《預測控制系統及其套用/電氣自動化新技術叢書》是1998年機械工業出版社出版的圖書，作者是舒迪前。
基本介紹
- 書名：預測控制系統及其套用/電氣自動化新技術叢書
- 作者：舒迪前
- ISBN：9787111050278
- 頁數：387
- 定價：20.0
- 出版社：機械工業出版社
- 出版時間：1998-06
- 裝幀：平裝
內容簡介,目錄,
內容簡介
本書是作者近年來從事預測控制――一類新型計算機控制算法方面教學和科研工作的總結。全書深入淺出、系統地介紹了模型算法控制（MAC）、動態矩陣控制（DMC）、廣義預測控制（GPC）、廣義預測極點配置控制（GPP）等幾種主要預測控制算法的基本原理、設計方法、參數選擇及閉環特性分析等，並且用內模控制結構將各類預測控制算法統一起來，給出了它們的統一格式。此外，還將預測控制與自適應控制結合起來，分析了自適應預測控制算法的全局收斂性。全書突出理論聯繫實際，給出了8個工業套用實例，實用性強，且內容新穎，條理清晰，反映了國內外預測控制的最新成就。本書適宜於從事電氣自動化技術的工程技術人員閱讀，也可作為大專院校工業自動化、自動控制、計算機套用等專業的教材和教學參考書。
目錄
目 錄
《電氣自動化新技術叢書》序言
前言
第1章 緒論
第2章 內部模型控制
2.1內部模型與內模控制器設計
2.1.1內部模型
2.1.2內模控制（IMC）系統的性質
2.1.3內模控制器設計
2.1.4非最小相位系統非參數模型內模控制器設計
2.1.5開環不穩定系統內模控制器設計
2.2推理控制
2.2.1推理控制系統的構成
2.2.2推理控制器設計
2.2.3模型誤差對系統性能的影響
2.2.4輸出可測條件下的推理控制
2.3Smith預測控制
2.3.1Smith預測控制的時延補償原理
2.3.2Smith預測控制器的內模控制結構設計
2.3.3閉環系統特性
2.4Jury穩定判據
2.5自校正內模控制器
2.5.1採用辨識參數模型的自校正控制算法
2.5.2採用辨識參數模型再轉換為非參數模型的
自校正控制算法
2.5.3採用帶誤差死區的自校正控制算法
2.6熱水鍋爐的內模控制
2.6.1數學模型及內模控制器設計
2.6.2實時控制中的幾個問題
2.7造紙機的增益自適應內模控制
2.7.1造紙過程簡介
2.7.2系統數學模型及控制器設計
2.7.3仿真及實控結果
第3章 模型算法控制
3.1單步模型算法控制
3.1.1輸出預測
3.1.2參考軌跡
3.1.3最優控制律計算
3.1.4閉環系統特性
3.1.5純時延系統的預測控制
3.2多步模型算法控制（MAC）
3.2.1多步輸出預測
3.2.2最優控制律計算
3.2.3MAC的IMC結構
3.2.4閉環系統特性
3.3增量型模型算法控制（IMAC）
3.3.1多步輸出預測
3.3.2最優控制律計算
3.3.3IMAC的IMC結構
3.3.4閉環系統特性
3.4模型算法控制系統對象模型和控制器的最小化形式
3.4.1MAC非最小化模型與最小化模型的轉換
3.4.2MAC控制器的最小化形式
3.4.3IMAC控制器的最小化形式
3.5模型算法控制系統的穩定性與魯棒性
3.5.1模型匹配時MAC系統的穩定性
3.5.2模型失配時MAC系統的穩定魯棒性
3.6預測控制系統的參數選擇
3.6.1控制參數P、M、Q、λ的選擇
3.6.2採樣周期T↓0與模型長度N的選擇
3.7單值模型算法預測控制
