模型预测控制算法

1. 预测控制的原理

模型算法（MAC）控制
主要包括内部模型、反馈校正、滚动优化和参数输入轨迹等几个部分。它采用基于脉冲响应的非参数模型作为内部模型，用过去和未来的输入输出状态，根据内部模型，预测系统未来的输出状态。经过用模型输出误差进行反馈校正以后，再与参考轨迹进行比较，应用二次型性能指标进行滚动、优化，然后再计算当前时刻加于系统的控制，完成整个动作循环。
预测控制的基本特征
包括有建立预测模型方便；采用滚动优化策略；采用模型误差反馈校正。这几个特征反映了预测控制的本质，也正是这个控制算法和其他算法的不同之处。
预测控制伴随着工业的发展而来，所以，预测控制与工业生产有着紧密的结合，火电厂钢球磨煤机是一个多变量、大滞后、强耦合的控制对象，其数学模型很难准确建立。而目前国内火电厂所装设的控制器大部分是PID控制器。由于系统各变量耦合严重，PID控制器很难适应，致使钢球磨煤机不能投入自动运行。用8051单片机加上A/D8路接口及其接口电路，再加上控制键和显示器，组成了预测控制器。在采用了MAC算法之后，就能够弥补PID控制器的不足。
由于预测控制具有适应复杂生产过程控制的特点，所以预测控制具有强大的生命力。可以预言，随着预测控制在理论和应用两方面的不断发展和完善，它必将在工业生产过程中发挥出越来越大的作用，展现出广阔的应用的前景。

2. 模型预测控制算法matlab仿真问题

使劲研究吧，哥的经验告诉你，没人能给你，还要SIMULINK结构图，照DEMO里那几个研究吧，奢侈啊奢侈，我200分都求不到其中的一个小问题，你想的太简单了。。。。。。

3. 模型预测控制的介绍

模型预测控制(MPC)是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。

4. 模型预测控制的应用前景

预测控制理论虽然在上个世纪70年代就已提出，在工程实践中也有成功应用的案例，但是经过了近四十年的发展，还有很多问题值得更深入的探索和研究。
1)预测控制理论研究。预测控制的起源与发展与工程实践紧密相连。实际上理论研究迟后于实践的应用。主要设计参数与动静态特性，稳定性和鲁棒性的解析关系很难得到。且远没达到定量的水平。
2）对非线性，时变的不确定性系统的模型预测控制的问题还没有很好的解决。
3）将满意的概念引入到系统设计中来，但满意优化策略的研究还有待深入。
4）预测控制算法还可以继续创新。将其他学科的算法或理论与预测控制算法相结合，如引入神经网络、人工智能、模糊控制等理论以更加灵活的适应生产需要。
从模型预测控制理论和实践的飞速发展来看，预测控制已经存在大量成功的工业应用案例，一些线性预测和非线性预测工程软件包已经推出和应用。传统预测控制理论研究日臻成熟，预测控制与其他先进控制策略的结合也强益紧密。预测控制已成为一种极具工业应用前景的控制策略。

