预测控制的现状和发展前景 预测控制一经问世，即在复杂工业过程中得到成功应用，显示出强大的生命力，它的应用领域也已扩展到诸如化工、石油、电力、冶金、机械、国防、轻工等各工业部门。它的成功主要是由于它突破了传统控制思想的约束．采用了预测模型、滚动优化、反馈校正和多步预测等新的控制策赂，获取了更多的系统运行信息，因而使控制效果和鲁棒性得以提高。 预测控制的理论研究工作也取得了进展。比如采用内模结构的分析方法，为研究预测控制的运行机理、动静态待性、稳定性和鲁棒性提供了方便。运用内模结构的分析方法还可找出各类预测控制算法的共性，建立起它们的统一格式，便于对预测控制的进一步理解和研究。此外，将预测控制与自校正技术结合起来，可以提高预测模型的精度；减少预测模型输出误差，提高控制效果。但现有的理论研究仍远远落后于工业应用实践。从目前发表的文献来看，理论分析研究大多集中在单变量、线性化模型等基本算法上：而成功的工业应用实践又大多是复杂的多变量亲统；这表明预测控制的理论研究落后于工业生产实际；因此，如何突破现状，解决预测控制中存在的问题，对促进这类富有生命力的新型计算机控制算法的进一步发展有重要意义。下面就目前预测控制中存在的主要问题和发展前景作些探讨。 (1) 进一步开展对预测控制的理论研究，探讨算法中主要设计参数对稳定性、鲁棒性及其他控制性能的影响，给出参数选择的定量结果。 上述问题的主要困难是，由于采用以大范围输出预测为基础的在线滚动优化控制策略，使得预测控制闭环输入、输出方程非常复杂，其主要设计参数都足以蕴含的方式出现在闭环传递函数中，因而难以用解析表示式表示出各参数变化对闭环系统动、静态特性、稳定性和鲁棒性的影响，给出设计参数变化的选择准则。要突破这一点，还要做大量工作，需要探讨新的分析方法。 (2)研究当存在建模误差及干扰时，顶测控制的鲁棒性，并给出定量分析结果。 在设计控制系统时，对于建模误差及干扰等的影响，并未考虑在内。实际上，为了简化问题，常对模型作降阶处理及其他简化，对一些次要的动特性和外部扰动也予以忽略。在这种情况下，系统在运行过程中能否保证稳定，具有所期望的控制性能，并能保证到什么程度，这就是的“近年来所谓的“控制系统的鲁棒性”问题。所谓鲁棒性是指系统的稳定性及其性能指标对结构和参数变化的不敏感性，也就是当内部和外部条件变化时，系统本身仍然能保持性能良好的运行的鲁棒程度。鲁棒性分为稳定鲁棒性和性能鲁棒性两种，稳定鲁棒件说明实际系统偏离设计所用数学模型，出现模型误差时，系统保持闭环稳定性的能力。性能鲁棒性是表示实际系统偏离设计所用数学模型时，系统保持满意性能的能力。虽然性能鲁棒性隐含着稳定的要求，但其着眼点不是集中在稳定性上，至今控制系统统的鲁棒性主要是研究稳定鲁棒性，因为稳定性是—个控制系统首先要保证的条件。 分析预测控制系统的稳定鲁棒性有一定难度。当过程模型采用非最小化的非非参数模型时，如MAC、DMC等，研究闭环系统的稳定鲁棒性涉及到高阶多项式稳定性的判别问题．且可调设计参数又隐含在闭环传递函数中，难于找出它们与稳定鲁棒性的定量关系，增加了分析的难度，当过程模型采用最小化的参数模型时，如GPR，GPP等，虽模型的参数个数少了，可大大降低闭环特征多项式的阶次，有可能定量地分所闭环系统的稳定鲁棒性。但因为采用了最小化的经简化后的低阶模型，没有包含在模型内的未建模动态和于扰等，在某些特定条件下有可能被激发，导致系统无法稳定运行，这其中所遇到的问题与研究自适应控制系统鲁棒性的问题相类似，解决这一问题，尚需进—步做工作。 当前，研究预测控制系统的稳定鲁棒性，除了继续从理论上进行探讨、研究新的分析方
鲁棒控制理论中的H∞控制理论 （浙江大学宁波理工学院信息科学与工程分院自动化） 【摘要】首先简要的介绍了鲁棒控制中的H∞控制理论，并把其发展分为两个阶段，而后就上当已存在的H∞控制的主要成果进行了讨论和归纳，还指出了H∞控制理论尚未解决的问题。 【关键词】H∞控制理论；非线性系统；时滞；范数 1.概述 鲁棒控制（Robust Control）方面的研究始于20世纪50年代。在过去的20年中，鲁棒控制一直是国际自控界的研究热点。所谓鲁棒性，是指标称系统所具有的某一种性能品质对于具有不确定性的系统集的所有成员均成立，如果所关心的是系统的稳定性，那么就称该系统具有鲁棒稳定性；如果所关心的是用干扰抑制性能或用其他性能准则来描述的品质，那么就称该系统具有鲁棒性能。主要的鲁棒控制理论有：Kharitonov区间理论；H∞控制理论；结构奇异值理论u理论； 鲁棒控制理论是分析和处理具有不确定性系统的控制理论，包括两大类问题：鲁棒性分析及鲁棒性综合问题。鲁棒性分析是根据给定的标称系统和不确定性集合，找出保证系统鲁棒性所需的条件；而鲁棒性综合（鲁棒控制器设计问题）就是根据给定的标称模型和不确定性集合，基于鲁棒性分析得到的结果来设计一个控制器，使得闭环系统满足期望的性能要求。 2．H∞控制理论出现的背景及意义 1981年，加拿大著名学者Zames在其论文中引入了H∞范数作为目标函数进行优化设计，标志着H∞控制理论的诞生。Zames考虑了这样一个单入单出( SISO)系统的设计问题: 假设干扰信号属于某一有限能量的已知信号集，要求设计一个反馈控制器，使闭环系统稳定，且干扰对系统的影响最小。要解决这样的问题就必须在能够使闭环系统稳定的所有控制器中选出一个控制器使之相应的灵敏度函数的H∞范数最小。 虽然Zames 首先提出了H∞最优化问题，但是他没能给出行之有效的解法。
