动态矩阵控制算法(DMC)

动态矩阵算法在水箱液位控制中的应用引言：在工业生产和日常生活中，对于水箱液位控制的控制精度和稳定性要求越来越高。

水箱液位的控制算法起着至关重要的作用。

动态矩阵控制（Dynamic Matrix Control，DMC）算法是一种常用于过程控制的先进控制方法。

本文将探讨动态矩阵算法在水箱液位控制中的应用，包括算法原理、控制系统建模、控制器设计和实验验证等方面。

一、算法原理动态矩阵控制算法是一种模型预测控制（Model Predictive Control，MPC）方法，它基于离散时间多步骤预测模型。

其核心思想是通过对系统动态行为进行建模和预测，计算出最优控制方案，并根据实际反馈信息进行修正，以实现对系统的良好控制效果。

动态矩阵控制算法的基本步骤如下：1.系统建模：根据水箱液位控制过程的特点，建立系统的动态模型。

通常使用一阶惯性模型或一阶延迟模型来描述水箱液位的动态响应。

2.输入输出数据采集：通过传感器采集水箱液位和控制输入的数据，并对其进行离散化处理，使其适用于动态矩阵控制算法。

3.控制器设计：根据系统模型和控制目标，设计最优控制律。

动态矩阵算法主要包括预测模型、目标函数、约束条件等。

4.控制信号计算：基于当前的状态和控制输入的历史记录，使用动态矩阵算法计算出最优的控制信号。

5.控制执行：将计算得到的控制信号应用于实际控制系统中，调节水箱液位，并实时监控液位变化。

6.实时修正：根据实际反馈信息，对控制器中的参数进行修正，以提高控制效果和稳定性。

以上过程循环迭代，以不断调整控制信号，最终实现对水箱液位的精确控制。

二、控制系统建模在水箱液位控制中，我们需要对系统进行建模，以便进行后续的控制器设计和仿真。

通常采用一阶惯性模型或一阶延迟模型来描述水箱液位的动态响应。

一阶惯性模型：首先，假设水箱的液位变化满足一阶惯性动态方程：T * dH(t)/dt = k * (u(t) - H(t))其中，H(t)表示液位，u(t)表示输入控制信号，k表示液位变化的比例系数，T表示液位响应的时间常数。

动态矩阵在网络延迟补偿中的研究摘要：在解决网络控制系统延迟问题时还要考虑在信号突变的情况下，会产生较大的延迟现象，从而使整个控制系统不稳定，网络控制系统的性能也会下降。

而解决网络延迟的模型算法要考虑到这种突发的现象，所以本文研究引入动态矩阵补偿算法，对网络延迟进行条件补偿，从而解决网络控制系统中的网络延迟问题。

关键词：补偿；动态矩阵中图分类号：tp393.08动态矩阵控制算法dmc（dynamic matrix control）是一种具有约束、多变量优化的控制算法，一般是基于阶跃响应模型，该算法模型的特点是算法简单、计算量较小、鲁棒性较强等特点，对于网络控制系统的开环渐进稳定和响应滞后等特性都有较好的处理方式，非常适用于解决网络控制系统中存在的网络延迟的问题。

dmc在解决网络控制系统中网络延迟问题时，采用的模型思想是：首先，对延迟模型进行预测。

其次，根据修正值进行校正反馈。

最后，根据修正结果进行滚动优化。

在模型的输入端采集到的样本信号是被控对象的阶跃离散信号，对样本信号进行动态优化，在输出端采集到的是整个dmc优化响应后的预测模型输出序列，具体输出序列如公式（1）所示。

ym（k+1）=y0（k+1）+a△u（k）（1）应满足条件（2）：（2）由于整个模型的计算误差和系统性能干扰等影响，输出值需要进行校正反馈验证，验证后实现闭环预测。

经过反馈校正后，输出端输出结果如公式（3）所示：yp（k+1）=ym（k+1）+a0（y（k）-ym（k））（3）可以根据实际情况进行适当的优化取值。

采用dmc模型进行优化，采用的是滚动优化的方式，其优化结果用向量表示为公式（4）：j=||yr（k+1）-yp（k+1）||q2+||△u（k）||r2 （4）进行化简得公式（5）：△u（k）=（atqa+r）-1atq[yr（k+1）-yp（k+1）] （5）公式（5）中的△u（k）就是在k时刻，经过dmc模型优化后的最优延迟补偿增量。

