模型预测控制算法的改进及其应用的研究

• 作 者: 陈欣
• 机 构: 南京信息工程大学
• 出 处: 南京信息工程大学
• 发表日期: 2010年期
• 关键词: 模型预测控制 PID控制 时延预测补偿算法 分数阶控制系统 动态矩阵控制器

模型预测控制(Model Predictive Control：MPC)是产生于工程实践的一类基于模型预测、滚动优化并结合反馈校正的先进计算机优化控制算法。由于系统模型在工业现场易于获得，不需要复杂的系统辨识与建模，采用反馈校正基础上的在线滚动优化取代传统的离线优化，所以它对模型的要求低，对模型失配、非最小相位系统以及不确定干扰的影响具有较强的鲁棒性，而且在线计算相对比较简单，适用于数字计算机计算和控制。其基本思想是将传统自校正技术的单步预测扩展为多步预测，从而有效地抑制了算法对于模型参数变化的灵敏性。它的典型算法有：模型算法控制(Model Algorithmic Control：MAC)、动态矩阵控制(Dynamic Matrix Control：DMC)、广义预测控制(GeneralizedPredictive Control：GPC)等，它们都基于模型预测、滚动优化、反馈校正三大环节。　　
传统反馈控制算法PID控制原理简单，直观易懂，易于工程实现，广泛应用于工业控制。基于对PID控制和模型算法控制优点的分析，本文研究把PID控制和模型算法控制结合起来，改变用来约束的目标函数，使之成为PID形式，形成一种新的预测控制方法(PIDMAC)。该算法既具有结构简单，参数调节方便的优点，又具有预测功能。通过MATLAB仿真，对比说明了PIDMAC算法比基本MAC算法具有更好的控制性能。　　
工业过程往往具有延迟特性。因为时延的影响，控制输入无法准确跟踪系统变化，导致控制性能退化和不稳定。本文分析了导致时延的原因，利用预测思想，采用状态空间描述的MAC算法建立时延系统模型，提出了时延预测补偿算法(TDCMAC)。引入补偿因子和过渡因子在线整定预测控制量和时延控制量，使控制作用快速平稳过渡。仿真表明预测补偿算法改进了传统MAC算法的控制性能。　　
本文具体讨论了基于状态空间的模型预测控制算法及其改进算法在大惯性二阶系统、EPA(Ethernet for Plant Automation)系统、分数阶系统、时延系统等几种典型控制系统中的应用情况。　　
将模型预测控制应用于分数阶受控对象，通过分数阶系统的动态矩阵控制器的设计和仿真，探索预测控制对于分数阶系统的适用性问题。发挥分数阶描述更接近实际系统本身和模型预测控制算法具有良好控制性能的优势，为分数阶控制系统的研究提出新的思路。