稳定预测控制方法 1、 线性二次型调节问题(LQR-Linear Quadratic Regulator)：不考虑约束、稳定、最优 (1)()()k k k +=+x Ax Bu k 0 [()()()()]T T J k k k k ∞ ==+∑x Qx u Ru ()()k Kx k =-u ；T 1T ()K R B PB B PA -=+ 代数Riccati 方程：1-()T T T T P A PA Q A PB R B PB B PA -=++ 2、 有限时域最优控制问题：不考虑约束、最优、不保证稳定 N-1 N k 0 ()()[()()()()]T T T J x N Sx N k k k k ==++∑x Qx u Ru 1()()()[(1)](1)()T T u k K k x k R B P k B B P k Ax k -=-=-+++ 差分Riccati 方程：11()(1)[(1)]T T P k A P k I BR B P k A Q --=++++ 反向递推求解，()P N S = 3、 最小方差调节问题：不考虑约束、一步预测、仅适用于最小相位系统 4、 经典预测控制算法(DMC 、GPC 、MAC 等) a 、 不考虑约束时，在一定条件下等价于有限时域最优控制问题，使系统稳定需满足一定条 件； ● 经典预测控制在一定条件下(开环稳定对象(因为DMC 和MAC 只能用于开环稳定对 象)、采用相同的性能指标函数、无需反馈校正)等价；GPC 的优势是采用的是参数模型，便于采用自适应控制。 ● 经典预测控制在一定条件下(采用相同的性能指标函数P=M=N)都等价于有限时域 最优控制问题(严格说是有限时域最优输出控制问题，应在上述描述中增加输出描述，即与C 有关)。只不过求解方法不同，有限时域最优控制问题采用最小值原理，需递推求解Riccati 方程，计算复杂；经典预测控制直接求解优化问题。 ● 有限时域最优控制问题求得的未来N 个最优解的反馈增益是时变的(即使对LTI 系 统)，当预测时域N 趋于无穷时，反馈增益趋于一个常数。经典预测控制仅当采用滚动时域策略时,才成为一个线性时不变控制器。从而才可以用经典稳定性方法判断稳定性(考察其闭环极点位置)。 b 、 考虑约束时，最终归结为求解二次规划问题，通常只能求数值解，无稳定性保证。 5、 稳定预测控制方法 (1) 为什么要研究稳定预测控制方法： a 、controller online redesign ，如adaptive control,经典预测控制稳定性依赖于控制器参数设置，调整缺乏有效方法； b 、经典预测控制在约束情况下往往只能求得数值解，难于分析稳定性，需要一种能显式保
鲁棒控制理论综述 作者学号： 摘要：本文首先介绍鲁棒控制理论涉及的两个基本概念（不确定性和鲁棒）和发展过程，然 H控制理论，最后指出鲁棒控制研后叙述鲁棒控制理论中两种主要研究方法：μ理论、∞ 究的问题和扩展方向。 H控制理论 关键词：鲁棒控制理论，μ理论，∞ 一、引言 自从系统控制（Systems and Control）作为一门独立的学科出现，对于系统鲁棒性的研究也就出现了。这是由这门学科的特色和研究对象决定的。对于世界上的任何系统。由于系统本身复杂性或是人们对其认识的不全面，在系统建立模型时，很难用数学语言完全描述刻画。在这样的背景下，鲁棒性的研究也就自然而然地出现了。 二、不确定性与鲁棒 1、不确定性 谈到系统的鲁棒性，必然会涉及系统的不确定性。由于控制系统的控制性能在很大程度上取决于所建立的系统模型的精确性，然而，由于种种原因实际被控对象与所建立的模型之间总存在着一定的差异，这种差异就是控制系统设计所面临的不确定性。这种不确定性通常分为两类：系统内部的不确定性和系统外部的不确定性。这样，就需要一种能克服不确定性影响的控制系统设计理论。这就是鲁棒控制所要研究的课题。 2、鲁棒 “鲁棒”一词来自英文单词“robust”的音译，其含义是“强壮”或“强健”。所谓鲁棒性（robustness）,是指一个反馈控制系统在某一特定的不确定性条件下具有使稳定性、渐近调节和动态特性这三方面保持不变的特性，即这一反馈控制系统具有承受这一类不确定性的能力。具有鲁棒性的控制系统称为鲁棒控制系统。在工程实际控制问题中，系统的不确定性一般是有界的，在鲁棒控制系统的设计中，先假定不确定性是在一个可能的范围内变化，然后在这个可能的变化范围内进行控制器设计。鲁棒控制系统设计的思想是：在掌握不确定性变化范围的前提下，在这个界限范围内进行最坏情况下的控制系统设计。因此，如果设计的控制系统在最坏的情况下具有鲁棒性，那么在其他情况下也具有鲁棒性。 三、发展历程 鲁棒控制系统设计思想最早可以追溯到1927年Black针对具有摄动的精确系统的大增益反馈设计。由于当时不知道反馈增益和控制系统稳定性之间的确切关系，所以设计出来的控制系统往往是动态不稳定的。早期的鲁棒研究主要集中在Bode图，1932年Nyquist提出了基于Nyquist曲线的频域稳定性判据，使得反馈增益和控制系统稳定性之间的关系明朗化。