动态矩阵控制的稀土萃取优化控制平台董云彪鞍山市自来水总公司动态矩阵控制（ｄｙｎａｍｉｃｍａｔｒｉｘｃｏｎｔｒｏｌ，ＤＭＣ）算法是一种基于对象阶跃响应预测模型、滚动实施并结合反馈校正的优化控制算法，是预测控制算法之一，由卡特勒等于１９８０年提出。

ＤＭＣ算法适用于渐进稳定的线性对象。

由于该算法比较简单，计算量比较小，鲁棒性强，近年来已在冶金、石油、化工等工业过程控制中得到十分成功的应用。

工业过程控制通常是由许多互相作用的变量组成的多输入多输出（ＭＩＭＯ）系统，而常规的ＤＭＣ算法是基于单输入单输出（ＳＩＳＯ）系统的。

因此，许多学者自然地将其推广到了多输入多输出（ＭＩＭＯ）系统。

并取得了许多重要的成果：有采用将单变量ＤＭＣ算法直接推广到多变量系统的ＭＤＭＣ方法；有通过变量之间关联预测设计，建立在解耦基础上的多变量ＤＭＣ方法等。

余世明等针对多变量有约束的ＤＭＣ问题，以输出预测值于未来参考轨迹序列误差的绝对值之和作为性能指标，通过线性化处理使其转换化为目的规划问题从而使在线滚动优化变得异常容易，并可充分利用全部操作变量优化系统的动态性能。

查星宇等针对工业现场犹豫条件的限制，很多过程变量所需的检测频率不一样的情况，提出了一种新的多频率多变量ＤＭＣ算法，并且进一步用ＤＭＣ方法推导多频多变量系统的预测方程、最优控制律及系统的内膜结构。

牛玉翔等针对高温力学材料试验机加热炉两通道相互耦合的问题，提出了多变量预测前馈补偿解耦ＤＭＣ算法，并用线性时不变原理把该算法中需求解得２Ｍ元线性方程转化为只需求解二元一次方程组问题，使计算量大为减少。

针对实际多变量预测控制算法中存在的离线计算复杂、实时性较差等问题，金福江用大系统关联估计的思想。

提出了基于关联估计的递阶多变量动态矩阵控制算法，并将该算法应用于造纸机中，取得了较好的控制效果。

相对于传统的最优控制，ＤＭＣ则采用了启发式优化的概念，允许设计者自由地选择优化性能指标的形式以及控制器参数。

安徽大学本科毕业论文（设计）（内封面）题目：预测控制中动态矩阵控制DMC算法研究学生姓名：张汪兵学号：P4*******院（系）：电子科学与技术学院专业：自动化入学时间：2006年9月导师姓名：张倩职称/学位：硕士导师所在单位：安徽大学电子科学与技术学院预测控制中动态矩阵控制DMC算法研究及仿真摘要：动态矩阵控制（dynamic matrix control, DMC）算法是一种基于对象阶跃响应预测模型、滚动实施并结合反馈校正的优化控制算法，是预测控制算法之一。

本文阐述了预测控制的产生、发展及应用，进一步介绍动态矩阵控制算法的产生和现状，就当前动态矩阵控制算法在实际工业控制领域中发展应用现状以及今后可能的研究发展方向作了分析。

并对动态矩阵控制的算法作了推导，在理论依据方面给予证明。

可是在实际工业控制领域中，大多数被控对象都是多变量的，本文通过对该算法作了有约束、多变量两方面的改进，使该算法实际应用性更强。

文章还对该算法进行了 matlab 仿真，并对仿真结果进行分析研究，予以验证。

关键词：预测，动态矩阵控制，模型，反馈矫正，有约束，多变量。

Forecast for control of Dynamic Matrix Control DMCalgorithmAbstractDynamic Matrix Control (dynamic matrix control, DMC) algorithm is a step response based on the object prediction model, and rolling implementation and optimization of the feedback correction control algorithm, is one of predictive control algorithms. This paper describes the control forecast the rise, development and application of further information on Dynamic Matrix Control algorithm and the formation of the status quo on the current dynamic matrix control algorithm in the actual control in the field of industrial development and possible future application of the research and development direction of an analysis. Dynamic Matrix Control and the algorithm is derived, in terms of the theoretical basis for that. But in practice in the field of industrial control, the majority of objects are charged with multiple variables, the paper through the binding of the algorithm, two more variables in the promotion and improvement of the algorithm so that a more practical application. The article also has the algorithm matlab simulation, and analysis of simulation results to be verified.Key words: forecasting; dynamic matrix control; model; feedback correction; binding; multivariable第一章. 绪论1.1预测控制的产生预测控制的产生，并不是理论发展的需要，而首先是工业实践向控制提出的挑战。

