该系列试验仪，主机机架采用强度设计，重量轻，刚度好，机械传动采用同步带，高精度丝杠，传动平稳；间隙小，响应快，噪音低；传动源采用日本松下驱动器及伺服电机，测量系统采用高精度力值传感器及位移等传感器，测量准确。利用计算机的操作方便、快捷的特点对试验机进行各种参数设置，自动测量、控制、数据处理，绘制各种曲线及打印试验报告，其技术性能处于国内同类产品领先地位。

是生产纸板、纸箱及其它类似材料厂家、相关科研部门及大专院校不可缺少的主要测试仪器。

1．图形点阵电脑显示屏显示，测量结果，工作状态操作提示，直观清楚。

2．控制方式：试验力测试，力值跟踪，峰值保持，位移测量。

3．各种测试方法、试品资料等可根据用户需要自行编辑。

4．测试开始，力值和位移可自动归零；测试结果、曲线及标距位置自动存储。

5．力值和位移单位可随时切换。

6．超负荷停车,位移超限停车，试样断裂停车或返车。

7．可新建试验也可接续试验。

8．同组试样的曲线可作平面、平移及3D等多种形式对比。

9．曲线上有各特殊点标识。

10．报告编辑，按用户需要可自行编辑测试报告，输出测量值、计算结果及曲线。

11.测试结果用户可根据需要做逐点查看。

1．额定负荷 5KN 10(KN) 20KN 30KN 50KN 等等.

2．测力精度 ±1%

6．试验速度范围 0.5~130mm/min

7．加压速度精度 ±2%

8．上压板工作行程 450(mm)

测控计划通常有测控站(或测量船)测控计划和指挥控制中心(以下简称中心)测控计划，均由中心生成。

中心提前将测控站(或测量船)计划发送至测控站(或测量船)，情况变化时中心可撤消原计划，发送新计划。一般情况下，中心按透明工作方式发令；应急情况下，经中心授权由测控站(或测量船)按测控计划要求向飞行器发令。中心测控计划保留在中心，中心按此计划进行测控工作。

测控站(或测量船)计划一般包括计划序号、计划形成时间、任务代号、参试工作单位、参试设备代号、任务准备开始和结束时间、跟踪开始和结束时间、发送遥控指令(或指令链、注入数据)时间等项目。中心测控计划包括计划序号、生成时间、任务代号、计划开始和结束时刻、测控事件开始和结束时刻等项目 。

连续预测控制预测控制算法框图

虽然预测控制有许多算法，一般的意义上说，它们的原理都是一样的，算法框图如图1所示：

连续预测控制预测控制三个基本原则

(1)预测模型

预测控制是一种基于模型的控制算法，该模型被称为预测模型。对于预测控制而言，只注重模型功能，而不是模型的形式。预测模型是基于对象的历史信息和输入，预测其未来的输出。从方法论的角度来看，只要信息的收集具有预测功能，无论什么样的表现，可以作为预测模型。这样的状态方程、模型传递函数都可以用来作为一个传统的预测模型。例如线性稳定对象，甚至阶跃响应、脉冲响应的非参数模型，，都可直接作为预测模型。此外，非线性系统，分布式参数系统模型，只要具备上述功能也可以在这样的预测控制系统中时用来作为预测模型。因此，预测控制打破了严格的控制模型结构的传统要求，可按照功能要求根据最方便的信息集中方式基础建模。在这种方式中，可以使用预测模型为预测控制进行优化，.以提供的先验知识来确定什么样的控制输入，从而使下一次受控对象的输出变化与预定的目标行一致。

(2)滚动优化

预测控制是一种基于优化的控制，但其控制的输入不是根据模型和性能指标一次解决并实现它，而是在实时的时间里来滚动优化解决。在每一步的控制中，定义从目前到未来有限时域的最优化问题，通过参数优化求解时域的最优控制输入，但是只有真正的即时输入控制才给予实现。到下一个控制周期，重复上述步骤，整个优化领域向前一步滚动。在每个采样时刻，优化性能指标只涉及从现在到未来有限的时间，并且下一个采样时刻，优化时段向前推移。因此，预测控制全局优化指标是不一样的，在每一个时刻有一个相对该时刻的优化指标。因此，预测控制的优化不是一次离线进行，而是在线反复进行，这是滚动优化的意义，预测控制的这一点也是不同于传统最优控制的根本。