3.7.1控制律計算
3.7.2閉環系統特性
3.7.3閉環穩定性分析
3.8自校正模型算法控制器
3.8.1採用估計參數模型的自校正顯式算法
3.8.2採用帶誤差死區的自校正顯式算法
3.8.3採用直接辨識控制器參數的自校正隱式算法
3.8.4採用誤差預報的自校正控制算法
3.9燃煤電站球磨機的模型算法控制
3.9.1系統的控制要求與特性
3.9.2球磨機模型算法控制
3.9.3控制器的工程實踐
第4章 動態矩陣控制
4.1多步動態矩陣控制
4.1.1預測模型
4.1.2最優控制律計算
4.1.3DMC的IMC結構
4.1.4閉環系統特性
4.2極點配置動態矩陣控制
4.2.1多步輸出預測
4.2.2控制器設計
4.2.3閉環極點配置
4.3動態矩陣控制器的最小化形式
4.3.1DMC非最小化對象模型與最小化對象
模型間的轉換
4.3.2DMC控制器的最小化形式
4.4動態矩陣控制系統的狀態空間分析
4.4.1DMC系統的狀態空間描述
4.4.2狀態觀測器
4.4.3MAC系統狀態空間描述及其與DMC的統一格式
4.5雙值動態矩陣控制
4.5.1雙值動態矩陣控制算法
4.5.2關於雙值動態矩陣控制的討論
4.6自校正動態矩陣控制器
4.6.1採用估計參數模型的自校正顯式算法
4.6.2採用帶誤差死區的自校正顯式算法
4.6.3採用直接辨識控制器參數的自校正隱式算法
4.7高溫力學材料試驗機的動態矩陣控制
4.7.1高溫力學材料試驗機的結構
4.7.2計算機控制系統構成
4.7.3預測補償動態矩陣控制算法
4.7.4實時控制結果
第5章 廣義預測控制
5.1廣義預測控制的基本型式
5.1.1多步輸出預測及Diophantine方程的遞推解
5.1.2最優控制律計算
5.1.3GPC 的IMC結構
5.1.4閉環系統特性
5.1.5.顯式廣義預測自校正控制器
5.2具有模型誤差修正的廣義預測控制
5.2.1j步導前輸出
5.2.2最優控制律計算
5.2.3系統的IMC結構和閉環系統特性
5.2.4引入濾波器T（z↑1）的廣義預測控制
5.2.5顯式廣義預測自校正控制器
5.3控制器採用原模型參數的廣義預測控制
5.3.1多步導前輸出與最優控制律計算
5.3.2簡化控制律
5.3.3控制器用原模型參數廣義預測控制自校正算法
5.4直接辨識控制器參數的隱式廣義預測控制
5.4.1廣義預測控制律計算
5.4.2隱式廣義預測自校正控制器
5.5採用兩個辨識器的隱式廣義預測控制
5.5.1多步導前輸出
5.5.2最優控制律計算
5.5.3等價廣義性能指標
5.5.4參數辨識方程與辨識算法
5.6廣義預測控制的穩定性和魯棒性
5.6.1GPC系統的閉環穩定性
5.6.2GPC系統的魯棒性
5.7單值廣義預測控制
5.7.1單值GPC控制律計算
5.7.2閉環系統特性
5.7.3閉環系統穩定性分析
5.7.4討論
5.8工業鍋爐的加權廣義預測自校正控制
5.8.1工業鍋爐及其控制
5.8.2計算機控制系統的構成
5.8.3加權廣義預測控制器
5.8.4廣義預測自校正控制在鍋爐上的實現
5.8.5實際運行結果
第6章 極點配置廣義預測控制
6.1廣義預測極點配置（GPP）控制
6.1.1廣義輸出預測誤差
6.1.2最優控制律計算
6.1.3閉環系統特性與極點配置
6.1.4顯式廣義預測極點配置自校正控制器
6.2廣義預測極點配置加權控制
6.2.1基於CARMA模型的廣義預測控制
