具体描述
本书是作者近年来从事预测控制――一类新型计算机控制算
法方面教学和科研工作的总结。全书深入浅出、系统地介绍了模型
算法控制（MAC）、动态矩阵控制（DMC）、广义预测控制（GPC）、广
义预测极点配置控制（GPP）等几种主要预测控制算法的基本原
理、设计方法、参数选择及闭环特性分析等，并且用内模控制结构
将各类预测控制算法统一起来，给出了它们的统一格式。此外，还
将预测控制与自适应控制结合起来，分析了自适应预测控制算法
的全局收敛性。全书突出理论联系实际，给出了8个工业应用实
例，实用性强，且内容新颖，条理清晰，反映了国内外预测控制的最
新成就。
本书适宜于从事电气自动化技术的工程技术人员阅读，也可
作为大专院校工业自动化、自动控制、计算机应用等专业的教材和
教学参考书。
作者简介
目录信息
《电气自动化新技术丛书》序言
前言
第1章 绪论
第2章 内部模型控制
2.1内部模型与内模控制器设计
2.1.1内部模型
2.1.2内模控制（IMC）系统的性质
2.1.3内模控制器设计
2.1.4非最小相位系统非参数模型内模控制器设计
2.1.5开环不稳定系统内模控制器设计
2.2推理控制
2.2.1推理控制系统的构成
2.2.2推理控制器设计
2.2.3模型误差对系统性能的影响
2.2.4输出可测条件下的推理控制
2.3Smith预测控制
2.3.1Smith预测控制的时延补偿原理
2.3.2Smith预测控制器的内模控制结构设计
2.3.3闭环系统特性
2.4Jury稳定判据
2.5自校正内模控制器
2.5.1采用辨识参数模型的自校正控制算法
2.5.2采用辨识参数模型再转换为非参数模型的
自校正控制算法
2.5.3采用带误差死区的自校正控制算法
2.6热水锅炉的内模控制
2.6.1数学模型及内模控制器设计
2.6.2实时控制中的几个问题
2.7造纸机的增益自适应内模控制
2.7.1造纸过程简介
2.7.2系统数学模型及控制器设计
2.7.3仿真及实控结果
第3章 模型算法控制
3.1单步模型算法控制
3.1.1输出预测
3.1.2参考轨迹
3.1.3最优控制律计算
3.1.4闭环系统特性
3.1.5纯时延系统的预测控制
3.2多步模型算法控制（MAC）
3.2.1多步输出预测
3.2.2最优控制律计算
3.2.3MAC的IMC结构
3.2.4闭环系统特性
3.3增量型模型算法控制（IMAC）
3.3.1多步输出预测
3.3.2最优控制律计算
3.3.3IMAC的IMC结构
3.3.4闭环系统特性
3.4模型算法控制系统对象模型和控制器的最小化形式
3.4.1MAC非最小化模型与最小化模型的转换
3.4.2MAC控制器的最小化形式
3.4.3IMAC控制器的最小化形式
3.5模型算法控制系统的稳定性与鲁棒性
3.5.1模型匹配时MAC系统的稳定性
3.5.2模型失配时MAC系统的稳定鲁棒性
3.6预测控制系统的参数选择
3.6.1控制参数P、M、Q、λ的选择
3.6.2采样周期T↓0与模型长度N的选择
3.7单值模型算法预测控制
3.7.1控制律计算
3.7.2闭环系统特性
3.7.3闭环稳定性分析
3.8自校正模型算法控制器
3.8.1采用估计参数模型的自校正显式算法
3.8.2采用带误差死区的自校正显式算法
3.8.3采用直接辨识控制器参数的自校正隐式算法
3.8.4采用误差预报的自校正控制算法
3.9燃煤电站球磨机的模型算法控制
3.9.1系统的控制要求与特性
3.9.2球磨机模型算法控制
3.9.3控制器的工程实践
第4章 动态矩阵控制
4.1多步动态矩阵控制
4.1.1预测模型
4.1.2最优控制律计算
4.1.3DMC的IMC结构
4.1.4闭环系统特性
4.2极点配置动态矩阵控制
4.2.1多步输出预测
4.2.2控制器设计
4.2.3闭环极点配置
4.3动态矩阵控制器的最小化形式
4.3.1DMC非最小化对象模型与最小化对象
模型间的转换
4.3.2DMC控制器的最小化形式
4.4动态矩阵控制系统的状态空间分析
4.4.1DMC系统的状态空间描述
4.4.2状态观测器
4.4.3MAC系统状态空间描述及其与DMC的统一格式
4.5双值动态矩阵控制