dmc控制算法DMC控制算法是一种常用的控制方法，它在工业自动化领域中广泛应用。

DMC即Dynamic Matrix Control，它是一种基于模型的预测控制算法。

本文将介绍DMC控制算法的原理和应用。

DMC控制算法的基本原理是通过建立系统的数学模型，预测未来一段时间内的系统输出，并根据预测结果调整控制器的输出，使系统的实际输出与期望输出尽可能接近。

DMC算法的关键在于建立准确的系统模型和优化权重矩阵。

在DMC算法中，首先需要建立系统的数学模型。

这可以通过系统的输入和输出数据进行辨识来实现。

根据辨识得到的模型，可以预测未来一段时间内的系统输出。

预测的准确性直接影响控制的效果。

在预测的基础上，DMC算法通过优化权重矩阵来调整控制器的输出。

权重矩阵中的权重值反映了控制器对于不同因素的重视程度。

通过调整权重矩阵，可以使控制器更加关注系统输出与期望输出之间的偏差，从而实现更好的控制效果。

DMC算法的优点是可以有效地处理系统的时变性和非线性。

通过建立系统模型和预测未来输出，可以对系统的变化做出及时的响应。

此外，DMC算法还可以根据不同的控制要求进行灵活调整，使控制器更加适应不同的工况。

DMC控制算法在许多领域都得到了广泛应用。

例如，在化工工艺中，DMC算法可以用于控制反应器的温度、压力等参数，实现反应过程的精确控制。

在电力系统中，DMC算法可以用于控制发电机的输出，使电网的电压和频率保持稳定。

在机械制造中，DMC算法可以用于控制机床的位置和速度，实现精密加工。

DMC控制算法是一种基于模型的预测控制算法，通过建立系统模型和预测未来输出来调整控制器的输出，实现系统的精确控制。

DMC 算法具有灵活性和适应性强的特点，并在工业自动化领域中得到了广泛应用。

未来，随着控制技术的不断发展和完善，DMC算法将进一步提升自身的性能和应用范围，为工业自动化带来更大的价值。

动态矩阵控制（DMC ）的简单理解及其⽰例⽂章结构前⾔在模型预测控制的课程当中接触到了动态矩阵控制（DMC）算法，虽然不会在以后继续深⼊，但它控制、预测和校正的思想还是可圈可点的。

本⽂将简要概述DMC的基本原理和控制流程，尽量做到省去复杂的数学公式⽽理解DMC。

但由于接触不深且实⼒有限，本⽂的表述可能会有⼀些不准确或者错误，因此仅供参考，同时欢迎⼤家指正。

DMC 的基本思想动态矩阵控制（DMC）是在上世纪80年代提出的⼀种典型的模型预测控制（MPC）⽅法。

虽然在今天它已经不再是MPC的研究关注点，但其思想却⾮常值得借鉴，因此⼏乎所有的模型预测控制教材都把DMC作为⼀部分来讲解。

概括来说，DMC的特点主要有：1. 控制与系统的数学模型⽆关，仅需获取系统的阶跃响应序列，⽅法适⽤于稳定的系统；2. 系统的动态特性中具有纯滞后或⾮最⼩相位特性都不影响算法的直接应⽤。

也就是说，使⽤DMC⽆需知道被控对象的数学模型，只需要获取被控对象的阶跃响应序列即可实现控制效果，但需要被控对象是渐进稳定的。

同时，即使被控对象有⼀定的纯滞后特性，或者是⾮最⼩相位的（对象传递函数的零点存在于S域右半平⾯）都不影响DMC的使⽤。

从上⾯的特性可以，DMC的应⽤范围是⽐较⼴泛的。

接下来就简单地谈⼀谈DMC的三要素，既预测模型、滚动优化和反馈校正。

预测模型DMC的使⽤需要建⽴在预测模型的基础上。

简单来说就是，DMC控制器希望通过已有信息构造未来若⼲时刻的系统输⼊并预测系统的输出。

那么要如何实现呢？可⾏的⽅案之⼀是使⽤系统的阶跃响应序列。

由线性时不变（LTI）系统具备的⽐例叠加性质可知，在已知从0开始的系统N个采样点上的阶跃响应序列的情况下，系统在k时刻对未来P个时刻的输出预测可由系统在k时刻的输出预测初值与M个连续的输⼊增量序列及由阶跃响应序列组成的动态矩阵A计算得到，其计算表达式如下：其中N称为截断步长，P称为预测步长，M称为控制步长，它们三者之间的⼤⼩关系⼀般为N > P > M > 0。

