模型预测控制系列讲解（二）：模型预测控制算法发展进程

写在前面

很多时候人们会忽略科技以及工程发展的历史，个人觉得这种习惯特别要不的，一定会对一个问题的理解造成消极的影响，而这种消极的影响往往又是非常致命的（知其然，不知其所以然）。
不管是人文的历史，还是科学技术的历史，都是我们的镜子，都蕴含着我们取之不尽的财富，尤其是伟大人物的思维方式。就像控制算法一样，我们要充分利用过去，现在和未来的信息来完成控制目标。
我们在学习过程中一定要明白某些问题以及知识提出的背景是什么，发展脉络是什么，用来解决那些问题，这样脑海中就有一个清晰的认识，对自己的理解过程有着很大的积极作用。
简单举个例子：控制算法的发展过程，其实就是一系列不同控制问题的解决历史，某种算法可以解决一类问题，而无法解决另一类问题，这个时候提出了另一种控制算法，以此类推。这些问题的背景以及提出解决问题方法的背景，很大程度上和我们运用那种控制算法的问题和背景很相似，这样是不是对控制算法的选型有着一定的帮助。还有，就是新控制算法的开发，是不是可以借鉴这些思维，并且弥补之前算法的不足等等。
最后，我们不要只局限于本学科或者本领域内的知识，要拓展思维，跨学科，夸领域的思维，不同的领域可以相互借鉴，互补，而且很多都是相通的（在高中的时候，化学平衡反应的勒夏特列原理和物理的楞次定律是不是很像，大家在高中有过疑问吗？是不是曾经思考过这些？还有就是为什么万有引力公式和电荷相互作用力的公式那么像？）。化学，生物，人文等都可以给我们提供算法思维的源泉，仿生学就是一种，神经网络等等。多观察自然，经过多少亿年的进化，大自然是不是可以认为是趋近于最优，我们完全可以通过对自然中的某些现象，数学抽象化，算法化，应用于我们的人造工程中！

预测控制的产生和发展

预测控制的产生并非来源于理论发展的需要，而是从实践中发展起来的，后来人们才开始从理论上来分析预测控制。
说起预测控制不得不从PID控制说，很长一段时期以来，PID几乎作为一种全能的控制器，应用于过程控制中，因其无需知道控制对象模型，参数较少且易调试的特点，应用非常广泛，当控制从回路发展到系统时，单回路的PID控制很难保持全局良好的性能，对约束处理能力的提升，以及由回路调节发展到优化时，PID则无法很容易的实现。
基于优化和镇定的现代控制理论已经很成熟，由于需要精确的数学模型，并且控制算法相对也比较复杂，由于过程控制的不确定性，基于相对理想的数学模型得到的控制，会引起控制品质的严重下降，同时还需要系统辨识，模型简化，鲁棒控制，自适应控制等，会增加额外很大的工作量，也不经济，尤其是对模型的精确依赖，导致在工业过程控制中不易实现。
预测控制就是这种对模型要求低，能处理多变量和显性处理约束且计算量又可以被接受的背景下发展起来的。
预测控制算法大概分为三哥阶段：
第一阶段：20世纪70年代以阶跃响应，脉冲响应等非模型参数实现的模型预测控制，由于缺乏强有力的理论约束，必须依靠专业知识和经验。
第二阶段：20世纪80年代由自适应控制发展而来的自适应预测控制，给出了预测控制的一些定量分析，但约束优化难以给出最优解的解析式，给定量分析带来了本质困难。
第三阶段：20世纪90年代发展起来的定性分析综合理论，使预测控制得到了质的飞跃，但也理论成果和实际控制还是有一些距离，需要结合实际进行修正。
虽然有着诸多不足，但预测控制成为最具代表性的最优控制，而且具有滚动优化的特性，目前的应用相当广泛，我们可以在实际应用过程中不断完善预测控制，使预测控制更加有效。
写的比较简单，大家可以去网上或者一些书籍上仔细的查阅预测控制的发展，会对我们对预测控制的理解，有着很大的帮助！

预测控制的基本原理以及思想

预测控制的基本原理：
利用过程模型预测系统在一定控制作用下未来的动态行为，在此基础上根据给定的约束条件和性能要求滚动的求解最优控制作用并实施当前控制量，在滚动的每一步通过检测实时信息修正对未来动态行为的预测。预测控制可以综合过去，现在，将来的信息实现控制性能，而且最最要的是对系统未来信息的应用。
预测控制基本可以归结为三个部分，预测模型，滚动优化，反馈校正。
1、模型预测：
预测模型的功能是根据被控对象的历史信息和假设的未来输入，预测未来的状态和输出，只强调模型的预测功能，而不在乎模型的具体实现形式，例如状态方程，传递函数等参数模型，此外对于稳定的线性对象，阶跃响应，脉冲响应等非参数模型，以及任何可以实现预测功能的模型。
2、滚动优化：

太晚了，接下来会补充更新详细的基本原理以及思想！