理論與預(yù)測(cè)控制相結(jié)合，形成了許多新的預(yù)測(cè)控制方法。比較典型的預(yù)測(cè)控制有以下幾個(gè)方面。模糊預(yù)測(cè)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(cè)控制相結(jié)合的模糊預(yù)測(cè)控制，該算法可適用于非線性系統(tǒng)。對(duì)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(cè)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(cè)控制相結(jié)合形成了灰色預(yù)測(cè)控制?；谏窠?jīng)網(wǎng)絡(luò)的自適應(yīng)預(yù)測(cè)控制：將神經(jīng)網(wǎng)絡(luò)、自適應(yīng)、預(yù)測(cè)控制三者結(jié)合提出新的預(yù)測(cè)控制方法（黃顯高1997，陳增強(qiáng)1998，劉曉華1996，袁斌1999）?；谏窠?jīng)網(wǎng)絡(luò)的自適應(yīng)模糊預(yù)測(cè)控制：將神經(jīng)網(wǎng)絡(luò)、自適應(yīng)、模糊控制、預(yù)測(cè)控制四者結(jié)合形成新的預(yù)測(cè)控制方法（張阿卜1999）。3.7預(yù)測(cè)控制方法的工業(yè)應(yīng)用預(yù)測(cè)控制理論從工業(yè)實(shí)踐而來(lái)，隨著其理論研究的不斷深入，預(yù)測(cè)控制在工業(yè)過(guò)程的應(yīng)用越來(lái)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(dòng)、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(jì)顯示，在工業(yè)領(lǐng)域中應(yīng)用預(yù)測(cè)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(zhǎng)的趨勢(shì)，數(shù)量上已遠(yuǎn)遠(yuǎn)超過(guò)這個(gè)數(shù)字。預(yù)測(cè)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(lái)了巨大的效益。在國(guó)內(nèi)，預(yù)測(cè)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(jì)，在這里僅僅列舉幾個(gè)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(cè)控制應(yīng)用廣泛、成熟和占主導(dǎo)地位的另一個(gè)標(biāo)志是自預(yù)測(cè)控制提出和得到成功應(yīng)用以來(lái)，許多大公司不斷推出和更新各種預(yù)測(cè)控制工程軟件產(chǎn)品，為預(yù)測(cè)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(diǎn)是預(yù)測(cè)控制算法適用于無(wú)約束的對(duì)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(cuò)、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(cè)控制理論的發(fā)展會(huì)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(cè)控制中存在的問(wèn)題及今后的發(fā)展方向就目前的研究現(xiàn)狀看，預(yù)測(cè)控制的研究中主要存在以下問(wèn)題：理論分析難以深入；對(duì)多變量預(yù)測(cè)控制算法的穩(wěn)定性、魯棒性的研究亟待解決；對(duì)非線性系統(tǒng)的預(yù)測(cè)控制還沒(méi)有很好地解決。要解決這些問(wèn)題，在算法研究上應(yīng)緊扣預(yù)測(cè)控制的模型預(yù)測(cè)、滾動(dòng)優(yōu)化和反饋校正這三大機(jī)理進(jìn)行［6］。預(yù)測(cè)模型的特點(diǎn)是重在功能而非結(jié)構(gòu)，應(yīng)充分利用對(duì)象的各種先驗(yàn)知識(shí)，建立沒(méi)有結(jié)構(gòu)限制的高質(zhì)量模型，或利用對(duì)象過(guò)程中的有效信息建立多個(gè)不同結(jié)構(gòu)和功能的預(yù)測(cè)模型并進(jìn)行預(yù)測(cè)，基于某種綜合優(yōu)化指標(biāo)，確立某個(gè)時(shí)段的優(yōu)化控制方案，根據(jù)多個(gè)并行預(yù)測(cè)結(jié)果綜合確定預(yù)測(cè)值。優(yōu)化策略的研究目前多為無(wú)約束的二次性能指標(biāo)優(yōu)化，實(shí)際問(wèn)題則是多目標(biāo)多自由度的優(yōu)化問(wèn)題