动态矩阵控制理论在控制理论中的应用研究控制理论是现代科学技术中的一个重要分支，涵盖了自动控制、信息控制、工业控制等许多领域。

在这些领域中，动态矩阵控制（Dynamic Matrix Control，DMC）是一个被广泛应用的控制理论。

一、DMC控制理论简介DMC是一种以模型为基础的控制算法，通过对过去的控制历史数据进行模拟，预测未来的控制变量。

它将过去的操作历史、被控对象的状态和外部干扰作为输入，通过计算得到未来的操作结果。

这样，DMC可以有效地解决部分变量控制、复杂系统控制等难题。

DMC控制理论最早由罗兰·托尔辛于1974年提出，它是一种基于Lagrange乘子法的多变量预测控制方法。

DMC主要用于设计和实现多变量控制策略，是一种非常通用、稳定和有效的控制方法。

二、DMC控制理论的应用DMC控制理论在许多领域都有着广泛的应用，比如化工、石油等生产领域，机械、电子等制造领域，以及天气预报、环境控制等工程领域。

1. 化工生产中的应用DMC控制理论在化工生产中的应用非常广泛，可以用来优化控制各种化工过程。

例如，DMC控制理论可以用来控制化工生产中物料的流量、温度、压力等。

此外，DMC还可以通过对过去的系统操作历史进行分析，不仅实现全方位的控制，而且可以调整和优化控制策略，延长系统的寿命。

2. 机械制造中的应用在机械制造领域，DMC控制理论可以应用于复杂机械动态控制中。

例如，金属切削过程就需要DMC控制理论实现切削力、切削速度等参数的稳定控制，以确保加工质量。

3. 环境控制中的应用在环境控制领域，DMC控制理论可以用于空气净化、空气质量控制等方面。

例如，在智能化居住体系中，通过运用DMC控制理论，可以实现基于居民生活习惯、房屋面积、环境条件等因素的智能控制，从而提高居住环境的舒适度。

三、DMC控制理论的未来发展随着技术的不断进步，DMC控制理论在未来会继续得到改善和发展。

比如，新型的控制方法和技术将会不断出现，具体控制算法的可用性和复杂性也将不断提高。

DMC控制算法范文DMC（Dynamic Matrix Control）是一种高级控制算法，用于实时优化过程控制。

它是一种预测控制算法，通过模型对未来的系统行为进行预测并计算出最优的控制策略。

DMC算法的核心是简化为一个离散时间系统的ARX（自回归外推）模型，该模型可以通过系统的输入和输出数据来估计。

ARX模型的形式为：y(t)=b1*u(t-1)+b2*u(t-2)+...+a1*y(t-1)+a2*y(t-2)+...其中，y(t)是当前的系统输出，u(t)是当前的系统输入。

b1、b2、..为输入u(t)的系数，a1、a2、..为输出y(t)的系数。

通过拟合这个模型，我们可以得到系统的模型参数。

在DMC算法中，通过将未来一段时间的参考轨迹（即控制目标）转化为一系列未来时刻的输出预测，将控制问题转化为一系列的最优化问题。

通过数学优化方法，可以得到满足约束条件的最优控制策略。

DMC算法的基本步骤如下：1.根据系统的实时输入和输出数据，通过ARX模型估计出当前系统的模型参数。

2.从控制目标中提取出未来一段时间的参考轨迹，转化为一系列的输出预测。

3.通过最小化预测输出与参考轨迹的误差，得到最优的控制输入序列。

4.应用最优输入序列到系统中进行控制。

5.等待下一个采样周期，然后重复以上步骤。

DMC算法的优点是可以根据实时系统的性能要求进行灵活调节，提供了更好的控制品质。

它能够处理系统的时变性、非线性和耦合性等问题，并且具有较好的鲁棒性。

然而，DMC算法也存在一些挑战和限制。

首先，它需要一个准确的系统模型，而模型不准确会导致控制性能下降。

其次，DMC算法在计算方面相对复杂，需要较高的计算资源和实时性。

最后，DMC算法对于系统辨识的选择和参数调整也有一定的要求。

为了克服这些问题，研究人员一直在对DMC算法进行改进和拓展。

例如，引入了递归加权最小二乘法（R-LSE）方法来实时估计系统模型参数，提高了算法的实时性能。

预测控制中动态矩阵(DMC)算法研究及仿真摘要：预测控制是近年来发展起来的一类新型计算机控制算法。

由于预测控制具有多步预测、滚动优化和反馈校正的功能，所以控制效果比较好，鲁棒性也很强，对于一些不易建立精确的数学模型并且比较复杂的工业生产过程来说，预测控制是一种比较好的控制方法。