4.5.1双值动态矩阵控制算法
4.5.2关于双值动态矩阵控制的讨论
4.6自校正动态矩阵控制器
4.6.1采用估计参数模型的自校正显式算法
4.6.2采用带误差死区的自校正显式算法
4.6.3采用直接辨识控制器参数的自校正隐式算法
4.7高温力学材料试验机的动态矩阵控制
4.7.1高温力学材料试验机的结构
4.7.2计算机控制系统构成
4.7.3预测补偿动态矩阵控制算法
4.7.4实时控制结果
第5章 广义预测控制
5.1广义预测控制的基本型式
5.1.1多步输出预测及Diophantine方程的递推解
5.1.2最优控制律计算
5.1.3GPC 的IMC结构
5.1.4闭环系统特性
5.1.5.显式广义预测自校正控制器
5.2具有模型误差修正的广义预测控制
5.2.1j步导前输出
5.2.2最优控制律计算
5.2.3系统的IMC结构和闭环系统特性
5.2.4引入滤波器T（z↑1）的广义预测控制
5.2.5显式广义预测自校正控制器
5.3控制器采用原模型参数的广义预测控制
5.3.1多步导前输出与最优控制律计算
5.3.2简化控制律
5.3.3控制器用原模型参数广义预测控制自校正算法
5.4直接辨识控制器参数的隐式广义预测控制
5.4.1广义预测控制律计算
5.4.2隐式广义预测自校正控制器
5.5采用两个辨识器的隐式广义预测控制
5.5.1多步导前输出
5.5.2最优控制律计算
5.5.3等价广义性能指标
5.5.4参数辨识方程与辨识算法
5.6广义预测控制的稳定性和鲁棒性
5.6.1GPC系统的闭环稳定性
5.6.2GPC系统的鲁棒性
5.7单值广义预测控制
5.7.1单值GPC控制律计算
5.7.2闭环系统特性
5.7.3闭环系统稳定性分析
5.7.4讨论
5.8工业锅炉的加权广义预测自校正控制
5.8.1工业锅炉及其控制
5.8.2计算机控制系统的构成
5.8.3加权广义预测控制器
5.8.4广义预测自校正控制在锅炉上的实现
5.8.5实际运行结果
第6章 极点配置广义预测控制
6.1广义预测极点配置（GPP）控制
6.1.1广义输出预测误差
6.1.2最优控制律计算
6.1.3闭环系统特性与极点配置
6.1.4显式广义预测极点配置自校正控制器
6.2广义预测极点配置加权控制
6.2.1基于CARMA模型的广义预测控制
6.2.2P步加权控制律
6.2.3闭环系统输出方程及闭环极点配置
6.2.4显式广义预测零极点配置自校正加权控制器
6.3煤气罩式退火炉的广义预测极点配置加权控制
6.3.1罩式退火炉的结构及计算机控制系统的构成
6.3.2罩式退火炉的数学模型
6.3.3控制器设计
6.3.4实际运行结果
第7章 神经网络在预测控制中的应用
7.1概述
7.2神经模型学习规则及学习算法
7.2.1单神经元模型
7.2.2神经网络的学习规则
7.2.3误差反向传播（BP）神经网络
7.2.4Hopfield神经网络
7.3基于神经网络的内模控制
7.3.1神经网络内部模型的建立
7.3.2神经网络逆模型的建立
7.3.3基于BP网络的自校正内模控制
7.4基于神经网络的增量型模型算法控制
7.4.1多步输出预测与优化指标
7.4.2神经网络模型算法控制
7.5基于神经网络解耦的广义预测控制
7.5.1多变量系统的耦合程度及解耦
7.5.2基于神经网络的静态解耦
7.5.3基于神经网络的动态解耦
7.5.4单变量系统广义预测控制
7.6电加热炉的神经网络预测控制
7.6.1电加热炉的神经网络内模控制
7.6.2电加热炉的神经网络解耦广义预测控制
第8章 预测控制算法的内模结构及其统一格式
8.1各类预测控制算法的内模结构及其统一格式
8.2基于非参数模型IMAC及DMC系统的内模结构
及其统一格式
8.3基于参数模型GPC及GPP系统的内模结构
及其统一格式
8.3.1GPC系统的内模结构及其统一格式
8.3.2GPP系统的内模结构及其统一格式
8.4结束语
第9章 自适应预测控制算法的收敛性分析
9.1显式模型算法自校正控制器的全局收敛性
9.1.1多步输出预测与控制律计算
9.1.2显式自校正算法的全局收敛性
9.2隐式模型算法自校正控制器的全局收敛性
