模型预测控制的介绍

1. 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。

2. 第三章 非线性模型参数估计

 方法——由研究目标和对象决定
   第一步 做散点图
                                           第二步，回归建模   判断方法：   1)根据散点图进行估计   2)逐个模型进行尝试   x=[0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5 11.5 12.5 13.5 14.5 15.5]   y=[26300 25100 19900 15500 11500 9800 5200 4600 3200 2300 1700 1200 900 700 600 500]   plot(x,y,'r.');   xlabel('Distance');   ylabel('average density');   hold on   X=[ones(length(y),1),x'];   Y=log(y');   [B,Bint,E,Eint,Stats]=regress(Y,X);   R2=Stats(1);   a=exp(B(1));   b=-B(2);   f=a exp(-b x);   plot(x,f,'b-');   hold off   s=sqrt(sumsqr(y-f)/(length(f)-2));   a,b,R2,s
                                           第三步，在散点图中添加趋势线
                                           第四步 模型效果分析
                                                                                   对于图像的R2进行比较，R2越大表明拟合的越好。
   第一步  构造指数函数
   第二步 非线性拟合

3. 模型预测控制的摘要

本报告为《先进过程控制》课程的学习和研读报告。主要解释模型预测控制MPC的基本方法和在实际生产中应用的意义。后一部分列出了该方法的应用举例。并指出了模型预测控制理论发展现状和前景。