本文阐述了预测控制的基本原理和典型方法，并选取基于动态矩阵算法预测控制实例，进行了MA TLAB仿真，并对仿真结果进行分析研究。

关键词：预测控制，动态矩阵算法，模型1 预测控制介绍20世纪70年代，在工控领域，预测控制作为一类新型计算机控制算法被工控工作者提出来。

预测控制在全球化工、炼油等行业的数千个复杂装置中得到了成功的应用，并且获得了巨大的经济效益，它对复杂工业过程的优化控制产生了很大影响，成为先进过程控制的代表，是最受工控工作者青睐的先进控制算法。

预测控制算法的应用已经扩展到了各种领域，这是因为预测控制算法具有可以在不确定环境下进行优化控制的机理。

在20世纪90年代之后，预测控制在实践中得到了广泛的应用，逐渐形成了以传统最优控制与预测控制的联系为基础的新型控制算法，它在方法上具有创新性、理论上具有深刻性，是充满活力与生机的新的学科分支。

预测控制在国外的工业过程中得到了成功的应用，在很大程度上鼓舞了我国工控工作者对于加快掌握和应用预测控制这种先进控制技术的信心。

从20世纪90年代以来，在国家科技攻关计划的支持下，国内不少单位研发了具有自主知识产权的预测控制软件，并将其应用在各类工业过程中，获得了成功，积累了丰富的经验。

然而，目前预测控制在我国应用的深度和广度和国外相比仍有很大差距，因此，进一步普及预测控制技术，特别是推广预测控制工业应用的经验，是推动预测控制在我国各行各业应用的当务之急。

一般来说，采样控制算法而非连续控制算法，作为预测控制的表现形式，这是因为计算机是预控制的实现手段。

预测控制，是指利用内部模型的输出或状态来进行预测，与此同时，采取反馈校正和有限时域滚动优化的思想，对系统的某个性能指标进行最优计算，并且依据这个最优化的计算结果来确定一个控制时域内最优的控制序列。

动态矩阵控制从1974年起，动态矩阵控制(DMC)就作为一种有约束的多变量优化控制算法应用在美国壳牌石油公司的生产装置上。

1979年，Cutler等在美国化工年会上首次介绍了这一算法。

二十多年来，它已在石油、化工等部门的过程控制中获得了成功的应用。

DMC算法是一种基于对象阶跃响应模型的预测控制算法，它适用于渐近稳定的线性对象。

对于弱非线性对象，可在工作点处首先线性化；对于不稳定对象，可先用常规PID控制使其稳定，然后再使用DMC算法。

1． 模型预测DMC 中的预测模型是用被控对象的单位阶跃响应来描述的。

当在系统的输入端加上一控制增量后，在各采样时刻T t =、T 2、…、NT 分别可在系统的输出端测得一系列采样值，它们可用动态系数a、a 、…、a 来表示，这种用动态系数和输入量来特性，就是被控N 是阶跃响应的截断点，称为模型长度，N 的选择应使过程响应值已接近其稳态值，一般选N=20~60。

因此，对象的阶跃响应就可以用集合{}Na a a ,...,,21来描述。

这样，根据线性系统的比例和叠加性质，利用这一模型，在给定的输入控制增量TM k u k u k u k U )]1(),...,1(),([)(-+D +D D =D 作用下，系统未来时刻的输出预测值：)1()1()()()(ˆ)1()()2()2(ˆ)()1()1(ˆ11012010-+D +++D +D ++=++D +D ++=+D ++=++--M k u a k u a k u a P k y P k yk u a k u a k y k yk u a k y k yM P P P L M 其中，y 0(k+j)是j 时刻无控制增量作用时的模型输出初值，将上式写成矩阵形式为：)()1()1(ˆ0k U A k Y k Y D ++=+ （2-20）式中[][]TT P k y k y k Y P k y k y k Y)()1()1(,)(ˆ)1(ˆ)1(ˆ000++=+++=+L LMP M P P PM M a a a a a a a a a A ´+---úúúúúúúûùêêêêêêêëé=1111121LM L MM L OM M 为动态矩阵。