1945年Bode讨论了单输入单输出（SISO）反馈系统的鲁棒性，提出了利用幅值和相位稳定裕度来得到系统能容许的不确定范围。这些方法主要用于单输入单输出系统而且这些关于鲁棒控制的早期研究主要局限于系统的不确定性是微小的参数摄动情形，尚属灵敏度分析的范畴，从数学上说是无穷小分析思想，并且只是停留在理论上。20世纪六七十年代，鲁棒控制只是将SISO系统的灵敏度分析结果向MIMIO进行了初步的推广[1]，与此同时，状态空间理论引入控制论后，系统控制取得了很大的发展，鲁棒问题也显得更加重要，其中就要提到两篇对现代鲁棒控制理论的建立有重要影响的文章：一篇是Zames在1963年关于小增益定理的论文[2]，另一篇是1964年Kalman关于单入单输出系统LQ调节器稳定裕量分析的研究报告[3]。鲁棒控制这一术语第一次在论文中出现是在1971年Davion的论文[4]，而首先将鲁棒控制写进论文标题的是Pearson等人于1974年发表的论文[5]。当然，鲁棒控制能够
第!"卷第!期 !##!年$月自动化学报%&’%%(’)*%’+&%,+-+&%./01!"2-/1!333333333333444 4*5672!##!短文一种基于89理论的鲁棒预测控制方法:;陈虹:刘志远!:<吉林大学控制科学与工程系长春:$##!=;!<哈尔滨工业大学控制科学与工程系哈尔滨:=###:;<>?@5A 0B C D E F D G H 0I 7E J I 7C F K D A L I 5F G M I N 0A C 7D 67D 07C F ;摘 要融合O 9控制的鲁棒概念和预测控制的滚动优化原理2提出了一种全新的约束动态对策预测控制方法7对有状态和控制约束的不确定线性系统2证明了闭环系统的鲁棒稳定性并给出了鲁棒性条件7该方法同时具有O 9控制和预测控制的优点B 鲁棒性和显式处理约束的能力7关键词预测控制2O 9控制2约束系统2鲁棒稳定性中图分类号’P !Q :7Q R :;国家自然科学基金< S T "#R ##R ;U 黑龙江省自然科学基金资助收稿日期:T T T ?:!?#$收修改稿日期!###?#T ?!#V W 89V X X Y Z V [\]Z Y Z ^_‘]aZ b c dX Y c b e []e f c[Z W ]Y Z d &g >-g /F h :i +(j D A ?k I 5F !:
对鲁棒控制的认识 姓名：赵呈涛 学号： 092030071 专业：双控
鲁棒控制（RobustControl）方面的研究始于20世纪50年代。在过去的20年中，鲁棒控制一直是国际自控界的研究热点。所谓“鲁棒性”，是指控制系统在一定（结构、大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。如果所关心的是系统的稳定性，那么就称该系统具有鲁棒稳定性；如果所关心的是用干扰抑制性能或用其他性能准则来描述的品质，那么就称该系统具有鲁棒性能。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。 鲁棒控制的早期研究，主要针对单变量系统（SISO）的在微小摄动下的不确定性，具有代表性的是Zames提出的微分灵敏度分析。然而，实际工业过程中故障导致系统中参数的变化，这种变化是有界摄动而不是无穷小摄动，因此产生了以讨论参数在有界摄动下系统性能保持和控制为内容的现代鲁棒控制。现代鲁棒控制是一个着重控制算法可靠性研究的控制器设计方法，其设计目标是找到在实际环境中为保证安全要求控制系统最小必须满足的要求。一旦设计好这个控制器，它的参数不能改变而且控制性能能够保证。 鲁棒控制方法，是对时间域或频率域来说，一般要假设过程动态特性的信息和它的变化范围,一些算法不需要精确的过程模型，但需要一些离线辨识。鲁棒控制理论是分析和处理具有不确定性系统的控制理论，包括两大类问题：鲁棒性分析及鲁棒性综合问题。鲁棒性分析是根据给定的标称系统和不确定性集合，找出保证系统鲁棒性所需的条件；而鲁棒性综合（鲁棒控制器设计问题）就是根据给定的标称模型和不确定性集合，基于鲁棒性分析得到的结果来设计一个控制器，使得闭环系统满足期望的性能要求。主要的鲁棒控制理论有： （1）Kharitonov区间理论； 控制理论； （2）H ∞ （3）结构奇异值理论μ理论。 下面就这三种理论做简单的介绍。 1 Kharitonov区间理论 1.1参数不确定性系统的研究概况 对参数不确定性系统的研究源于20世纪20年代。Black采用大回路增益的反馈控制技术来抑制真空管放大器中存在的严重不确定性，由于采用大回路增益,所以设计的系
动态矩阵控制算法实验报告 院系：电子信学院 姓名：郝光杰 学号：172030039 专业：控制理论与控制工程 导师：俞孟蕻
