[按需印刷] 模型预测控制 pdf epub mobi txt 电子书 下载 在线阅读 2026

内容介绍
《系统与控制丛书：模型预测控制》在状态空间理论的统一框架下系统深入地介绍了预测控制的滚动优化原理、算法和闭环性能。首先通过本科生熟悉的状态空间模型建立起预测控制从原理到算法和性能分析的每一个细节，然后，介绍了阶跃响应模型和脉冲响应模型的状态空间描述，给出了与传统卷积描述的一致性，据此，遵循预测控制的三个步骤“预测系统未来动态一求解优化问题一解的第*个元素作用于系统”和“滚动时域、重复进行”机制推导了无约束的动态矩阵控制（DMC）和模型算法控制（MAC），分析了闭环性能，给出了闭环稳定性的分离原理，然后，依次讨论了时滞预测控制、约束预测控制、非线性预测控制，以及稳定性和鲁棒性研究的zui新进展，zui后，介绍了基于滚动优化原理的滚动时域估计和基于现场可编程门阵列（FPGA）的预测控制器实现技术。
《系统与控制丛书：模型预测控制》可作为高等学校自动化及相关专业教师、研究生和高年级本科生的教材或教学参考书，也可供从事控制系统研发工作的科研人员和工程技术人员参考。

目录
编者的话
序

第1章 绪论
1.1 为什么出现预测控制
1.2 预测控制的基本原理
1.3 预测控制的基本特点
1.3.1 基于模型的预测
1.3.2 滚动优化
1.3.3 前馈-反馈控制结构
1.4 本书概貌

第2章 基于状态空间模型的预测控制
2.1 状态空间模型
2.2 预测方程
2.3 无约束预测控制
2.3.1 开环优化问题的数学描述
2.3.2 开环优化问题的求解
2.3.3 预测控制闭环解
2.4 无约束预测控制的闭环系统分析
2.4.1 稳定性分析
2.4.2 性能分析
2.5 基于估计的无约束预测控制
2.5.1 状态估计
2.5.2 预测控制及其闭环解
2.5.3 闭环系统分析

第3章 基于阶跃响应的无约束预测控制
3.1 SISO阶跃响应模型的状态空间描述
3.1.1 稳定SISO系统的阶跃响应模型
3.1.2 与卷积单位阶跃响应模型的一致性
3.1.3 SISO积分系统的阶跃响应模型
3.2 SISO系统的动态矩阵控制（DMC）
3.2.1 被控系统描述
3.2.2 状态估计
3.2.3 预测方程
3.2.4 DMC算法及其控制律
3.2.5 闭环系统分析
3.3 SISO时滞系统的动态矩阵控制
3.3.1 SISO时滞系统的DMC算法
3.3.2 闭环系统分析
3.4 MIMO系统的动态矩阵控制
3.4.1 阶跃响应模型的状态空间描述
3.4.2 状态估计
3.4.3 预测方程
3.4.4 MIMO-DMC算法及其控制律
3.4.5 闭环系统分析
3.5 三容液位实验系统的预测控制

第4章 基于脉冲响应的无约束预测控制
4.1 SISO脉冲响应模型的状态空间描述
4.1.1 稳定系统的脉冲响应模型
4.1.2 积分系统的脉冲响应模型
4.2 SISO系统模型算法控制（MAC）
4.2.1 被控系统描述
4.2.2 状态估计
4.2.3 预测方程
4.2.4 MAC算法及其控制律
4.2.5 闭环系统分析
4.3 改进的SISO系统模型算法控制
4.3.1 被控系统描述
4.3.2 状态估计
4.3.3 预测方程
4.3.4 改进MAC算法及其控制律
4.3.5 闭环系统分析
4.4 MIMO系统的模型算法控制
4.4.1 脉冲响应模型的状态空间描述
4.4.2 状态估计
4.4.3 预测方程
……
第5章 线性系统约束预测控制
第6章 非线性预测控制
第7章 鲁棒预测控制
第8章 滚动时域估计
第9章 预测控制器的FPGA实现