DMC算法MATLAB编程及仿真一、前言工业生产的过程是复杂的，建立起来的模型也是不完善的。

即使是理论非常复杂的现代控制理论，其效果也往往不尽人意，甚至在一些方面还不及传统的PID控制。

20世纪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，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。

在这样的背景下，预测控制的一种，也就是动态矩阵控制（DMC）首先在法国的工业控制中得到应用。

因此预测控制不是某种统一理论的产物，而是在工业实践中逐渐发展起来的。

预测控制中比较常见的三种算法是模型算法控制（MAC），动态矩阵控制（DMC）以及广义预测控制。

本篇所采用的是动态矩阵控制，其采用增量算法，因此在消除稳态余差方面非常有效。

二、控制系统设计方案2.1 控制系统方案设计图动态矩阵控制是基于系统阶跃响应模型的算法，隶属于预测控制的范畴。

它的原理结构图如下图(1)所示：图(1) 预测控制原理结构图上图就是预测控制原理结构图，从图中我们可以看到，预测控制的主要特点。

即建立预测模型；采用滚动优化策略，采用模型误差反馈矫正。

这也是预测控制的本质所在。

下面将对这三个特点一一说明。

2.2 预测控制基本原理1、预测模型：预测模型的功能是根据对象历史信息和未来输入对对象输出进行预测，它是被控对象的准确模型。

这里只强调模型的功能而不强调其结构形式。

因此，预测模型可以是状态方程、传递函数等传统的参数模型，对于线性稳定对象，阶跃响应、脉冲响应这类非参数模型也可以作为预测模型使用。

预测模型具有展示系统未来动态行为的功能，这样，就可以利用预测模型来预测未来时刻被控对象的输出变化及被控变量与其给定值的偏差，作为控制作用的依据，使之适应动态系统所具有的因果性的特点，得到比常规控制更好的控制效果。

2、滚动优化：预测控制是一种优化控制算法，它是通过某一性能指标的最优来确定未来的控制作用。

MATLAB 环境下动态矩阵控制实验一 算法实现设某工业对象的传递函数为：G P (s)=e -80s /(60s+1)，采用DMC 后的动态特性如图1所示。

在仿真时采样周期T=20s ，优化时域P=10，控制时域M=2，建模时域N=20。

MATLAB 程序1：g=poly2tfd(1,[60 1],0,80);%通用传递函数模型转换为MPC 传递函数模型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);%传递函数模型转换为阶跃响应模型plant=model; %进行模型预测控制器设计p=10; %优化时域m=2; %控制时域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;plot(t,y)xlabel('图1 DMC 控制系统的动态阶跃响应曲线(time/s)');ylabel('响应曲线');00.20.40.60.811.21.4图1 DMC 控制系统的动态阶跃响应曲线(time/s)响应曲线图中曲线为用DMC 控制后系统的阶跃响应曲线。

从图中可以看出：采用DMC 控制后系统的调整时间小，响应的快速性好，而且系统的响应无超调。

该结果是令人满意的。

二P和M对系统动态性能的影响1．P对系统性能的影响优化时域P表示我们对k时刻起未来多少步的输出逼近期望值感兴趣。

当采样周期T=20s，控制时域M=2，建模时域N=20，优化时域P分别为6，10和20时的阶跃响应曲线如图2所示。

MATLAB程序2：g=poly2tfd(1,[60 1],0,80);%通用传递函数模型转换为MPC传递函数模型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);%传递函数模型转换为阶跃响应模型plant=model; %进行模型预测控制器设计p1=6;p2=10;p3=20; %优化时域m=2; %控制时域ywt=[];uwt=1;kmpc1=mpccon(plant,ywt,uwt,m,p1);kmpc2=mpccon(plant,ywt,uwt,m,p2);kmpc3=mpccon(plant,ywt,uwt,m,p3);tend=1000;r=1;[y1,u,yrn]=mpcsim(plant,model,kmpc1,tend,r);[y2,u,yrn]=mpcsim(plant,model,kmpc2,tend,r);[y3,u,yrn]=mpcsim(plant,model,kmpc3,tend,r);t=0:20:1000;plot(t,y1,t,y2,t,y3)legend('1-p=6','2-p=10','3-p=20');xlabel('图2 P不同对系统性能的影响(time/s)');ylabel('响应曲线');0100200300400500600700800900100000.20.40.60.811.21.4图2 P 不同对系统性能的影响(time/s)响应曲线图中曲线1为P=6时的阶跃响应曲线；曲线2为P=10时的阶跃响应曲线；曲线3为P=20时的阶跃响应曲线。