智能预测控制及其应用 (2009 年度畅销榜NO.21107 )

当前，预测控制研究已经拓展到“智能预测控制”理论及其应用机理研究的新领域，并将成为多变量复杂系统中深受众多学者关注并广泛应用、实效显著的一类新型控制策略。\r\n 本书为国家“九五”重点图书《现代控制工程丛书》的一个分册，主要内容有：模型预测控制基础理论，复杂系统模糊预测控制，基于人工神经网络的智能预测控制，非线性预测控制，新型预测控制（包括预测函数控制，多速率采样和多模型切换预测控制等基本理论、应用机理和实例仿真等）及智能预测控制的应用研究。原理部分阐述条理清楚，通俗易懂；应用实例和仿真研究面广、量多，说明翔实，并力求由浅入深。\r\n 本书读者以控制理论和控制工程及工业自动化领域的工程技术人员、科研工作者为主，也可作为高等院校教师、研究生、高年级本科生的教学与参考用书。

第1章 绪论\r\n 1.1 自动控制理论发展与先进控制技术\r\n 1.1.1 自动控制理论发展简述\r\n 1.1.2 基于模型的先进控制\r\n 1.1.3 基于知识规则和学习推理的先进控制\r\n 1.2 预测控制发展与早期研究\r\n 1.2.1 预测控制技术的进展\r\n 1.2.2 预测控制的早期研究\r\n 1.3 现代预测控制及研究动向\r\n 1.3.1 先进预测控制技术及研究动向\r\n 1.3.2 智能预测控制策略及研究动向\r\n 1.3.3 多种新型预测控制的研究动向\r\n 1.4 非线性预测控制概述\r\n 1.4.1 非线性预测控制的发展与应用\r\n 1.4.2 非线性预测控制的主要方法\r\n 1.4.3 非线性预测控制存在的问题\r\n 参考文献\r\n第2章 模型预测控制基础理论\r\n 2.1 预测控制数学基础\r\n 2.1.1 预测模型的数学描述\r\n 2.1.2 丢番图(Diophantine)方程及其求解\r\n 2.1.3 滚动优化和二次型指标\r\n 2.2 几种典型预测控制的基本原理\r\n 2.2.1 动态矩阵控制(DMC)\r\n 2.2.2 模型算法控制(MAC)\r\n 2.2.3 广义预测控制(GPC)\r\n 2.3 线性有约束系统预测控制\r\n 2.3.1 基于CARMAX模型的有约束广义预测控制\r\n 2.3.2 有约束模型算法控制\r\n 2.4 线性多变量系统预测控制\r\n 2.4.1 线性多变量系统动态矩阵控制(MDMC)\r\n 2.4.2 线性多变量系统广义预测控制(MGPC)\r\n 2.4.3 线性多变量系统有约束预测控制\r\n 参考文献\r\n第3章 复杂系统模糊预测控制\r\n 3.1 模糊预测控制的数学基础\r\n 3.1.1 模糊集合与模糊数学知识\r\n 3.1.2 模糊控制基础理论\r\n 3.2 模糊模型预测控制\r\n 3.2.1 基于模糊辨识模型的预测控制\r\n 3.2.2 基于局域线性化模糊模型的预测控制\r\n 3.3 多变量系统的模糊预测控制\r\n 3.3.1 基于模糊模型的多变量预测控制\r\n 3.3.2 复杂多变量系统的模糊广义预测控制\r\n第4章 基于人工神经网络的智能预测控制\r\n 4.1 神经网络的基本理论\r\n 4.1.1 神经网络的基础知识\r\n 4.1.2 几种常用神经网络模型的学习算法\r\n 4.1.3 人工神经网络模型辨识\r\n 4.1.4 径向基函数神经网络\r\n 4.2 神经网络预测控制\r\n 4.2.1 神经网络模型预测控制\r\n 4.2.2 多BP网络非线性并行预测控制\r\n 4.2.3 神经网络非线性广义预测控制\r\n 4.3 基于径向基函数神经网络的预测控制\r\n 4.3.1 RBF网络预测控制建模\r\n 4.3.2 RBF网络动态矩阵预测控制\r\n 4.3.3 基于预测偏差的RBF网络预测控制\r\n 附录4-1:定理4-1的证明\r\n 参考文献\r\n第5章 非线性预测控制\r\n 5.1 非线性预测控制模型\r\n 5.1.1 Volterra级数\r\n 5.1.2 NARMAX模型\r\n 5.1.3 二维APMAX模型和二维NARMAX模型\r\n 5.1.4 Hammerstein模型\r\n 5.1.5 I/O扩展线性化模型\r\n 5.1.6 非线性系统的多模型方法\r\n 5.1.7 其他模型方法\r\n 5.2 非线性预测控制\r\n 5.2.1 基于Hammerstein的非线性预测控制\r\n 5.2.2 基于非线性线性化的预测控制\r\n ……\r\n第6章 新型预测控制\r\n第7章 智能预测控制的应用研究