MATLAB环境下动态矩阵控制实验 一、实验目的： 对于带有纯滞后、大惯性的研究对象，通过动态控制矩阵的MATLAB的直接处理与仿真实验，具有较强的鲁棒性和良好的跟踪性。输入已知的控制模型，通过对参数的选择，来取的良好的控制效果。 二、实验原理： 动态矩阵控制算法是一种基于被控对象非参数数学模型的控制算法，它是一种基于被控对象阶跃响应的预测控制算法，以对象的阶跃响应离散系统为模型，避免了系统的辨识，采用多步预估技术，解决时延问题，并按照预估输出与给定值偏差最小的二次性能指标实施控制，它适用于渐进稳定的线性对象，系统动态特性中存在非最小相位特性或纯滞后都不影响算法的直接使用。 三、实验环境： 计算机 MATLAB2016b 四、实验步骤： 影响控制效果的主要参数有： 1）采样周期T与模型长度N 在DMC中采样周期T与模型长度N的选择需要满足香农定理和被控对象的类型及其动态特性的要求，通常需要NT后的阶跃响应输出值接近稳定值。 2)预测时域长度P P对系统的快速性和稳定性具有重要影响。为使滚动优化有意义，应使P 包含对象的主要动态部分，P越小，快速性提高，稳定性变差；反之，P越大，系统实时性降低，系统响应过于缓慢。 3）控制时域长度M
M控制未来控制量的改变数目，及优化变量的个数，在P确定的情况下，M越小，越难保证输出在各采样点紧密跟踪期望输出值，系统响应速度缓慢， 可获得较好的鲁棒性，M越大，控制机动性越强，改善系统的动态性能，但是稳定性会变差。 五、实例仿真 （一）算法实现 设GP(s)=e-80s/(60s+1),采用DMC后的动态特性如图1所示，采样周期 T=20s，优化时域P=10，M=2，建模时域N=20。 MATLAB程序1： g=poly2tfd(1,[60 1],0,80);%通用传函转换为MPC模型 delt=20; %采样周期 nt=1; %输出稳定性向量 tfinal=1000; %截断时间 model=tfd2step(tfinal,delt,nt,g);%传函转换为阶跃响应模型 plant=model;%进行模型预测控制器设计 p=10; m=2; ywt=[];uwt=1;%设置输入约束和参考轨迹等控制器参数 kmpc=mpccon(plant,ywt,uwt,m,p);%模型预测控制器增益矩阵计算 tend=1000;r=1;%仿真时间 [y,u,yrn]=mpcsim(plant,model,kmpc,tend,r);%模型预测控制仿真 t=0:20:1000;%定义自变量t的取值数组 plot(t,y) xlabel(‘图一DMC控制动态响应曲线（time/s）’); ylabel(‘响应曲线’); 结果如下： Percent error in the last step response coefficient
鲁棒控制原理及应用举例 摘要：本文简述了鲁棒控制的由来及其发展历史，强调了鲁棒控制在现代控制系统中的重要性,解释了鲁棒控制、鲁棒性、鲁棒控制系统、鲁棒控制器的意义，介绍了鲁棒控制系统的分类以及其常用的设计方法，并对鲁棒控制的应用领域作了简单介绍，并举出实例。 关键词：鲁棒控制鲁棒性不确定性设计方法现代控制系统 经典的控制系统设计方法要求有一个确定的数学模型。在建立数学模型的过程中，往往要忽略许多不确定因素：如对同步轨道卫星的姿态进行控制时不考虑轨道运动的影响，对一个振动系统的控制过程中不考虑高阶模态的影响等。但经过以上处理后得到的数学模型已经不能完全描述原来的物理系统，而仅仅是原系统的一种近似。对许多要求不高的系统，这样的数学模型已经能够满足工程要求。然而，对于一些精度和可靠性要求较高的系统，如导弹控制系统设计，若采用这种设计方法，就会浪费了大量的人力物力在反复计算数弹道、调整控制器参数以及反复试射上。因此，为了解决不确定控制系统的设计问题，科学家们提出了鲁棒控制理论。由于鲁棒控制器是针对系统工作的最坏情况而设计的，因此能适应所有其它工况，所以它是解决这类不确定系统控制问题的有力工具。 鲁棒控制（Robust Control）方面的研究始于20世纪50年代。上世纪60年代，状态空间结构理论的形成，与最优控制、卡尔曼滤波以及分离性理论一起，使现代控制理论成了一个严密完整的体系。随着现代控制理论的发展，从上世纪80年代以来，对控制系统的鲁棒性研究引起了众多学者的高度重视。在过去的20年中，鲁棒控制一直是国际自控界的研究热点。 通常说一个反馈控制系统是鲁棒的，或者说一个反馈控制系统具有鲁棒性，就是指这个反馈控制系统在某一类特定的不确定性条件下具有使稳定性、渐进调节和动态特性保持不变的特性，即这一反馈控制系统具有承受这一类不确定性影响的能力。设被控系统的数学模型属于集合D，如果系统的某些特性对于集合U中的每一对象都保持不变，则称系统具有鲁棒性。鲁棒性又可以分为鲁棒稳定性、鲁棒渐进调节和鲁棒动态特性。鲁棒稳定性是指在一组不确定性的作用下仍然能够保证反馈控制系统的稳定性；鲁棒渐进调节是指在一组不确定性的影响下仍然可以实现反馈控制系统的渐进调节功能；鲁棒动态特性通常称为灵敏度特性，即要求动态特性不受不确定性的影响。 所谓鲁棒控制，使受到不确定因素作用的系统保持其原有能力的控制技术。鲁棒控制的主要思想是针对系统中存在的不确定性因素，设计一个确定的控制律，使得对于系统中所有的不确定性，闭环系统能保持稳定并具有所期望的性能。
