預測控制(自動化術語)

預測控制，即模型預測控制(MPC)，是一類特殊的控制。它的當前控制動作是在每一個採樣瞬間通過求解一個有限時域開環最優控制問題而獲得。過程的當前狀態作為最優控制問題的初始狀態，解得的最優控制序列只實施第一個控制作用。這是它與那些使用預先計算控制律的算法的最大不同。本質上模型預測控制求解一個開環最優控制問題。它的思想與具體的模型無關，但是實現則與模型有關。

基本介紹

• 中文名：預測控制
• 外文名：predictive control
• 領域：自動化

發展背景

20世紀60年代初期發展起來並日趨完善的現代控制理論，具有最優的性能指標和系統而精確的理論設計方法，在航天航空、制導等領域中獲得了卓越的成就。但是在套用於工業過程控制時卻沒有收到預期的效果。究其原因，現代控制理論的基礎是精確的對象參數模型，而工業過程往往具有非線性、時變性、強耦合和不確定性等特點，難以得到精確的數學模型，因而控制效果將大大降低。面對理論發展與實際套用之間的不協調，人們從工業過程控制的特點與需求出發，探索各種對模型精度要求不高而同樣能實現高質量控制的方法。模型預測控制(Model Predictive Control，簡稱預測控制)正是在這種背景下應運而生的一類新型控制算法。一經問世，它就在石油、電力和航空等工業中得到十分成功的套用並迅速發展起來。因此，預測控制的出現並不是某種理論研究的產物，而是在工業實踐過程中發展起來的一種有效的控制方法。

基本組成

預測模型

預測控制應具有預測功能，即能夠根據系統的現時刻的控制輸入以及過程的歷史信息，預測過程輸出的未來值，因此，需要一個描述系統動態行為的模型作為預測模型。

在預測控制中的各種不同算法，採用不同類型的預測模型，如最基本的模型算法控制(MAC)採用的是系統的單位脈衝回響曲線，而動態矩陣控制(DMC)採用的是系統的階躍回響曲線。這兩者模型互相之間可以轉換，且都屬於非參數模型，在實際的工業過程中比較容易通過實驗測得，不必進行複雜的數據處理，儘管精度不是很高，但數據冗餘量大，使其抗干擾能力較強。

預測模型具有展示過程未來動態行為的功能，這樣就可像在系統仿真時那樣，任意的給出未來控制策略，觀察過程不同控制策略下的輸出變化，從而為比較這些控制策略的優劣提供了基礎。

反饋校正

在預測控制中，採用預測模型進行過程輸出值的預估只是一種理想的方式，在實際過程中。由於存在非線性、模型失配和干擾等不確定因素，使基於模型的預測不可能準確地與實際相符。因此，在預測控制中，通過輸出的測量值Y(k)與模型的預估值Ym(k)進行比較，得出模型的預測誤差，再利用模型預測誤差來對模型的預測值進行修正。

由於對模型施加了反饋校正的過程，使預測控制具有很強的抗擾動和克服系統不確定性的能力。預測控制中不僅基於模型，而且利用了反饋信息，因此預測控制是一種閉環最佳化控制算法。

滾動最佳化

預測控制是一種最佳化控制算法，需要通過某一性能指標的最最佳化來確定未來的控制作用。這一性能指標還涉及到過程未來的行為，它是根據預測模型由未來的控制策略決定的。

但預測控制中的最佳化與通常的離散最優控制算法不同，它不是採用一個不變的全局最優目標，而是採用滾動式的有限時域最佳化策略。即最佳化過程不是一次離線完成的，而是反覆線上進行的。在每一採樣時刻，最佳化性能指標只涉及從該時刻起到未來有限的時間，而到下一個採樣時刻，這一最佳化時段會同時向前。所以，預測控制不是用一個對全局相同的最佳化性能指標，而是在每一個時刻有一個相對於該時刻的局部最佳化性能指標。

