1.5.6 预测控制

工业对象通常是多输入、多输出的复杂关联系统，具有非线性、时变性、强耦合与不确定性等特点，难以得到精确的数学模型。

面对理论发展和实际应用之间的不协调，在工业过程控制领域内，美国和法国首先出现了一类新型计算机控制算法，如动态矩阵控制（Dynamic Matrix Control，DMC）和模型算法控制（Model Algorithmic Control，MAC）。

这类算法以对象的阶跃响应或脉冲响应直接作为模型，采用动态预测、滚动优化的策略，具有易于建模、鲁棒性强的显著优点，十分适合复杂工业过程的特点和要求。它们在汽轮发电机、蒸馏塔、预热炉等控制中的成功应用，引起了工业过程控制领域的极大兴趣。

20世纪80年代初期，这类控制算法得到了介绍与推广，其应用范围也有所扩大，逐渐形成了工业过程控制的一个新方向。近年来，自适应控制研究中，为了增强控制算法的适用范围和鲁棒性，吸取了预测控制的策略，形成了远程预测控制、广义预测控制等算法，构成了基于辨识模型的另一类预测控制算法。此外，基于状态方程模型、非线性模型的预测控制算法也开始得到研究与应用，这些算法统称为模型预测控制算法，已是当前工业过程控制领域中很有发展前途的一类新型算法，并在石油、化工和发电等领域内得到了成功的应用。

预测控制属于基于模型的先进控制算法范畴，但预测控制的发展更从实际应用出发而不是从理论研究的观点出发。预测控制的另一个优点是其形式开放（过程模型的描述、期望轨迹的选择和优化策略方面），这使得此后许多研究人员不断地定义了自己的预测控制算法。

预测控制的优点是其应用灵活性，如可采用串级结构的预测———PID控制方式。该方法充分发挥了串级结构、PID控制和预测控制的各自特点，同时保证了对抗干扰反应的快速性和对系统模型失配的鲁棒性的设计要求。

预测控制是先进过程控制的典型代表，它的出现对复杂工业过程的优化控制产生了深刻影响，在全球炼油、化工等行业数千个复杂装置中的成功应用以及由此取得的巨大经济效益，使之成为工业过程控制领域中最受青睐的先进控制算法。不仅如此，由于预测控制算法具有在不确定环境下进行优化控制的共性机理，使其应用跨越了工业过程，而延伸到航空、机电、环境、交通和网络等众多应用领域。