5. 模型预测控制的企业应用

钢铁冶金行业是一个复杂的加工过程，把铁矿石、煤等原材料加工成钢板要经过焦炉、烧结、高炉、炼钢、连铸、热轧、冷轧等多个工艺环节，这些环节中主要包括了高温处理过程(各种加热炉)和高速轧制等其他一些过程，其中的控制系统非常复杂，普通存在动态时变时滞的复杂特性。随着竞争的日趋加剧，对产品质量控制的要求越来越高，基于模型的传统控制方法难以收到令人满意的控制效果。因此，必须结合钢铁冶金的特点，将先进的控制方法以及人工智能技术引入钢铁冶金的各个工艺过程的控制之中，研究适用的控制方法。
钢铁企业的生产流程如下图所示。下面将结合钢铁企业生产工艺讲述模型预测控制在钢铁企业的应用情况：
焦炉是具有大时滞、大惯性、强非线性、多变量耦合、变参数的复杂对象，其生产过程是既受连续时间信号的驱动，又受离散事件驱动的一类混杂系统，高军伟等旧。提出了一个综合智能控制算法，采用多模型切换系统的方式对焦炉的温度进行控制。该控制算法以多变量模糊控制为核心，采用神经网络构造蓄顶温度/直行温度转换模型，增加了专家控制和预测控制，模糊控制用来控制系统的连续推焦状态．模糊控制和预测控制结合用来控制焦炉检修期间温度上升和下降趋势状态，采用专家控制的方法，通过调节吸力来控制机侧和焦侧温度不平衡的情况。该系统在北京炼焦化学厂投入生产运行后，取得良好控制效果，对提高焦炭质量、降低能耗和延长炉体使用寿命都有重要的意义。
烧结终点控制是影响烧结矿产量和质量的关键环节，但由于这个环节的动态长时间滞后，与终点调节的相关因素多，成为烧结厂自动控制的难点。针对冶金工业过程普遍存在的动态时变时滞和模糊特性，李桃等将自适应技术、预测控制与模糊控制相融合，提出一种集成型智能控制方法——自适应预测模糊控制。可以提前预测烧结过程的动态时滞和被控变量的状态。该控制方法应用于冶金原料准备阶段的烧结过程终点的控制，结果表明，控制系统能够自适应地辨识时滞的变化和预报烧结终点的波动，适当调节机速，防患于未然，以保持烧结终点稳定在设定值附近。这一控制方法同样也适用于其它存在时变时滞的复杂工业过程的控制。
在结晶器振动系统中，吴晓明[]等人采用了双值DMC控制算法，理论和实验研究表明能很好地跟踪参考轨迹，减小了非正弦波形的畸变，提高了系统的控制精度。双值动态矩阵控制算法采用了非最小化描述的离散卷积模型和滚动优化策略，使模型失配、畸变、干扰等引起的不确定性及时得到弥补，从而得到较好的动态控制性能。在连铸结晶器液位控制系统中，王朝利等人[]利用预测控制算法之一——增量型模型算法(IMAC)设计宝钢一连铸结晶器液位控制系统。模型算法控制分为单步模型算法控制、多步模型算法控制、增量型模型算法控制等多种。由于单步模型算法控制包含的控制信息量少，因而控制效果和鲁棒性都较多步模型算法控制和增量型模型算法控制差，而且单步模型算法和多步模型算法控制都无法消除扰动造成的稳态偏差，不能无偏差跟踪参考输入轨迹；而增量型模型算法控制(IMAC)恰好能解决这些问题。IMAC的引入使结晶器液位控制独具特色。仿真和对比研究表明，引入IMAC后系统的控制效果优于原先的PID控制。结晶器液位控制精度明显提高，液位波动较小且没有稳态误差，能实现无稳态偏差调节和跟踪。
热轧工艺中的步进梁加热炉温度控制对象是一复杂的多输入多输出、非线性、强耦合的分布参数系统。传统的步进梁加热炉控制采用经典PID控制器，在流量的平稳性、温度的快速跟踪等方面受到控制器本身的限制，而且不能达到好的解耦效果。汪开红等人使用基于预测控制的多变量约束控制算法，将加热炉和底层控制回路作为广义对象进行控制，所以控制器本身已经将各部段温度的耦合考虑了进去，不需要额外的解耦方案设计，较通常的PID控制具有明显的优越性。而且。这种控制的外延性好，不会因对象模型的变化使控制效果发生较大变化，这也正是先进控制的特点。在控制器设计时，由于将流量和流量的变化量加入优化目标函数，可以在保证温度跟踪精度的同时，对流量进行控制。仿真结果表明了这种先进控制算法在解耦、节能指标、跟踪平稳性等方面表现出了良好性能，表现了多变量控制的优点，使预测控制在加热炉对象上的成功应用有了理论上的证实。
热轧带钢卷取温度是影响成品带钢性能的重要工艺参数之一。层流冷却控制系统的控制目标是根据实测的带钢终轧出口温度、速度及厚度确定相应的喷水区长度，使卷取温度尽可能接近目标值，以期获得优异的成品钢卷。彭力等人运用预测控制思想，得到了一套适用性较强的控制算法，结构形式简单、可调性强、适用面广的数学模型加上分段优化、局部反馈的算法，使得控制效果有明显提高。在设计控制系统时，以温度预测模型为基础，根据带钢终轧出口温度、速度及厚度，计算出为使卷取温度达到目标值所需的喷水区长度改变量，这实际上是一种前馈控制，它往往无法保证实际的卷取温度等于目标值，为了提高控制精度，还设计了反馈控制，以弥补前馈控制的不足。建立利用带钢实测人口条件如：终轧温度、速度和厚度预测带钢经过冷却区冷却后的卷取温度，将带钢分段，把带钢每一段作为一个计算点，结合分段最优前馈控制计算，采样一段、计算一段、优化一段，体现了滚动优化的特点。

6. mpc算法是什么呢

mpc算法是模型预测控制算法。一种进阶过程控制方法，自1980年以来开始在化工炼油等过程工业得到应用，并在经济领域开始得到应用。MPC是一种多变量控制策略，其中涉及了：过程内环动态模型；控制量的历史数值；在预测区间上的一个最优值方程J。最优控制量可由以上各量求出。

模型预测控制算法的应用

预测模型是模型预测控制的基础，它能够通过控制系统中被控平台提供的当前系统状态信息，再加上未来的控制输入变量，预测到未来的被控平台的状态。

预测模型的形式没有确定的形式要求，可以是状态空间方程、传递函数也可以是阶跃响应模型、脉冲响应模型模糊模型等。根据被控对象和需要预测的状态选择合适的预测模型，对于车辆方向而言，模型预测控制选择状态空间模型比较合适。