动态预测模型 预测模型的功能: 根据被控对象的历史信息{(k-),y(k- ≥1}和未来输入{u(k+j-1)|j=1,…,m} 预测对象未来输出{k+n|j=1,,p} 预测模型形式: 参数模型:微分方程、差分方程等; 非参数模型:脉冲响应、阶跃响应等
动态预测模型 预测模型的功能： 根据被控对象的历史信息{ u(k - j), y(k -j) | j≥1 }和未来输入{ u(k + j - 1) | j =1, …, m} ， 预测对象未来输出{ y(k + j) | j =1, …, p} 预测模型形式： 参数模型：微分方程、差分方程等； 非参数模型：脉冲响应、阶跃响应等
模型输出预测 当前 过去 未来 y,(k+kk y,(k+j k) 预测时域 u,(ktk) (k+ k) (k-) 控制时域 k-j k k+ k+p
模型输出预测 k - j k k+m 过去 当前 未来 控制时域 预测时域 k+p y(k-j) u(k-j) y 1 (k+j|k) y 2 (k+j|k) u1 (k+j|k) u2 (k+j|k)
滚动优化(在线优化) 优化目的 通过使某一性能指标J极小化,以确定 未来的控制作用硎(k+ik)。指标J希望模型 预测输出尽可能趋近于参考轨迹。 优化过程 滚动优化在线反复进行。优化目标只关 心预测时域内系统的动态性能,而且只将 l(k)施加于被控过程
滚动优化（在线优化） 优化目的 通过使某一性能指标J 极小化，以确定 未来的控制作用 u(k+j|k)。指标J 希望模型 预测输出尽可能趋近于参考轨迹。 优化过程 滚动优化在线反复进行。优化目标只关 心预测时域内系统的动态性能，而且只将 u(k|k)施加于被控过程