分布式模型预测控制和模型预测控制有什么区别

分布式模型预测控制和模型预测控制区别在于以下方面。

1、复杂系统具有模型复杂、规模大、变量多、约束多等特点，传统的模型预测控制方法无法满足复杂系统控制的要求。

2、分布式模型预测控制以其优良的控制性能、有效处理约束的能力和结构的灵活性等优点得到了广泛关注，成为了处理大规模复杂系统的重要工具。

钢铁冶金行业是一个复杂的加工过程，把铁矿石、煤等原材料加工成钢板要经过焦炉、烧结、高炉、炼钢、连铸、热轧、冷轧等多个工艺环节，这些环节中主要包括了高温处理过程(各种加热炉)和高速轧制等其他一些过程，其中的控制系统非常复杂，普通存在动态时变时滞的复杂特性。随着竞争的日趋加剧，对产品质量控制的要求越来越高，基于模型的传统控制方法难以收到令人满意的控制效果。因此，必须结合钢铁冶金的特点，将先进的控制方法以及人工智能技术引入钢铁冶金的各个工艺过程的控制之中，研究适用的控制方法。

钢铁企业的生产流程如下图所示。下面将结合钢铁企业生产工艺讲述模型预测控制在钢铁企业的应用情况：

焦炉是具有大时滞、大惯性、强非线性、多变量耦合、变参数的复杂对象，其生产过程是既受连续时间信号的驱动，又受离散事件驱动的一类混杂系统，高军伟等旧。提出了一个综合智能控制算法，采用多模型切换系统的方式对焦炉的温度进行控制。该控制算法以多变量模糊控制为核心，采用神经网络构造蓄顶温度/直行温度转换模型，增加了专家控制和预测控制，模糊控制用来控制系统的连续推焦状态．模糊控制和预测控制结合用来控制焦炉检修期间温度上升和下降趋势状态，采用专家控制的方法，通过调节吸力来控制机侧和焦侧温度不平衡的情况。该系统在北京炼焦化学厂投入生产运行后，取得良好控制效果，对提高焦炭质量、降低能耗和延长炉体使用寿命都有重要的意义。

烧结终点控制是影响烧结矿产量和质量的关键环节，但由于这个环节的动态长时间滞后，与终点调节的相关因素多，成为烧结厂自动控制的难点。针对冶金工业过程普遍存在的动态时变时滞和模糊特性，李桃等将自适应技术、预测控制与模糊控制相融合，提出一种集成型智能控制方法——自适应预测模糊控制。可以提前预测烧结过程的动态时滞和被控变量的状态。该控制方法应用于冶金原料准备阶段的烧结过程终点的控制，结果表明，控制系统能够自适应地辨识时滞的变化和预报烧结终点的波动，适当调节机速，防患于未然，以保持烧结终点稳定在设定值附近。这一控制方法同样也适用于其它存在时变时滞的复杂工业过程的控制。

在结晶器振动系统中，吴晓明[]等人采用了双值DMC控制算法，理论和实验研究表明能很好地跟踪参考轨迹，减小了非正弦波形的畸变，提高了系统的控制精度。双值动态矩阵控制算法采用了非最小化描述的离散卷积模型和滚动优化策略，使模型失配、畸变、干扰等引起的不确定性及时得到弥补，从而得到较好的动态控制性能。在连铸结晶器液位控制系统中，王朝利等人[]利用预测控制算法之一——增量型模型算法(IMAC)设计宝钢一连铸结晶器液位控制系统。模型算法控制分为单步模型算法控制、多步模型算法控制、增量型模型算法控制等多种。由于单步模型算法控制包含的控制信息量少，因而控制效果和鲁棒性都较多步模型算法控制和增量型模型算法控制差，而且单步模型算法和多步模型算法控制都无法消除扰动造成的稳态偏差，不能无偏差跟踪参考输入轨迹；而增量型模型算法控制(IMAC)恰好能解决这些问题。IMAC的引入使结晶器液位控制独具特色。仿真和对比研究表明，引入IMAC后系统的控制效果优于原先的PID控制。结晶器液位控制精度明显提高，液位波动较小且没有稳态误差，能实现无稳态偏差调节和跟踪。