鲁棒控制综述 课程目标 1.了解鲁棒控制研究的基本问题 2.掌握鲁棒控制的基础知识和基本概念 3.明确鲁棒控制问题及其形式化描述 4.掌握几种鲁棒稳定性分析与设计方法 5.掌握状态空间H∞控制理论 6.了解鲁棒控制系统的μ分析与μ综合方法 7.初步了解非线性系统鲁棒控制方法 8.掌握时滞系统的鲁棒控制稳定性分析 控制系统就是使控制对象按照预期目标运行的系统。 大部分的控制系统是基于反馈原理来进行设计的 反馈控制已经广泛地应用于工业控制、航空航天和经济管理等各个领域。 不确定性 在实际控制问题中，不确定性是普遍存在的 所描述的控制对象的模型化误差 可能来自外界扰动 因此，控制系统设计必须考虑不确定性带来的影响。 控制系统设计的任务 对于给定的控制对象和传感器，寻找一个控制器，使反馈控制系统能够在实际工作环境中按预期目标运行 ●实际控制对象就是具体的装置、设备或生产过程 ●通过各种建模方法，可以建立实际控制对象的模型 ●针对控制对象的模型，应用控制理论提供的设计方法设计出控制器，对实际控制对 象实施控制 ●控制系统的控制效果在很大程度上取决于实际控制对象模型的准确性 ●在控制系统设计中采用的模型与实际控制对象存在着一定的差异，即存在着模型不 确定性 ●控制系统的运行也受到周围环境和有关条件的制约 ●例如，在图1-1中，传感器噪声ｎ和外部扰动ｄ分别来自控制系统本身和控制系统 所处的环境，它们往往是一类未知的扰动信号 ●这种扰动不确定性对控制系统的运动将产生的影响 控制系统设计中需要考虑的不确定性 （1）来自控制对象的模型化误差； （2）来自控制系统本身和外部的扰动信号 ●需要一种能克服不确定性影响的控制系统设计理论 ●这就是鲁棒控制所要研究的课题 1.1.2 控制系统设计的基本要求 在控制系统设计中，往往把图1-1所示的反馈控制系统更一般化，考虑如图1-3所示的单位反馈控制系统，其中P是控制对象，C是控制器。
预测控制之探究 摘要 预测控制是近年来发展起来的一类新型的计算机控制算法。由于它采用多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的工业生产过程，所以它一出现就受到国内外工程界的重视，并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。 关键词：预测控制滚动优化反馈校正 Abstract Predictive control is developed in recent years to a new type of computer control algorithm.Because it USES multi-step testing, roll optimization and feedback correction, the control strategies and control effect is good, suitable for control is not easy to build accurate digital model and more complex industrial production process, so it appeared at home and abroad by the attention of engineering, and has set up a file in the petroleum, chemical, electric power, metallurgy, machinery, and other departments of industry control systems have been successful application. Keywords: Predictive control rolling optimization feedback correction 预测控制的起源 预测控制是自动控制理论的一个分支。预测控制是一种计算机优化控制方法。预测控制的主要应用领域：工业过程。预测控制适于解决多变量、有约束的工业过程控制问题。预测控制广泛应用于工业控制领域。 1978年，J. Richalet等提出了模型预测启发控制算法（MPHC，Model Predictive Heuristic Control）。 1980年，Cutler等提出动态矩阵控制（DMC，Dynamic Matrix Control）。 1982年， Meral等在MPHC基础上进一步提出模型算法控制（MAC ，Model Algorithm Control）。 1987年，Clarke等提出广义预测控制（GPC，Generalized Predictive Control）预测控制理论初步形成。 90年代以来，其它新型预测控制算法、系统设计与分析方法不断提出。 预测控制首先在工程实践获得成功应用，是实践超前于理论的一类控制器设
