[科普中国]-模糊预测控制

模糊控制

模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。它由一定的先验知识来构造模糊控制规则，通过一系列不精确的控制来达到精确的控制目的。从控制和建模的角度来看，即模糊系统能够实现任意的非线性连续控制规律和控制模型。所以也可以认为模糊控制器设计就是根据一定的先验知识，选择一组适当的参数，使得模糊控制器输出以一定精度逼近某一控制律轨迹。

需要指出的是，传统的模糊控制同PID算法一样，均为“事后调节” ，因而对大迟延对象的控制效果不很理想。解决办法之一就是与预测控制原理结合起来。1

预测控制预测模型、滚动优化、反馈校正是预测控制算法的三个基本特征。在预测控制算法的三个基本特征中，预测模型是描述对象动态行为的基础模型，它具有预测功能，即能够根据系统的历史信息和选定未来输入，预测其未来输出值。由于只强调预测模型的功能要求，模型的选取已不仅仅局限于传统的模型辨识方法，各种非传统的模型和各种智能技术的应用使得预测控制对模型的概念得到极大地推广；在实际系统中，由于过程的不确定性以及外部扰动等因素，使得预测模型输出与实际过程输出之间存在偏差，即预测误差。因此，它一定程度地反映了过程的不确定信息。于是通过反馈校正，对预测模型不断地进行修正，并采用滚动式的有限时域优化策略，从而有效地克服了实际系统中由于非线性、时变、模型失配等带来的不确定性。

预测控制的本质是利用系统的预测信息，在有限时域内对某一性能指标进行优化；通过采取滚动优化策略以克服系统的不确定性，它的核心在于滚动式优化。因此它是一种基于模型和基于优化的控制方法，但它又不同于传统的最优控制。1

模糊预测控制简介模糊预测控制是近几十年发展起来的一类新型控制算法，将模糊模型引入预测控制，是模糊控制理论与预测控制理论相结合的产物，体现了预测控制向智能控制方向拓展的趋势。对于模糊预测控制中的模型，强调其包含的对象信息和预测功能，不限制对象信息的表达形式。把模型的概念拓展为一般的信息集合，为进一步建立高质量的预测方法提供了新思路，为各种信息处理手段(如神经网络、模糊技术、遗传算法)进入预测控制领域提供了可能性。2

模糊预测控制的出发点是利用模糊推理对不确定性过程信息良好的处理和决策能力来改善预测控制性能，或者是将预测模型引入模糊控制之中，对传统模糊控制算法进行修正，使之适应那些具有大滞后特性的不确定对象的控制。1

结构模糊预测控制的结构如图1所示，可以看出，它由基本控制给定、模糊校正器、预测器、被控对象以及假想的选择开关组成。称之为假想，是因为它由计算机程序实现选通两种不同状态：“预报”与“控制”。当选通到预报状态时，被控对象在前一采样周期所得的老控制摘入下闭环工作。当选通到控制状态时，才得到控制的修正值，开始新控制输人下的工作。

基本控制给定了两个功能：它给出每一时刻寻优的初始策略，这可通过实验和经验而表达为模糊决策的量化表，存入程序中供查询者使用，其取值的优劣，影响算法收敛速度。第二个功能是记忆当前控制策略，作为下一采样周期的初始值。预报器为多步递推预报。模绷校正器基于模糊数学，模仿人的操作习惯，使输出单调进行。3

模糊预测控制的实现形式过程预测信息处理为核心的模糊预测控制这类模糊预测控制算法特点在于在传统的预测控制结构基础上，在预测模型的信息处理环节中引入模糊技术，从而构成模糊预测控制算法。根据信息处理方式的不同，可细分为：

①利用模糊建模方法建立对象预测模型的模糊预测控制算法。这类模糊预测控制算法是常见的一类模糊预测控制算法。该类算法的基本思路是通过模糊推理建立系统的全局模型，并根据这一模型对系统的输出进行预测，然后利用已有的预测控制算法得到控制律。因此与传统的预测控制相比，其核心问题是模糊建模。根据模糊建模方法的不同，出现了多种实现形式。

②应用模糊推理对预测误差进行补偿的模糊预测控制算法。这类模糊预测控制算法的关键在于充分利用系统反馈中所包含的有用信息。其具体做法就是将模型预测和误差预测结合起来。这类信息的分层处理技术不但可以适应对象、环境的变化，而且淡化了对基础模型的要求。

以模糊决策优化为核心的模糊预测控制如前所述，预测控制的核心在于滚动优化，因此整个预测控制算法最终可以归结为性能优化问题。传统的预测控制仍然采用基于线性二次型目标函数的优化方法。但是对于复杂系统，这种方法所要耗费的代价非常大，有时甚至是不可能的。由于模糊控制从某种程度来讲，就是选择一组控制器参数，使控制器输出接近最优控制律。因此众多学者将模糊决策引入预测控制算法，以模糊决策优化为核心,利用预测控制的相关原理、方法以及自校正原理对传统模糊控制器的隶属函数、控制规则进行优化，从而得到各种基于模糊决策优化的模糊预测控制算法。2