[按需印刷] 模型预测控制：解构复杂系统的智慧之钥 在这个瞬息万变的时代，我们所处的系统变得越来越复杂，从精密的工业生产流程到庞大的人员交通网络，再到不可捉摸的经济金融市场，乃至我们赖以生存的自然环境，都展现出高度的动态性和耦合性。传统的控制方法在面对这些复杂系统时，往往显得力不从心，难以实现最优化的运行和精准的预测。然而，一种强大且富有远见的控制理论——模型预测控制（Model Predictive Control, MPC），正日益成为解锁这些复杂系统潜能的关键。 本书旨在深入浅出地揭示模型预测控制的精髓，带领读者一步步领略其强大的理论基础、精巧的算法设计以及在各领域的广泛应用。我们不预设读者在控制理论方面拥有深厚的背景，而是从最基础的概念入手，逐步构建起读者对MPC的认知框架。本书将重点关注MPC的核心思想：如何利用系统模型来预测未来行为，并基于这些预测来优化控制决策，以达到期望的目标。 核心概念的层层剥离 MPC的核心魅力在于其前瞻性和优化性。不同于传统的反馈控制，MPC不仅仅是根据当前的偏差来调整输出，而是会“展望”系统的未来。这个“展望”的实现，依赖于对被控对象的精确数学建模。本书将花费大量篇幅来讨论模型的重要性，从线性模型到非线性模型，从状态空间模型到传递函数模型，以及如何根据实际情况选择和构建合适的模型。我们将探讨如何通过数据辨识、物理机理建模等多种途径来获取精确的模型，并分析模型误差对MPC性能的影响。 在模型构建之后，MPC的关键步骤便是“预测”。基于已建立的模型，MPC能够模拟系统在未来一段时间内的动态演变。这段时间被称为“预测时域”。在此基础上，MPC会生成一系列未来的控制输入序列，并计算这些输入序列对未来系统输出的影响。 而MPC的精髓，则体现在“控制”环节。MPC并非简单地将预测到的未来输出与目标进行对比，而是将此过程转化为一个在线的优化问题。在每一个采样时刻，MPC都会在预测时域内，寻找一组最优的控制输入，使得系统的未来输出能够尽可能地接近预设的轨迹，同时满足各种约束条件。这些约束条件可能是设备运行的物理限制（如执行器的饱和）、安全性的要求、能源消耗的限制，甚至是经济效益的最大化。本书将详细介绍如何将这些复杂的约束条件转化为数学语言，并融入到优化问题中。 优化问题的求解之道 求解MPC中的优化问题是其技术难点也是其强大能力的来源。本书将详细介绍求解优化问题常用的方法，例如线性规划（LP）、二次规划（QP）以及更通用的非线性规划（NLP）。我们将探讨不同优化求解器（solver）的特点、效率以及适用范围，并给出在实际应用中选择和配置求解器的建议。对于初学者，我们将从简单的线性MPC入手，逐步过渡到更为复杂的非线性MPC。 MPC的架构与实现 理解MPC的运行架构对于掌握其应用至关重要。本书将深入剖析MPC的整体框架，包括模型的更新、预测的生成、优化问题的求解以及控制指令的下发等环节。我们将讨论MPC的采样时间选择、预测时域和控制时域的设置对系统性能的影响。此外，我们还将探讨MPC在计算资源方面的要求，以及如何通过模型降阶、简化优化问题等方法来提高MPC的实时性，使其能够适用于高速动态系统。 超越理论：MPC的广泛应用 模型预测控制并非空中楼阁，其强大的性能使其在众多领域都取得了显著的成功。本书将通过丰富的案例研究，展示MPC在以下领域的应用： 工业过程控制： 从炼油化工、电力系统到食品生产，MPC能够实现对复杂生产过程的精确控制，提高产品质量，降低能耗，优化生产效率。我们将探讨如何为具体的工业过程建立模型，并设计相应的MPC控制器。 机器人与自动化： 在机器人路径规划、运动控制以及多机器人协同等方面，MPC能够实现更加平滑、精确且符合约束的运动，提高机器人的智能化水平。 汽车工程： 自动驾驶、巡航控制、动力系统优化等都受益于MPC技术，使其能够更安全、高效地运行。 航空航天： 飞行器姿态控制、轨道维持等需要高精度和鲁棒性的控制，MPC在此领域展现出巨大的潜力。 能源系统： 智能电网的调度优化、可再生能源的接入管理、储能系统的协调控制等，MPC都扮演着至关重要的角色。 楼宇自动化： 智能建筑的能源管理、温湿度控制等，MPC能够实现更加舒适和节能的运行。 金融与经济建模： 虽然在这些领域应用相对较新，但MPC的优化预测能力也开始被探索应用于宏观经济调控、投资组合管理等方面。 在每一个应用案例中，我们都将力求详细阐述MPC如何被具体地应用于该场景，包括模型的选择、约束条件的设定、优化目标的定义以及最终实现的控制效果。这些案例不仅能帮助读者理解MPC的实际价值，更能启发读者将其应用于自身的研究和工程实践中。 挑战与未来展望 尽管MPC优势众多，但在实际应用中也面临着一些挑战，例如模型的准确性问题、实时计算的压力、鲁棒性设计以及高维系统的求解难度等。本书将对这些挑战进行深入的分析，并介绍一些前沿的研究方向和技术进展，例如： 鲁棒MPC： 如何在模型不确定或存在扰动的情况下，依然保证控制系统的稳定性和性能。 自适应MPC： 如何使MPC能够根据系统运行状态的变化，自动调整模型或控制策略。 强化学习与MPC的结合： 利用强化学习的强大感知和决策能力，与MPC的优化规划能力相结合，实现更智能的控制。 分布式MPC： 如何在大型复杂系统中，通过分布式计算和协同控制，实现整体的最优。 本书旨在为读者提供一个全面而深入的MPC学习平台。我们相信，通过对本书内容的学习和消化，读者将能够深刻理解模型预测控制的强大之处，并将其灵活应用于解决现实世界中的复杂控制问题，从而真正掌握解构复杂系统的智慧之钥。无论您是学生、研究人员，还是工程师，本书都将是您探索模型预测控制领域不可或缺的宝贵财富。