神经网络模型预测控制器 摘要：本文将神经网络控制器应用于受限非线性系统的优化模型预测控制中，控制规则用一个神经网络函数逼近器来表示，该网络是通过最小化一个与控制相关的代价函数来训练的。本文提出的方法可以用于构造任意结构的控制器，如减速优化控制器和分散控制器。 关键字：模型预测控制、神经网络、非线性控制 1.介绍 由于非线性控制问题的复杂性，通常用逼近方法来获得近似解。在本文中，提出了一种广泛应用的方法即模型预测控制（MPC），这可用于解决在线优化问题，另一种方法是函数逼近器，如人工神经网络，这可用于离线的优化控制规则。 在模型预测控制中，控制信号取决于在每个采样时刻时的想要在线最小化的代价函数，它已经广泛地应用于受限的多变量系统和非线性过程等工业控制中[3,11,22]。MPC方法一个潜在的弱点是优化问题必须能严格地按要求推算，尤其是在非线性系统中。模型预测控制已经广泛地应用于线性MPC问题中[5]，但为了减小在线计算时的计算量，该部分的计算为离线。一个非常强大的函数逼近器为神经网络，它能很好地用于表示非线性模型或控制器，如文献[4,13,14]。基于模型跟踪控制的方法已经普遍地应用在神经网络控制，这种方法的一个局限性是它不适合于不稳定地逆系统，基此本文研究了基于优化控制技术的方法。 许多基于神经网络的方法已经提出了应用在优化控制问题方面，该优化控制的目标是最小化一个与控制相关的代价函数。一个方法是用一个神经网络来逼近与优化控制问题相关联的动态程式方程的解[6]。一个更直接地方法是模仿MPC方法，用通过最小化预测代价函数来训练神经网络控制器。为了达到精确的MPC技术，用神经网络来逼近模型预测控制策略，且通过离线计算[1,7.9,19]。用一个交替且更直接的方法即直接最小化代价函数训练网络控制器代替通过训练一个神经网络来逼近一个优化模型预测控制策略。这种方法目前已有许多版本，Parisini[20]和Zoppoli[24]等人研究了随机优化控制问题，其中控制器作为神经网络逼近器的输入输出的一个函数。Seong和Widrow[23]研究了一个初始状态为随机分配的优化控制问题，控制器为反馈状态，用一个神经网络来表示。在以上的研究中，应用了一个随机逼近器算法来训练网络。Al-dajani[2]和Nayeri等人[15]提出了一种相似的方法，即用最速下降法来训练神经网络控制器。 在许多应用中，设计一个控制器都涉及到一个特殊的结构。对于复杂的系统如减速控制器或分散控制系统，都需要许多输入与输出。在模型预测控制中，模型是用于预测系统未来的运动轨迹，优化控制信号是系统模型的系统的函数。因此，模型预测控制不能用于定结构控制问题。不同的是，基于神经网络函数逼近器的控制器可以应用于优化定结构控制问题。 在本文中，主要研究的是应用于非线性优化控制问题的结构受限的MPC类型[20,2,24,23,15]。控制规则用神经网络逼近器表示，最小化一个与控制相关的代价函数来离线训练神经网络。通过将神经网络控制的输入适当特殊化来完成优化低阶控制器的设计，分散和其它定结构神经网络控制器是通过对网络结构加入合适的限制构成的。通过一个数据例子来评价神经网络控制器的性能并与优化模型预测控制器进行比较。 2.问题表述 考虑一个离散非线性控制系统： 其中为控制器的输出，为输入，为状态矢量。控制
1.1 引言 预测控制是一种基于模型的先进控制技术，它不是某一种统一理论的产物，而是源于工业实践，最大限度地结合了工业实际地要求，并且在实际中取得了许多成功应用的一类新型的计算机控制算法。由于它采用的是多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的工业生产过程，所以它一出现就受到国内外工程界的重视，并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。工业生产的过程是复杂的，我们建立起来的模型也是不完善的。就是理论非常复杂的现代控制理论，其控制的效果也往往不尽人意，甚至在某些方面还不及传统的PID控制。70年代，人们除了加强对生产过程的建模、系统辨识、自适应控制等方面的研究外，开始打破传统的控制思想的观念，试图面向工业开发出一种对各种模型要求低、在线计算方便、控制综合效果好的新型算法。这样的背景下，预测控制的一种，也就是模型算法控制（MAC -Model Algorithmic Control）首先在法国的工业控制中得到应用。同时，计算机技术的发展也为算法的实现提供了物质基础。现在比较流行的算法包括有：模型算法控制（MAC）、动态矩阵控制（DMC ）、广义预测控制（GPC）、广义预测极点（GPP）控制、内模控制（IMC）、推理控制（IC）等等。随着现代计算机技术的不断发展，人们希望有一个方便使用的软件包来代替复杂的理论分析和数学运算，而Matlab、C、C++等语言很好的满足了我们的要求。 1.2 预测控制的存在问题及发展前景 70年代以来，人们从工业过程的特点出发，寻找对模型精度要求不高，而同样能实现高质量控制性能的方法，以克服理论与应用之间的不协调。预测控制就是在这种背景下发展起来的一种新型控制算法。它最初由Richalet和Cutler等人提出了建立在脉冲响应基础上的模型预测启发控制（Model Predictive Heuristic Control,简称“MPHC”）,或称模型算法控制(Model Algorithmic Control，简称“MAC”)；Cutler等人提出了建立在阶跃响应基础上的动态矩阵控制(Dynamic Matrix Control，简称“DMC”)，是以被控系统的输出时域响应(单位阶跃响应或单位冲激响应)为模型，控制律基于系统输出预测，控制系统性能有较强的鲁棒性，并且方法原理直观简单、易于计算机实现。它的产生并不是理论发展的需要，而是在工业实践过程中独立发展起来，即实践超前于理论它一经问世就在石油、电力和航空等领域中得到十分成功的应用。