⑴ 模型预测控制模型预测控制的方法
模型预测控制是一种采用动态模型进行闭环优化的策略，其核心机制是通过预测未来的系统行为，在线优化并逐步实施控制。这种控制方法展现出优秀的控制效果和较强的鲁棒性，能有效应对过程中的不确定性、非线性以及并联性，还能轻松处理变量约束问题。主要有三种常见的预测控制算法：
首先，基于非参数模型的控制，如模型算法(MAC)和动态矩阵控制(DMC)，它们使用脉冲响应模型和有限阶跃响应模型作为预测工具，无需关注模型结构，可以自然包含过程时滞，特别适合处理动态响应不规则的对象，适用于多变量开环稳定的控制问题。
其次，ARMA或CARIMA等输入输出参数化模型的预测控制，起源于经典自适应控制，结合了自校正和预测的长处。例如，广义预测算法能在时滞变化和系统阶次不确定性的情况下实现有效的自校正，但对于多变量系统，实施较为复杂。
最后，滚动时域控制源于LQ和LQG算法，针对状态空间模型，它采用有限时域的二次性能指标和终端约束的策略，确保系统的稳定性。这种方法已扩展到跟踪控制和输出反馈控制等领域。尽管各类模型预测控制算法在模型选择、控制策略和性能追求上各有侧重，但它们都遵循滚动时域原理，包括预测模型、滚动优化和反馈校正这三个关键步骤。