连续退火生产线模型辨识包括稳态模型辨识、炉温动态辨识、煤气流量动态辨识等几个部分。

在数据1中输人用于建模的数据,在数据2中输入用于检验的数据。同时，还要选择区号以及输人相应的参数，点击辨识按钮，可以得到模型参数以及相应的阶跃响应曲线图和零极点图,并在画面上显示出来。点击“比较”按钮,可以得到比较图形，根据图形显示可以判断模型辨识得到的参数是否符合要求。如果满意就点击“保存”按钮，将辨识得到的这些模型参数保存起来。选择不同的炉区，可以得到连续退火生产线所有炉区的模型参数。

在连续退火生产线进行仿真前,要在相关画面中输入或者导人钢卷数据信息(长度、厚度等)，然后输人机组速度。点击“开始”按钮即开始进行仿真,仿真将自动调用设备参数文件以及辨识得到的模型参数和控制参数文件。不同的带钢以不同的颜色在画面上显示,也可以实时调整机组速度，在仿真画面上可以显示各炉区的炉温、带温以及煤气流量。这个连续退火生产线仿真画面完全是根据设备特性参数文件画出的，可以根据实际情况上下或者左右自动划分炉区。

使用该连续退火生产线平台得到的结果已经在某条连退生产线上运用。现场运行实绩表明,在带钢规格不变的情况下，实际带温基本上围绕设定带温小幅波动，带温稳态控制精度达到±5℃：;当带钢厚度从910mm变化为1010mm时，设定的目标带温从780℃变为720℃。此时,实际带温最高达到了790℃,最低为708℃,见图6。控制温度基本上紧跟设定带温的变化，也就是说变规格时带温动态控制精度达到士15℃，达到了比较好的技术指标，满足了连续退火生产线生产的要求。

预测控制理论虽然在上个世纪70年代就已提出，在工程实践中也有成功应用的案例，但是经过了近四十年的发展，还有很多问题值得更深入的探索和研究。

1)预测控制理论研究。预测控制的起源与发展与工程实践紧密相连。实际上理论研究迟后于实践的应用。主要设计参数与动静态特性，稳定性和鲁棒性的解析关系很难得到。且远没达到定量的水平。

2）对非线性，时变的不确定性系统的模型预测控制的问题还没有很好的解决。

3）将满意的概念引入到系统设计中来，但满意优化策略的研究还有待深入。

4）预测控制算法还可以继续创新。将其他学科的算法或理论与预测控制算法相结合，如引入神经网络、人工智能、模糊控制等理论以更加灵活的适应生产需要。

从模型预测控制理论和实践的飞速发展来看，预测控制已经存在大量成功的工业应用案例，一些线性预测和非线性预测工程软件包已经推出和应用。传统预测控制理论研究日臻成熟，预测控制与其他先进控制策略的结合也强益紧密。预测控制已成为一种极具工业应用前景的控制策略。2100433B

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。

《机电液一体化系统建模与仿真技术》内容涉及系统仿真理论与算法，机械、液压、电控系统的建模与仿真，机电液一体化系统数字仿真软件平台与协同仿真系统、视景仿真系统、分布式交互仿真系统的实现等，并论述了机械系统动力学分析软件ADAMS、液压系统仿真软件AMESim、控制系统仿真软件MATLAB、分布式仿真平台和视景仿真软件VegaPrime等多领域专业仿真软件的应用与集成，最后给出了一个综合应用实例，详细阐述了机电液一体化系统建模与仿真的实现问题。 机电液一体化系统建模与仿真技术是一本详细论述机电液一体化系统的建模与仿真问题等内容的书。