6.2.2P步加權控制律
6.2.3閉環系統輸出方程及閉環極點配置
6.2.4顯式廣義預測零極點配置自校正加權控制器
6.3煤氣罩式退火爐的廣義預測極點配置加權控制
6.3.1罩式退火爐的結構及計算機控制系統的構成
6.3.2罩式退火爐的數學模型
6.3.3控制器設計
6.3.4實際運行結果
第7章 神經網路在預測控制中的套用
7.1概述
7.2神經模型學習規則及學習算法
7.2.1單神經元模型
7.2.2神經網路的學習規則
7.2.3誤差反向傳播（BP）神經網路
7.2.4Hopfield神經網路
7.3基於神經網路的內模控制
7.3.1神經網路內部模型的建立
7.3.2神經網路逆模型的建立
7.3.3基於BP網路的自校正內模控制
7.4基於神經網路的增量型模型算法控制
7.4.1多步輸出預測與最佳化指標
7.4.2神經網路模型算法控制
7.5基於神經網路解耦的廣義預測控制
7.5.1多變數系統的耦合程度及解耦
7.5.2基於神經網路的靜態解耦
7.5.3基於神經網路的動態解耦
7.5.4單變數系統廣義預測控制
7.6電加熱爐的神經網路預測控制
7.6.1電加熱爐的神經網路內模控制
7.6.2電加熱爐的神經網路解耦廣義預測控制
第8章 預測控制算法的內模結構及其統一格式
8.1各類預測控制算法的內模結構及其統一格式
8.2基於非參數模型IMAC及DMC系統的內模結構
及其統一格式
8.3基於參數模型GPC及GPP系統的內模結構
及其統一格式
8.3.1GPC系統的內模結構及其統一格式
8.3.2GPP系統的內模結構及其統一格式
8.4結束語
第9章 自適應預測控制算法的收斂性分析
9.1顯式模型算法自校正控制器的全局收斂性
9.1.1多步輸出預測與控制律計算
9.1.2顯式自校正算法的全局收斂性
9.2隱式模型算法自校正控制器的全局收斂性
9.2.1多步輸出預測與控制律計算
9.2.2隱式自校正算法的全局收斂性
9.3顯式廣義預測自校正控制器的全局收斂性
9.3.1多步輸出預測與控制律計算
9.3.2顯式自校正控制算法的全局收斂性
9.4隱式廣義預測自校正控制器的全局收斂性
9.4.1多步輸出預測及控制律計算
9.4.2隱式廣義預測自校正控制算法
9.4.3隱式廣義預測自校正算法的全局收斂性
第10章 預測控制的現狀和發展前景
參考文獻
《電氣自動化新技術叢書》序言
前言
第1章 緒論
第2章 內部模型控制
2.1內部模型與內模控制器設計
2.1.1內部模型
2.1.2內模控制（IMC）系統的性質
2.1.3內模控制器設計
2.1.4非最小相位系統非參數模型內模控制器設計
2.1.5開環不穩定系統內模控制器設計
2.2推理控制
2.2.1推理控制系統的構成
2.2.2推理控制器設計
2.2.3模型誤差對系統性能的影響
2.2.4輸出可測條件下的推理控制
2.3Smith預測控制
2.3.1Smith預測控制的時延補償原理
2.3.2Smith預測控制器的內模控制結構設計
2.3.3閉環系統特性
2.4Jury穩定判據
2.5自校正內模控制器
2.5.1採用辨識參數模型的自校正控制算法
2.5.2採用辨識參數模型再轉換為非參數模型的
自校正控制算法
2.5.3採用帶誤差死區的自校正控制算法
2.6熱水鍋爐的內模控制
2.6.1數學模型及內模控制器設計
2.6.2實時控制中的幾個問題
2.7造紙機的增益自適應內模控制
2.7.1造紙過程簡介
2.7.2系統數學模型及控制器設計