之后，又延伸到网络、冶金、轻工、机械等部门或系统。80年代初期，人们为了增强自适应控制系统的鲁棒性，在广义最小方差控制的基础上，吸取预测控制中的多步预测、滚动优化思想，以扩大反映过程未来变化趋势的动态信息量，提高自适应控制系统的实用性。这样就出现了便于辨识过程参数模型、带自校正机制、在线修改模型参数的预测控制算法,主要有Clarke等提出的广义预测控制(GPC) Do Keyser的扩展时域预测自适应控制(EPSAC),广义预测极点配置控制(GPP)。Brosilow于1978年提出推理机制(1C), Garcia. Norari 于1982年提出内部模型控制(简称内模控制，IMC )，从模型结构的角度对预测控制作了更深入的研究，分析出预测控制具有内模控制的结构。应用内模控制结构来分析预测控制系统，有利于理解预测控制的运行机理，分析预测控制系统的闭环动静态特性、稳定性和鲁棒性，找出各类预测控制算法的内在联系，导出它们的统一格式，有力推动了预测控制在算法研究、稳定性鲁棒性的理论分析和应用研究上的发展。但实际上，预测控制的理论还是落后于其实
鲁棒控制的发展与理论 摘要：首先介绍了鲁棒控制的发展过程，之后主要介绍了H∞控制理论、μ理论的发展、研究内容和实际应用，和鲁棒控制尚待解决的问题及研究热点。 关键词：鲁棒控制理论、H∞控制理论、μ理论、分析、综合 1 概述 传统控制器都是基于系统的数学模型建立的，因此，控制系统的性能好坏很大程度上取决于模型的精确性，这正是传统控制的本质。现代控制理论可以解决多输入、多输出( MIMO )控制系统地分析和控制设计问题，但其分析与综合方法也都是在取得控制对象数学模型基础上进行的，而数学模型的精确程度对控制系统性能的影响很大，往往由于某种原因，对象参数发生变化使数学模型不能准确地反映对象特性，从而无法达到期望的控制指标，为解决这个问题，控制系统的鲁棒性研究成为现代控制理论研究中一个非常活跃的领域。简单地说，鲁棒控制( Robust Control )就是对于给定的存在不确定性的系统，分析和设计能保持系统正常工作的控制器。鲁棒振定是保证不确定性系统的稳定性，而鲁棒性能设计是进一步确定保有某种指标下的一定的性能。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。鲁棒控制自其产生便得到了广泛的注目和蓬勃发展。其实人们在系统设计时，常常会考虑到鲁棒性的问题。当前这一理论的研究热点是在非线形系统中控制问题，另外还有一些关于鲁棒控制的理论如结构异值理论和区间理论等。 2 鲁棒控制理论的发展 最早给出鲁棒控制问题解的是Black在1927年给出的关于真空关放大器的设计，他首次提出采用反馈设计和回路高增益的方法来处理真空管特性的大范围波动。之后，Nquist( 奈奎斯特)频域稳定性准则和Black回路高增益概念共同构成了Bode( 伯德)的经典之著中关于鲁棒控制设计的基础。20世纪60年代之前这段时期可称为经典灵敏度设计时期。此间问题多集中于SISO(单变量)系统，根据稳定性、灵敏度的降低和噪声等性能准则来进行回路设计。 20世纪六七十年代中鲁棒控制只是将SISO系统的灵敏度分析结果向MIMO 进行了初步的推广，人们普遍研究灵敏度设计问题，包括跟踪灵敏度、性能灵敏度和特征值/特征向量灵敏度等的设计。 20世纪80年代，鲁棒设计进入了新的发展时期。此间研究的目的是寻求适应大范围不确定性分析的理论和方法。
第一章概述 §1.1 不确定系统和鲁棒控制(Uncertain System and Robust Control) 1.1.1 名义系统和实际系统（nominal system） 控制系统设计过程中，常常要先获得被控制对象的数学模型。在建立数学模型的过程中，往往要忽略许多因素：比如对同步轨道卫星的姿态进行控制时不考虑轨道运动的影响，对一个振动系统的控制过程中，不考虑高阶模态的影响，等等。这样处理后得到的数学模型仍嫌太复杂，于是要经过降阶处理，有时还要把非线性环节进行线性化处理，时变参数进行定常化处理，最后得到一个适合控制系统设计使用的数学模型。经过以上处理后得到的数学模型已经不能完全描述原来的物理系统，而仅仅是原系统的一种近似，因此称这样的数学模型为“名义系统”，而称真实的物理系统为“实际系统”，而名义系统与实际系统的差别称为模型误差。 1.1.2不确定性和摄动（Uncertainty and Perturbation） 如立足于名义系统，可认为名义系统经摄动后，变成实际系统，这时模型误差可视为对名义系统的摄动。如果立足于实际系统，那么可视实际系统由两部分组成：即已知的模型和未知的模型（模型误差），如果模型的未知部分并非完全不知道，而是不确切地知道，比如只知道某种形式的界限（如：范数或模界限等），则称这部分模型为实际模型的不确定部分，也说实际系统中存在着不确定性，称含有不确定部分的系统为不确定系统。模型不确定性包括：参数、结构及干扰不确定性等。 1.1.3 不确定系统的控制 经典的控制系统设计方法要求有一个确定的数学模型（可能是常规的，也可能是统计的）。以往，由于对一般的控制系统要求不太高，所以系统中普遍存在的不确定性问题往往被忽略。事实上，对许多要求不高的系统，在名义系统的基础上进行分析与设计已经能够满足工程要求，而对一些精度和可靠性要求较高的系统，也只是在名义系统基础上进行分析和设计，然后考虑模型的误差，用仿真的方法来检验实际系统的性能（如稳定性、暂态性能等）。例如早期导弹控制系统设计时就是这样：首先按名义模型设计一个控制系统，然后反复调整设计参数，这样的结果是浪费了大量的人力物力；一种导弹从设计到定型要反复计算数百条弹道，对大小回路控制器参数要进行数十次调整，还要经过反复试射，这类参数的调整往往没有一个理论可以遵循，而依据设计者的经验。
