模糊自适应预测控制模糊自适应控制方法
时间：2023-02-17 15:22:01 | 来源：营销百科
时间：2023-02-17 15:22:01 来源：营销百科
模糊自适应预测控制模糊自适应控制方法：(1)预测模型
预测控制应具有预测功能，即能够根据系统的现时刻的控制输入以及过程的历史信息，预测过程输出的未来值，因此，需要一个描述系统动态行为的模型作为预测模型。
在预测控制中的各种不同算法，采用不同类型的预测模型，如最基本的模型算法控制(MAC)采用的是系统的单位脉冲响应曲线，而动态矩阵控制(DMC)采用的是系统的阶跃响应曲线。这两者模型互相之间可以转换，且都属于非参数模型，在实际的工业过程中比较容易通过实验测得，不必进行复杂的数据处理，尽管精度不是很高，但数据冗余量大，使其抗干扰能力较强。
预测模型具有展示过程未来动态行为的功能，这样就可像在系统仿真时那样，任意的给出未来控制策略，观察过程不同控制策略下的输出变化，从而为比较这些控制策略的优劣提供了基础。
(2)反馈校正
在预测控制中，采用预测模型进行过程输出值的预估只是一种理想的方式，在实际过程中。由于存在非线性、模型失配和干扰等不确定因素，使基于模型的预测不可能准确地与实际相符。因此，在预测控制中，通过输出的测量值Y(k)与模型的预估值Ym(k)进行比较，得出模型的预测误差，再利用模型预测误差来对模型的预测值进行修正。
由于对模型施加了反馈校正的过程，使预测控制具有很强的抗扰动和克服系统不确定性的能力。预测控制中不仅基于模型，而且利用了反馈信息，因此预测控制是一种闭环优化控制算法。
(3)滚动优化
预测控制是一种优化控制算法，需要通过某一性能指标的最优化来确定未来的控制作用。这一性能指标还涉及到过程未来的行为，它是根据预测模型由未来的控制策略决定的。
但预测控制中的优化与通常的离散最优控制算法不同，它不是采用一个不变的全局最优目标，而是采用滚动式的有限时域优化策略。即优化过程不是一次离线完成的，而是反复在线进行的。在每一采样时刻，优化性能指标只涉及从该时刻起到未来有限的时间，而到下一个采样时刻，这一优化时段会同时向前。所以，预测控制不是用一个对全局相同的优化性能指标，而是在每一个时刻有一个相对于该时刻的局部优化性能指标。
(4)参考轨迹
在预测控制中。考虑到过程的动态特性，为了使过程避免出现输入和输出的急剧变化，往往要求过程输出y(k)沿着一条期望的、平缓的曲线达到设定值r。这条曲线通常称为参考轨迹y，。它是设定值经过在线'柔化'后的产物。
在线咨询