2.7.3仿真及實控結果
第3章 模型算法控制
3.1單步模型算法控制
3.1.1輸出預測
3.1.2參考軌跡
3.1.3最優控制律計算
3.1.4閉環系統特性
3.1.5純時延系統的預測控制
3.2多步模型算法控制（MAC）
3.2.1多步輸出預測
3.2.2最優控制律計算
3.2.3MAC的IMC結構
3.2.4閉環系統特性
3.3增量型模型算法控制（IMAC）
3.3.1多步輸出預測
3.3.2最優控制律計算
3.3.3IMAC的IMC結構
3.3.4閉環系統特性
3.4模型算法控制系統對象模型和控制器的最小化形式
3.4.1MAC非最小化模型與最小化模型的轉換
3.4.2MAC控制器的最小化形式
3.4.3IMAC控制器的最小化形式
3.5模型算法控制系統的穩定性與魯棒性
3.5.1模型匹配時MAC系統的穩定性
3.5.2模型失配時MAC系統的穩定魯棒性
3.6預測控制系統的參數選擇
3.6.1控制參數P、M、Q、λ的選擇
3.6.2採樣周期T↓0與模型長度N的選擇
3.7單值模型算法預測控制
3.7.1控制律計算
3.7.2閉環系統特性
3.7.3閉環穩定性分析
3.8自校正模型算法控制器
3.8.1採用估計參數模型的自校正顯式算法
3.8.2採用帶誤差死區的自校正顯式算法
3.8.3採用直接辨識控制器參數的自校正隱式算法
3.8.4採用誤差預報的自校正控制算法
3.9燃煤電站球磨機的模型算法控制
3.9.1系統的控制要求與特性
3.9.2球磨機模型算法控制
3.9.3控制器的工程實踐
第4章 動態矩陣控制
4.1多步動態矩陣控制
4.1.1預測模型
4.1.2最優控制律計算
4.1.3DMC的IMC結構
4.1.4閉環系統特性
4.2極點配置動態矩陣控制
4.2.1多步輸出預測
4.2.2控制器設計
4.2.3閉環極點配置
4.3動態矩陣控制器的最小化形式
4.3.1DMC非最小化對象模型與最小化對象
模型間的轉換
4.3.2DMC控制器的最小化形式
4.4動態矩陣控制系統的狀態空間分析
4.4.1DMC系統的狀態空間描述
4.4.2狀態觀測器
4.4.3MAC系統狀態空間描述及其與DMC的統一格式
4.5雙值動態矩陣控制
4.5.1雙值動態矩陣控制算法
4.5.2關於雙值動態矩陣控制的討論
4.6自校正動態矩陣控制器
4.6.1採用估計參數模型的自校正顯式算法
4.6.2採用帶誤差死區的自校正顯式算法
4.6.3採用直接辨識控制器參數的自校正隱式算法
4.7高溫力學材料試驗機的動態矩陣控制
4.7.1高溫力學材料試驗機的結構
4.7.2計算機控制系統構成
4.7.3預測補償動態矩陣控制算法
4.7.4實時控制結果
第5章 廣義預測控制
5.1廣義預測控制的基本型式
5.1.1多步輸出預測及Diophantine方程的遞推解
5.1.2最優控制律計算
5.1.3GPC 的IMC結構
5.1.4閉環系統特性
5.1.5.顯式廣義預測自校正控制器
5.2具有模型誤差修正的廣義預測控制
5.2.1j步導前輸出
5.2.2最優控制律計算
5.2.3系統的IMC結構和閉環系統特性
5.2.4引入濾波器T（z↑1）的廣義預測控制
5.2.5顯式廣義預測自校正控制器
5.3控制器採用原模型參數的廣義預測控制
5.3.1多步導前輸出與最優控制律計算
5.3.2簡化控制律
5.3.3控制器用原模型參數廣義預測控制自校正算法
5.4直接辨識控制器參數的隱式廣義預測控制