參考軌跡

在預測控制中。考慮到過程的動態特性，為了使過程避免出現輸入和輸出的急劇變化，往往要求過程輸出y(k)沿著一條期望的、平緩的曲線達到設定值r。這條曲線通常稱為參考軌跡y，。它是設定值經過線上“柔化”後的產物。

基本算法

目前，預測控制的算法有幾十種，其中具有代表性的主要有模型算法控制(MAC)、動態矩陣控制(DMC)和廣義預測控制(GPC)等。

模型算法控制

模型算法控制的原理結構圖與圖8—7相似。模型算法控制的結構包括四個計算環節．即內部模型、反饋校正、滾動最佳化及參考軌跡。

這種算法的基本思想為：首先預測對象未來的輸m狀態．再以此來確定當前時刻的控制動作，即先預測再控制。由於它具有一定的預測性，使得它明顯優於傳統的先輸出後反饋冉控制的PID控制系統。

模型算法控制的具體算法很多，有單步模型算法控制、多步模型算法控制、單值模型算法控制和增量型模型算法控制等，這裡不再詳述。

動態矩陣控制

動態矩陣控制與模型算法控制的不同之處在於內部模型上。該算法採用的是工程上易於測取的對象階躍回響做模型。其算法較簡單，計算量少且魯棒性強，在石化工業中得到了廣泛的套用。

廣義預測控制

廣義預測控制是在前面幾種預測算法的基礎上，引入了自適應控制的思想。一般的預測控制算法主要通過反饋來補償系統誤差，再加上滾動最佳化技術，使模型能對因時變、干擾等造成的影響及時進行補償。但這種說法是相對的，如果內部模型的準確性很差．則仍會對系統的穩定性造成嚴重的影響。廣義預測控制就是面向此類問題的解決方案。

優點

從預測控制的基本原理來看，這類方法具有下列明顯的優點：

1. 建模方便。過程的描述可以通過簡單的實驗獲得。不需要深入了解過程的內部機理。
   
2. 採用了非最小化描述的離散卷積和模型，信息冗餘量大，有利於提高系統的魯棒性。
   
3. 採用了滾動最佳化策略，即線上反覆進行最佳化計算，滾動實施，使模型失配、畸變、擾動等引起的不確定性及時得到彌補，從而得到較好的動態控制性能。
   

特點

與其他控制算法相比，預測控制有其自身的特點：

1. 對模型的精度要求不高，建模方便，過程描述可由簡單實驗獲得；
   
2. 採用非最小化描述的模型，系統魯棒性、穩定性較好；
   
3. 採用滾動最佳化策略，而非全局一次最佳化，能及時彌補由於模型失配、畸變、干擾等因素引起的不確定性，動態性能較好；
   
4. 易將算法推廣到有約束、大遲延、非最小相位、非線性等實際過程，尤為重要的是，它能有效地處理多變數、有約束的問題。
   

套用前景

預測控制理論雖然在上個世紀70年代就已提出，在工程實踐中也有成功套用的案例，但是經過了近四十年的發展，還有很多問題值得更深入的探索和研究。

1. 預測控制理論研究。預測控制的起源與發展與工程實踐緊密相連。實際上理論研究遲後於實踐的套用。主要設計參數與動靜態特性，穩定性和魯棒性的解析關係很難得到。且遠沒達到定量的水平。
   
2. 對非線性，時變的不確定性系統的模型預測控制的問題還沒有很好的解決。
   
3. 將滿意的概念引入到系統設計中來，但滿意最佳化策略的研究還有待深入。
   
4. 預測控制算法還可以繼續創新。將其他學科的算法或理論與預測控制算法相結合，如引入神經網路、人工智慧、模糊控制等理論以更加靈活的適應生產需要。
   

從模型預測控制理論和實踐的飛速發展來看，預測控制已經存在大量成功的工業套用案例，一些線性預測和非線性預測工程軟體包已經推出和套用。傳統預測控制理論研究日臻成熟，預測控制與其他先進控制策略的結合也強益緊密。預測控制已成為一種極具工業套用前景的控制策略。