(3)反馈校正

基础的预测模型中，对象的动态特性只有粗略的描述，由于实际系统中有非线性、时变、模型不匹配、干扰等因素，基于相同模型的预测，与实际情况是无法完全匹配的，这需要用其他手段补充预测模型和实际对象的误差，或对基础模型进行校正。滚动优化只有建立在反馈校正的基础上，才能体现其优越性。因此，通过预测控制算法的优化，确定一系列未来的控制作用，为了防止模型失配或环境干扰引起的控制措施对理想状态造成的影响，这些控制没有完全逐一实现，只实现即时控制作用。到下一个采样时间，首先监测对象的实际输出，并使用此信息在预测模型的基础上进行实时校正，然后进行新的优化。因此，预测控制优化不仅基于模型，并使用了反馈信息，从而构成一个闭环优化。

连续预测控制预测控制基本特征

(1)预测控制算法利用过去，现在和未来(预测模型)的信息，而传统的算法，如PID等，只取过去和现在的信息;

(2)对模型要求低，现代控制理论难以大规模应用于过程工业，重要原因之一就是对模型精度过于苛刻，预测控制成功地克服这一点;

(3)模型预测控制算法具有全局滚动优化，每个控制周期持续的优化计算，不仅在时间上满足实时性要求，还通过全局优化打破传统局限，组合了稳定优化和动态优化;

(4)用多变量控制思想来取代单一的可变控制传统手段。因此，在应用到多变量的问题时，预测控制通常被称为多变量预测控制;

(5)最重要的是能有效地处理约束。因为在实际生产中，通常将制造过程工艺设备的状态设置为在边界条件(安全边界，设备功能边界，工艺条件边界等)上操作，该操作状态下，操作变量往往产生饱和以及被控变量超出约束的问题。所以可以处理多个目标，有约束控制能力成为一个控制系统长期、稳定和可靠运行的关键技术。

连续预测控制预测控制种类

1978年，Richalet等首先阐述了预测控制的思想，预测控制是以模型为基础，采用二次在线滚动优化性能指标和反馈校正的策略，来克服受控对象建模误差和结构、参数与环境等不确定因素的影响，有效的弥补了现代控制理论对复杂受控对象所无法避免的不足之处。

预测控制自发展以来，算法种类非常繁多，但按其基本结构形式，大致可以分为三类：

(I)由Cutler等人提出的以非参数模型为预测模型的动态矩阵控制(Dynamic Matrix Control, DMC), Rauhani等人提出的模型算法控制(Model Algorithmic Control,MAC).这类非参数模型建模方便，只需通过受控对象的脉冲响应或阶跃响应测试即可得到，无须考虑模型的结构与阶次，系统的纯滞后必然包括在响应值中。其局限性在于开环自稳定对象，当模型参数增多时，控制算法计算量大。

(2)与经典的自适应控制相结合的一类长程预测控制算法(Generalized Predictive Control, GPC).这一类基于辨识模型并且有自校正的预测控制算法，以长时段多步优化取代了经典的最小方差控制中的一步预测优化，从而适用于时滞和非最小相位对象，并改善了控制性能，具有良好的鲁棒性。

(3)基于机构设计不同的另一类预测控制算法:包括由Garcia提出的内模控制(Internal Model Control, IMC), Brosilow等人提出的推理控(Inference Control)等。这类算法是从结构上研究预测控制的一个独特分支。

以上述典型预测控制为基础结合近几年发展起来的各种先进控制策略，形成了一些先进的预测控制算法，包括极点配置预测控制、解祸预测控制、前馈补偿预测控制、自适应预测控制，鲁棒预测控制等。本文重点研究自适应预测控制，即基于自适应双重控制的预测控制算法。

另外，诸如模糊预测控制，神经网络预测控制等智能预测控制算法的发展为解决复杂受控系统提供了强有力的支持。

许多新型的预测控制层出不穷，如预测函数控制、多速率采样预测控制、多模型切换预测控制，有约束预测控制等。预测控制的算法种类越来越多，预测控制的性能在不断改善，使其更好的应用在工业实际中。

测控计划（tracking, telemetry and command plan）是指按时间排列的测控事件的序列。所谓测控事件，是指诸如测量和确定飞行器轨道，飞行器遥测监视、确定飞行器姿态、向飞行器发送遥控指令和注入数据、飞行器轨道控制策略生成等。地面测控系统按测控计划实现对飞行器的跟踪测轨、遥测和遥控 。