热轧工艺中的步进梁加热炉温度控制对象是一复杂的多输入多输出、非线性、强耦合的分布参数系统。传统的步进梁加热炉控制采用经典PID控制器，在流量的平稳性、温度的快速跟踪等方面受到控制器本身的限制，而且不能达到好的解耦效果。汪开红等人使用基于预测控制的多变量约束控制算法，将加热炉和底层控制回路作为广义对象进行控制，所以控制器本身已经将各部段温度的耦合考虑了进去，不需要额外的解耦方案设计，较通常的PID控制具有明显的优越性。而且。这种控制的外延性好，不会因对象模型的变化使控制效果发生较大变化，这也正是先进控制的特点。在控制器设计时，由于将流量和流量的变化量加入优化目标函数，可以在保证温度跟踪精度的同时，对流量进行控制。仿真结果表明了这种先进控制算法在解耦、节能指标、跟踪平稳性等方面表现出了良好性能，表现了多变量控制的优点，使预测控制在加热炉对象上的成功应用有了理论上的证实。

热轧带钢卷取温度是影响成品带钢性能的重要工艺参数之一。层流冷却控制系统的控制目标是根据实测的带钢终轧出口温度、速度及厚度确定相应的喷水区长度，使卷取温度尽可能接近目标值，以期获得优异的成品钢卷。彭力等人运用预测控制思想，得到了一套适用性较强的控制算法，结构形式简单、可调性强、适用面广的数学模型加上分段优化、局部反馈的算法，使得控制效果有明显提高。在设计控制系统时，以温度预测模型为基础，根据带钢终轧出口温度、速度及厚度，计算出为使卷取温度达到目标值所需的喷水区长度改变量，这实际上是一种前馈控制，它往往无法保证实际的卷取温度等于目标值，为了提高控制精度，还设计了反馈控制，以弥补前馈控制的不足。建立利用带钢实测人口条件如：终轧温度、速度和厚度预测带钢经过冷却区冷却后的卷取温度，将带钢分段，把带钢每一段作为一个计算点，结合分段最优前馈控制计算，采样一段、计算一段、优化一段，体现了滚动优化的特点。

广义预测控制需要实现四个功能：1、参数估计，可以用递推最小二乘法实现；2、使用丢番图方程对模型分解，分解为当前状态和历史输入对模型未来输出值的作用公式，未来输入对模型未来输出值的作用公式；推导过程过于繁琐，可以直接套用公式计算。3、参考轨迹生成，可以使用下面公式递推得到:r(n)=（1-k）y(n-1)+k(s-y(n-1))，其中k为时间常量，决定系统的调节速度，s为设定值。4、最优值计算，可以直接套用公式。实现过程：首先辨识系统模型，然后使用丢番图方程对辨识得到的模型进行分解，计算参考轨迹，最后把参考估计和分解后的系统模型带入公式得到最优输出值（其实是次优解），如此反复即可实现预测控制。

经典PID计算：可以使用增量式的公式：y(n)=y(n-1)+Kp[e(n)-e(n-1)]+Kie(n)+Kd[e(n)+e(n-2)-2e(n-1)]

需要说明广义预测控制和PID控制输出都需要设置输出值限幅。

工业实现：可以用c语言编写程序作为控制软件的控制代码，硬件平台可以是一台工控机或者PLC，另外也有这方面的软件包，不过很贵。

BP神经网络预测的步骤:

1、输入和输出数据。

2、创建网络。fitnet（）

3、划分训练，测试和验证数据的比例。netdivideParamtrainRatio； netdivideParamvalRatio；netdivideParamtestRatio

4、训练网络。 train（）

5、根据图表判断拟合好坏。ploterrcorr（）；parcorr（）；plotresponse（）

6、预测往后数据。net（）

7、画出预测图。plot（）

执行下列命令

BP_prediction

得到结果：

[ 2016, 14749003045557066798210144042969]

[ 2017, 15092847215188667178153991699219]

[ 2018, 15382150005970150232315063476562]

[ 2019,  1539885769711434841156005859375]

[ 2020, 15491935150090605020523071289062]

首先，将下载的工具箱文件解压，将文件夹复制到MATLAB安装目录下toolbox文件夹下。

其次，在MATLAB命令行中输入如下命令：

>>cd D:\MATLAB7\toolbox\piotr_toolbox % 找到你的工具箱

>> addpath(genpath('D:\MATLAB7\toolbox\piotr_toolbox')) %增加路径

>> savepath %永久保存路径

最后，检查是否成功：

>>which hog %随便输入所加入工具箱中的一个m文件

D:\MATLAB7\toolbox\piotr_toolbox\channels\hogm %得到此文件路径，即加载正确

预测控制或称为模型预测控制（MPC）是仅有的成功应用于工业控制中的先进控制方法之一。

各类预测控制算法都有一些共同的特点，归结起来有三个基本特征：（1）预测模型，（2）有限时域滚动优化，（3）反馈校正。这三步一般由计算机程序在线连续执行。

预测控制是一种基于预测过程模型的控制算法，根据过程的历史信息判断将来的输入和输出。它强调模型的函数而非模型的结构，因此，状态方程、传递函数甚至阶跃响应或脉冲响应都可作为预测模型。预测模型能体现系统将来的行为，因此，设计者可以实验不同的控制律用计算机仿真观察系统输出结果。