9.2.1多步输出预测与控制律计算
9.2.2隐式自校正算法的全局收敛性
9.3显式广义预测自校正控制器的全局收敛性
9.3.1多步输出预测与控制律计算
9.3.2显式自校正控制算法的全局收敛性
9.4隐式广义预测自校正控制器的全局收敛性
9.4.1多步输出预测及控制律计算
9.4.2隐式广义预测自校正控制算法
9.4.3隐式广义预测自校正算法的全局收敛性
第10章 预测控制的现状和发展前景
参考文献
· · · · · · (收起)
读后感
用户评价
这本书的价值，在我看来，很大程度上体现在它对“应用”的详尽阐述上。光有理论是空谈，如何将这些高级的控制策略落地到实际的电气自动化系统中，才是衡量一本书实用性的硬指标。这本书在这方面做得非常出色，它没有拘泥于单一的设备或系统，而是涵盖了从电机驱动到电网稳定等多个维度。其中对不同传感器数据融合以及系统辨识的章节，我反复研读了好几遍。作者提供的代码片段和仿真实例虽然没有直接嵌入书中，但其对实现步骤的描述清晰到足以让你自行搭建测试平台。这不仅仅是一本理论书，更像是一本高级实战手册。它教会的不仅仅是“如何设计算法”，更是“如何将算法融入到整个工程流程”中的思维方式，这对于提升工程实践能力至关重要。
这本书的语言风格，用“典雅而精确”来形容可能最为贴切。它在保持学术严谨性的同时，避免了过度冗余的学术套话。每一句话似乎都经过了深思熟虑，信息密度极高，但阅读体验却非常流畅。作者在引用经典文献和发展自身观点时，界限分明，逻辑清晰，使得读者能够清晰地追踪知识的演变脉络。此外，对于历史背景的简短回顾，也让读者明白了预测控制的发展并非一蹴而就，而是吸收了多代控制理论的精华。这种尊重知识传承的态度，让这本书不仅仅是一本工具书，更像是一部浓缩的控制科学发展史。我强力推荐给所有希望系统性提升自身理论功底，并追求工程卓越性的专业人士。
这本书的排版和叙事节奏拿捏得非常精准，读起来一点都不枯燥，反而有一种引人入胜的魅力。它更像是一位经验丰富的老教授在跟你面对面交流，娓娓道来，而不是冷冰冰的公式堆砌。我特别欣赏作者在引入新概念时所采用的铺垫方式，总能先从一个实际的工程挑战入手，让你感受到当前方法论的局限性，然后自然而然地引出预测控制作为解决方案的优越性。这种“问题导向”的讲解方式，极大地增强了阅读的代入感。对于那些初次接触预测控制，或者系统地梳理知识体系的读者来说，这本书简直是量身定制的。它没有急于展示最前沿的成果，而是稳扎稳打地构建理论大厦，确保读者每走一步都能站稳脚跟，这在技术书籍中是相当难得的品质。它让复杂的理论变得触手可及，真的做到了“化繁为简”。
我最近在处理一个对动态响应要求极高的工业流程优化问题，遇到了一个瓶颈，当时手头上看了好几本相关的控制书籍，都感觉差点意思。直到我翻开了这本，才找到突破口。这本书对非线性系统在预测控制框架下的处理，特别是如何巧妙地结合先进的优化求解器，给出了非常深刻的见解。它不避讳讨论实际工程中常见的数据噪声、计算延迟等“脏问题”，而是直接给出处理这些问题的策略和权衡。这种坦诚且务实的态度，让我觉得作者对工程实践的理解是极其深刻的。特别是关于软约束和硬约束在实际系统中的优先级判断，给我的项目带来了立竿见影的改进效果。对于寻求性能极限突破的工程师来说，这本书提供了很多超出常规思路的解决方案。
这本书简直是一场知识的盛宴，我从头到尾都被它的深度和广度所折服。作者没有停留在泛泛而谈的层面，而是深入到每一个算法的精髓，用清晰的数学语言和详实的案例把预测控制的复杂性层层剥开。特别是对于模型预测控制（MPC）的讲解，简直是教科书级别的。我以前对MPC的一些核心概念，比如滚动时域优化和约束处理，总觉得抓不住重点，但读完这本书，所有的迷雾都散开了。它不仅解释了“是什么”，更重要的是解释了“为什么是这样”，这种探究事物本质的写作风格，让我对整个控制理论体系有了更坚固的认知基础。书中对于不同应用场景的分析也极其到位，让人能迅速地将理论知识和实际工程问题联系起来，实操性非常强。读完后，我感觉自己站在了一个更高的视角去看待和设计控制系统，那种豁然开朗的感觉，是很多其他参考资料无法给予的。这本书无疑是控制领域研究者和资深工程师的案头必备之作。
