先进控制理论及其应用 葛宝明 林飞 第五章新.pptVIP

4．最优控制律 最优即时控制量为 式中 5．与DMC比较 MAC算法在一般的性能指标下会出现静差，是由于它以u作为控制量，本质上导致了比例性质的控制。而DMC算法与此不同，它以 直接作为控制量，在控制中包含了数字积分环节，因而即使在模型失配的情况下，也能导致无静差的控制，这是DMC算法的显著优越之处。 5.2.8 算法实现 1.一步优化模型预测控制算法 预测模型： 参考轨迹 ： 优化控制： 误差校正： 由此可导出最优控制量 的显式解： ① 离线计算 ② 初始化 ③ 在线计算 图10.11 一步MAC流程示意图 5.2.9 MAC的主要特征和优点 预测模型采用脉冲响应特征建模。 设计过程中固定格式是：用一次迟滞系统给出输出目标值轨迹（也称为参考轨迹或参考模型）来决定满足各种约束条件的控制量。 参数调整：用调整给定目标轨迹的一次迟滞系统的时间常数，来满足控制特性有关鲁棒稳定性、鲁棒性等指标。 特征: 主要优点: 无需降低其模型阶数。 可正确地直接进行处理。 闭环响应对于受控对象的变化具有鲁棒性。 内部模型的在线更新，可以实现增益预调整。 可以简化硬件条件。 可以采用不同的采样周期。 可以在线修改控制规则。 GPC 控制是广义预测控 ----（Generalized Predictive Control） 是20世纪80年代产生的一种新型控制方法。因为其具有较强的鲁棒性、对模型要求低等特点，更适合于实际工业生产过程和控制，所以它一经提出就在控制理论界引起了高度的重视，并随着算法的不断发展，在工业过程得到了越来越多的应用。 5.2.10 广义预测控制算法 1. 问题描述 被控对象 借助Diophantine方程 得到j步后最优预测输出y(t+j) 10.4.1 广义预测控制基本理论 2. Diophantine方程的递推求解 其中 递推求解 3. 广义预测控制方法的参数选择 最小预测时域 预测时域 控制时域 控制加权常数 4. 广义预测控制算法 流程图 GPC基本算法 1. 问题描述 被控对象 性能指标函数 借助Diophantine方程 得到j步后最优预测输出y(t+j) 5.2.11基于Toeplitz预测方程的广义预测控制 两边同乘以差分算子得到改进模型 给定单输入单输出被控对象传递函数模型 2 Toeplitz预测方程 由Y=R-E(Y,R为设定输出矩阵,E为预测输出偏差矩阵) 得到基于Toeplitz的预测方程 3. 控制律的求解 性能指标函数J 给出使J最小的控制律的解 5.3.3　同步电动机DMC位置控制 1.位置模态L∞范数性能指标DMC及其预测特性2.构建永磁同步电动机DMC位置控制系统3.仿真结果 1.位置模态L∞范数性能指标DMC及其预测特性 图512　转动惯量变化时电动机转速的响应 1.位置模态L∞范数性能指标DMC及其预测特性 0513.tif 3.仿真结果 1.预测控制包含几大机理？分别解释其意义。2.动态矩阵控制与模型算法控制各适合于何种对象？3.与常规控制比，预测控制有何不同？4.与最小方差自校正控制比，广义预测控制有何不同？与动态矩阵控制比，广义预测控制有何不同？5.某被控对象的传递函数为6.以某他励直流电动机为被控对象，试应用预测控制设计其控制系统，使电动机转速跟踪阶跃函数，并应用Matlab软件进行仿真，以考查系统性能。 3.仿真结果 图514　永磁同步电动机范数性能指标DMC位置控制系统结构图 3.仿真结果 图515　永磁同步电动机范数性能指标DMC位置控制系统的响应结果 3.仿真结果 0516.tif 3.仿真结果 0517.tif 3.仿真结果 0518.tif 3.仿真结果 0519.tif 本章小结 1. 模型预测控制是一种基于模型的滚动优化控制策略，它具有三个基本环节：预测模型、滚动优化和反馈校正。 2. DMC算法是一种基于对象阶跃响应的预测控制算法，通过改变二次型目标函数中的权系数矩阵Q, R来实现参数调整，它适用于渐进稳定的线性对象。 3. MAC使用系统的脉冲响应作为预测模型，也适用于渐进稳定的线性对象。用调整给定目标轨迹的一次迟滞系统的时间常数，来满足控制特性有关鲁棒稳定性、鲁棒性等指标。 4. GPC依赖于系统的输入-输出模型，适用于开环不稳定、非最小相位的线性系统。 在线教务辅导网： 更多课程配套课件资源请访问在线教务辅导网 5.1　基本原理 5.2　典型的预测控制算法 5.3　永磁同步电动机的DMC 预测模型 滚动优化 反馈校正 MPC原理框图 DMC算法是一种基