预测控制是一种最优控制的算法，根据补偿函数或性能函数计算出将来的控制动作。预测控制的优化过程不是一次离线完成的，是在有限的移动时间间隔内反复在线进行的。移动的时间间隔称为有限时域，这是与传统的最优控制最大的区别，传统的最优控制是用一个性能函数来判断全局最优化。对于动态特性变化和存在不确定因素的复杂系统无需在全局范围内判断最优化性能，因此这种滚动优化方法很适用于这样的复杂系统。

预测控制也是一种反馈控制的算法。如果模型和过程匹配错误，或者是由于系统的不确定因素引起的控制性能问题，预测控制可以补偿误差或根据在线辨识校正模型参数。

虽然预测控制系统能控制各种复杂过程，但由于其本质原因，设计这样一个控制系统非常复杂，要有丰富的经验，这也是预测控制不能预期那样广泛得到应用的主要原因。

预测控制适用于先进过程控制（APC）和监督控制场合，其控制输出作用主要是跟踪设定值的变化。但预测控制并不能很好地处理调节控制难题。

模型预测控制是一种基于模型的闭环优化控制策略，已在炼油、化工、冶金和电力等复杂工业过程控制中得到广泛的应用。模型预测控制具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和关联性，并能方便处理过程被控变量和 *** 纵变量中的各种约束。

预测控制算法种类较多，表现形式多种多样，但都可以用以下三条基本原理加以概括：①模型预测：预测控制的本质是在对过程的未来行为进行预测的基础上，对控制量加以优化，而预测是通过模型来完成的。②滚动优化 ：预测控制的优化，是在未来一段时刻内，通过某一性能指标的最优化来确定未来的控制作用，这一性能指标涉及到系统未来的行为，并且在下一时刻只施加当前时刻控制作用，它是在线反复进行的，而且优化是有别于传统意义下的全局优化。③反馈校正 ：预测控制是一种闭环控制算法，用预测模型预测未来的输出时，预测值与真实值之间存在一定的偏差，只有充分利用实际输出误差进行反馈校正，才能得到良好的控制效果。

目前，预测控制的研究范围主要涉及到以下方面，

(1)对现有基本算法作修正。如引入扰动观测器，采用变反馈校正系数等。

(2)单变量到多变量的推广。把只适合于稳定对象的算法推广到非自衡系统，把预测控制的应用范围推广到非线性及分布参数系统。

(3)优化目标函数的选取。如采用最小方差的目标函数、二范数的目标函数、无穷范数的目标函数等。

(4)预测模型的选取。尤其是在非线性预测控制中，非线性预测控制要比线性预测控制复杂得多。因而，目前研究主要集中在特殊的非线性模型，如Wiener模型，Bilinear模型、广义Hammerstein模型、Volterra模型等。

(5)引入大系统方法，实现递阶或分散的控制算法。

(6)将基本控制算法与先进的控制思想与结构相结合，如自适应预测控制、模糊预测控制、鲁捧预测控制、神经网络预测控制等。

目前，预测控制的应用几乎遍及各个工业领域，如：炼油、石化、化工、造纸、天然气、矿冶、食品加工、炉窑、航空、汽车等。其中全世界采用了以预测控制为核心的先进控制算法已经超过5000多例。国外著名的控制工程公司都开发研制了各自的商品化软件。预测控制的软件产品至今已走过了三代。第一代产品主要以Adersa公司的IDCOM和Shell Oil公司的DMC为代表，可处理无约束的预测控制问题。第二代以Shell Oil公司的QDMC为代表，它增加了处理输入输出有约束的多变量对象的技术。而目前的第三代产品，主要有Aspen公司的DMC　plus和Honeywell公司的RMPCT,以及浙大中控软件公司的Adcon等，都已在炼油、化工、石化等工业生产过程中应用。

以上就是关于分布式模型预测控制和模型预测控制有什么区别全部的内容，包括:分布式模型预测控制和模型预测控制有什么区别、模型预测控制的企业应用、广义预测控制+经典PID控制如何用matlab编程实现在工业上如何实现控制（硬件平台）请这方面的高手帮助等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！