鲁棒控制及其发展概述 摘要 本文首先介绍了鲁棒控制理论的发展过程；接下来主要介绍了研究鲁棒多变量控制过程中两种常用的分析方法：方法以及分析方法；最后给出了鲁棒控制理论的应用及其控制方法，不仅仅用在工业控制中，它被广泛运用在经济控制、社会管理等很多领域。随着人们对于控制效果要求的不断提高，系统的鲁棒性会越来越多地被人们所重视，从而使这一理论得到更快的发展。并且指出了目前鲁棒控制尚未解决的问题以及研究的热点问题。 关键词：鲁棒控制；鲁棒多变量控制；鲁棒控制；分析方法 一、引言 鲁棒控制（Robust Control）方面的研究始于20世纪50年代。在过去的20年中，鲁棒控制一直是国际自控界的研究热点。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。控制系统的鲁棒性研究是现代控制理论研究中一个非常活跃的领域,鲁棒控制问题最早出现在上个世纪人们对于微分方程的研究中。 最早给出鲁棒控制问题的解的是Black在1927年给出的关于真空开关放大器的设计，他首次提出采用反馈设计和回路高增益的方法来处理振控管特信各大范围波动。之后，Nyquist频域稳定性准则和Black回路高增益概念共同构成了Bode的经典之著[1]中关于鲁棒控制设计的基础。20世纪60年代之前这段时间可称为经典灵敏度设计时
期。此间问题多集中于SISO系统，根据稳定性、灵敏度的降低和噪声等性能准则来进行回路设计。 20世纪六七十年代中鲁棒控制只是将SISO系统的灵敏度分析结果向MIMO进行了初步的推广[2]，灵敏度设计问题包括跟踪灵敏度、性能灵敏度和特征值/特征向量灵敏度等的设计。 20世纪80年代，鲁棒设计进入了新的发展时期，此间研究的目的是寻求适应大范围不确定性分析的理论和方法。 二、正文 1. 鲁棒控制理论 方法在工程中应用最多，它以输出灵敏度函数的范数作为性能指标，旨在可能发生“最坏扰动”的情况下，使系统的误差在无穷范数意义下达到极小，从而将干扰问题转化为求解使闭环系统稳定并使相应的范数指标极小化的输出反馈控制问题。 鲁棒控制理论是在空间(即Hardy 空间)通过某些性能指标 的无穷范数优化而获得具有鲁棒性能的控制器的一种控制理论。空间是在开右半平面解析且有界的矩阵函数空间，其范数定义为： （1） 即矩阵函数在开右半平面的最大奇异值的上界。范数的物理意义是指系统获得的最大能量增益[3]。 鲁棒控制理论的实质是为MIMO（多输入多输出）且具有模型
鲁棒控制的历史回顾 摘要：本文就鲁棒控制近期的研究成果进行了历史回顾。鲁棒控制问题,即在被控对象不确定的情况下设计准确控制系统的问题，是经典问题。然而,在过去的15年里，一些重要的新理论完善了这个问题的解决方案,尤其是线性多变量系统的频域特性的提出,鲁棒控制这个术语只是最近(1972)提出的。现代鲁棒控制理论对鲁棒镇定合成技术的发展，多变量系统的2 H和H 灵敏度优化都有重要的贡献。本文将鲁棒控制运用在固定参数控制器的设计上。因此，本文仅对不确定系统的控制问题的非自适应或非自整定解决方案进行了综述。最后应当指出，本文主要限于在在IEEE期刊、会议以及一些英语期刊上发表的文献。当然，在其他地方也出现了一些相关的重要贡献。 经典灵敏度设计时期（1927-1960） 最早的“鲁棒控制问题”的解决方案来自于1927年H.S.Black的专利。在这个经典的专利中，Black首次提出利用反馈和大环增益来设计一个存在设备不确定性（电子管的特征变化）的精确系统（电子管放大器）。不幸的是，用这种方法设计的大多数的精确系统（Black使用的是“稳定”这个术语而不是“精确”，但是这不能与动态稳定性混淆）都是动态不稳定的。直到1932年Nyquist提出了的结果是动态稳定性与大环增益之间的权衡，鲁棒控制概念才被解析性的理解。在Nyquist频域稳定性判据和Black的大环增益概念的基础上，Bode发展了其理论，于1945年发表了一部经典著作。Bode还提出了微分灵敏度函数，能为被控对象参数发生极小变化的系统的精确度提供一个计量分析。Bode设计鲁棒系统的方法被Horowitz运用到被控对象参数有限变化的系统中。我们把1927年到1960年这一时期称为经典灵敏度设计时期。这个时期的重点是单输入单输出系统（SISO）回路成形理论，包括系统稳定性、灵敏度的降低，噪声抑制等。 状态-变量时期（1960-1975） 控制系统理论的下一个重要时期是1960年到1975年。我们把这一时期称为状态-变量时期。在60年代早期，R.E.Kalman提出了一些关键状态变量的概念，像能控性、能观测性、最优线性二次型状态反馈（LQSF）、最优状态估计（卡尔曼滤波）等。Anderson和Moore在1971年发表的文章中对这一时期的重要成果