预测控制是20世纪70年代中后期在欧美工业领域内出现的. 它是在新型计算机控制算法基础上发展起来的, 是一种基于模型的先进控制技术, 亦称为模型预测控制(MPC—model predictive control). 它的主要特点是：预测模型的多样性, 滚动优化的时序性. 在线校正的适应性和工业过程的实用性. 预测控制作为一种面向复杂系统的控制策略, 一开始就受到国内外控制界众多学者的重视, 并在理论研究和实际应用方面均取得了不少成果. 近几年来, 预测控制的研究与发展已经突破前期研究的框架, 摆脱了单纯的算法研究模式, 它与极点配置. 自适应控制和多模型切换等众多先进控制技术相结合, 成为新的一类现代预测控制策略研究领域. 随着智能控制技术的进展, 预测控制将已取得的成果与模糊控制. 神经网络以及遗传算法. 专家控制系统等控制策略相结合, 正朝着智能预测控制方向发展, 从而进一步增强了预测控制面对复杂环境. 复杂对象和复杂任务的处理能力, 拓展了预测控制理论研究和应用的领域, 也充分显示出智能预测控制的重大实用价值.

本书共分7章：第1章绪论, 在概述预测控制发展和早期研究成果的基础上, 着重介绍了目前一类先进控制策略和预测控制相结合的现代预测控制以及智能预测控制的研究动向, 并对当前不少学者所关注的预测函数控制. 多速率采样与多模型切换预测控制的研究方向进行了适当论述. 第2章模型预测控制基础理论, 概要综述了预测控制的数学基础和几种典型预测控制(DMC. MAC. GPC)的基本原理, 目的在于作为后续讨论智能预测控制章节内容的基础理论. 第3. 4章是论述复杂系统模糊预测控制和基于人工神经网络的智能预测控制. 这是当前智能预测控制研究的主流方向. 这两章以多输人. 多输出复杂系统为主要研究对象, 论述了基于模糊辨识模型与局域线性化模糊模型的预测控制, 以及模糊控制与预测控制相集成的具有分层递阶结构的模糊广义预测控制, 也论述了神经网络预测控制算法, 包括多BP网络非线性并行预测控制, 神经网络非线性广义预测控制, 以及基于径向基函数神经网络的动态矩阵预测控制等智能预测控制策略的研究成果. 第5章非线性预测控制, 在介绍几种非线性预测模型建模方法的基础上, 重点论述了基于Hammerstein模型. I／O扩展线性化模型和多模型集成的非线性预测控制策略. 第6章论述的新型预测控制, 主要包括预测函数控制. 多速率采样预测控制和多模型切换预测控制等目前颇受关注的新型预测控制策略研究方向及其相关理论, 最后一章是前面章节中所涉及到的一些先进预测控制. 智能预测控制策略的应用举例与某些实例仿真研究结果.

综观全书内容. 可知本书有如下特点：

(1)针对当前越来越多的多变量复杂受控对象在建立参数与非参数机理模型时所遇到的困难, 着重论述应用模糊控制理论和人工神经网络原理, 通过辨识等方法建立一类精度高. 具有知识推理. 学习与自适应等功能的智能化预测模型. 并对其相关理论和应用机理进行研究与探讨, 为预测控制研究开拓了新的领域. 增加了新的活力.

(2)对非线性预测控制. 预测函数控制和多速率采样预测控制等目前在文献中较少报道的新型预测控制内容进行了理论探讨和仿真研究, 尽管这些工作还是很初步的, 希望能起到抛砖引玉的作用.

(3)全书力求基础理论和应用实例相结合, 在注重论述预测控制的基本理论. 基本概念和基本算法的同时, 引入了诸多应用实例及仿真研究结果, 而这些内容多为本校自动化学科方向的博士. 硕士研究生在学位论文研究课题中获得论证的结果.

(4)全书在内容编排中, 充分考虑了由浅入深, 循序渐进, 突出新理论. 新算法和新研究方向, 因此适合于控制理论和控制工程. 工业自动化等专业方向的师生和工程技术人员参考与阅读, 也可以作为相应专业本科生或研究生使用的教材.

本书第5章与第1章. 第7章中有关非线性预测控制部分由颜文俊副教授撰写, 第6章与第7章的大部分内容由诸勇博士撰写. 在编写过程中, 作者除参考了“参考文献”目录中所列的大量文献资料外, 在应用实例与仿真研究等方面还引用了有关博士. 硕士研究生学位论文中的理论研究和应用成果, 特此说明, 并对他们及其导师表示由衷的感谢.

由于预测控制理论涉及面广, 在理论上不断有新的进展, 加之某些新型预测控制的参考文献较少. 撰写时间紧促和作者本人水平所限, 难免有错漏与不妥之处, 衷心希望师友和读者批评指正, 不胜感谢.

作 者

2000年4月于浙江大学