5.4.1廣義預測控制律計算
5.4.2隱式廣義預測自校正控制器
5.5採用兩個辨識器的隱式廣義預測控制
5.5.1多步導前輸出
5.5.2最優控制律計算
5.5.3等價廣義性能指標
5.5.4參數辨識方程與辨識算法
5.6廣義預測控制的穩定性和魯棒性
5.6.1GPC系統的閉環穩定性
5.6.2GPC系統的魯棒性
5.7單值廣義預測控制
5.7.1單值GPC控制律計算
5.7.2閉環系統特性
5.7.3閉環系統穩定性分析
5.7.4討論
5.8工業鍋爐的加權廣義預測自校正控制
5.8.1工業鍋爐及其控制
5.8.2計算機控制系統的構成
5.8.3加權廣義預測控制器
5.8.4廣義預測自校正控制在鍋爐上的實現
5.8.5實際運行結果
第6章 極點配置廣義預測控制
6.1廣義預測極點配置（GPP）控制
6.1.1廣義輸出預測誤差
6.1.2最優控制律計算
6.1.3閉環系統特性與極點配置
6.1.4顯式廣義預測極點配置自校正控制器
6.2廣義預測極點配置加權控制
6.2.1基於CARMA模型的廣義預測控制
6.2.2P步加權控制律
6.2.3閉環系統輸出方程及閉環極點配置
6.2.4顯式廣義預測零極點配置自校正加權控制器
6.3煤氣罩式退火爐的廣義預測極點配置加權控制
6.3.1罩式退火爐的結構及計算機控制系統的構成
6.3.2罩式退火爐的數學模型
6.3.3控制器設計
6.3.4實際運行結果
第7章 神經網路在預測控制中的套用
7.1概述
7.2神經模型學習規則及學習算法
7.2.1單神經元模型
7.2.2神經網路的學習規則
7.2.3誤差反向傳播（BP）神經網路
7.2.4Hopfield神經網路
7.3基於神經網路的內模控制
7.3.1神經網路內部模型的建立
7.3.2神經網路逆模型的建立
7.3.3基於BP網路的自校正內模控制
7.4基於神經網路的增量型模型算法控制
7.4.1多步輸出預測與最佳化指標
7.4.2神經網路模型算法控制
7.5基於神經網路解耦的廣義預測控制
7.5.1多變數系統的耦合程度及解耦
7.5.2基於神經網路的靜態解耦
7.5.3基於神經網路的動態解耦
7.5.4單變數系統廣義預測控制
7.6電加熱爐的神經網路預測控制
7.6.1電加熱爐的神經網路內模控制
7.6.2電加熱爐的神經網路解耦廣義預測控制
第8章 預測控制算法的內模結構及其統一格式
8.1各類預測控制算法的內模結構及其統一格式
8.2基於非參數模型IMAC及DMC系統的內模結構
及其統一格式
8.3基於參數模型GPC及GPP系統的內模結構
及其統一格式
8.3.1GPC系統的內模結構及其統一格式
8.3.2GPP系統的內模結構及其統一格式
8.4結束語
第9章 自適應預測控制算法的收斂性分析
9.1顯式模型算法自校正控制器的全局收斂性
9.1.1多步輸出預測與控制律計算
9.1.2顯式自校正算法的全局收斂性
9.2隱式模型算法自校正控制器的全局收斂性
9.2.1多步輸出預測與控制律計算
9.2.2隱式自校正算法的全局收斂性
9.3顯式廣義預測自校正控制器的全局收斂性
9.3.1多步輸出預測與控制律計算
9.3.2顯式自校正控制算法的全局收斂性
9.4隱式廣義預測自校正控制器的全局收斂性
9.4.1多步輸出預測及控制律計算
9.4.2隱式廣義預測自校正控制算法
9.4.3隱式廣義預測自校正算法的全局收斂性
第10章 預測控制的現狀和發展前景
參考文獻
