⑴ 模型預測控制模型預測控制的方法
模型預測控制是一種採用動態模型進行閉環優化的策略，其核心機制是通過預測未來的系統行為，在線優化並逐步實施控制。這種控制方法展現出優秀的控制效果和較強的魯棒性，能有效應對過程中的不確定性、非線性以及並聯性，還能輕松處理變數約束問題。主要有三種常見的預測控制演算法：
首先，基於非參數模型的控制，如模型演算法(MAC)和動態矩陣控制(DMC)，它們使用脈沖響應模型和有限階躍響應模型作為預測工具，無需關注模型結構，可以自然包含過程時滯，特別適合處理動態響應不規則的對象，適用於多變數開環穩定的控制問題。
其次，ARMA或CARIMA等輸入輸出參數化模型的預測控制，起源於經典自適應控制，結合了自校正和預測的長處。例如，廣義預測演算法能在時滯變化和系統階次不確定性的情況下實現有效的自校正，但對於多變數系統，實施較為復雜。
最後，滾動時域控制源於LQ和LQG演算法，針對狀態空間模型，它採用有限時域的二次性能指標和終端約束的策略，確保系統的穩定性。這種方法已擴展到跟蹤控制和輸出反饋控制等領域。盡管各類模型預測控制演算法在模型選擇、控制策略和性能追求上各有側重，但它們都遵循滾動時域原理，包括預測模型、滾動優化和反饋校正這三個關鍵步驟。