2-60 时滞对象受到输入扰动时，GPC 的控制加权会怎样改变跟踪与控制动作？

MATLAB 广义预测控制 GPC 时滞系统不同控制加权参数对比仿真程序

一句话介绍： 这套 MATLAB 程序针对一阶纯滞后对象建立广义预测控制仿真，使用预测时域 N=8、控制时域 Nu=6 和平滑参考轨迹，在仿真中途加入 −0.2 输入扰动，再通过不同控制加权 λ 对比输出跟踪与控制动作，适合观察 GPC 对时滞、扰动以及控制量惩罚的处理机制。

先看它解决什么问题

普通反馈控制主要根据“现在误差有多大”决定当前控制动作。

但当前对象带有明显纯滞后：

对象时间常数 T=2 s，纯滞后 L=3 s，采样周期 Ts=0.2 s

也就是说，一个控制动作发出去以后，并不会立刻在输出端表现出来。

在这种情况下，如果只盯着当前误差进行控制，就很容易遇到几个问题：

当前输出还没有响应，但新的控制动作已经继续叠加；

控制过于激进时容易产生明显超调和较大的控制峰值；

控制过于保守时，扰动后的恢复速度又可能变慢；

还需要同时考虑未来若干步的跟踪效果，而不是只优化下一时刻。

GPC 的思路正好相反：

当前输出与历史控制量 → 预测未来输出 → 构造未来参考轨迹 → 优化一段未来控制增量 → 只执行第一个控制动作 → 下一采样时刻重新预测

这套程序又在仿真中途人为加入输入扰动，因此除了给定值跟踪，还能够观察：

不同控制加权 λ 下，控制器为了抑制扰动需要付出多大的控制动作。

1. 当前工程真正由哪些程序组成？

整个项目规模不大，主线比较清晰。

分别运行三个 GPC 控制函数，最后把三组结果放在相同坐标下比较。

工程中的核心辅助算法采用 MATLAB .p 文件封装，因此它们的函数接口和数据流可以从主程序确认，但内部源码无法像 .m 文件一样逐行检查。

2. 当前 GPC 控制的是什么对象？

三个 GPC 函数使用完全相同的被控对象参数：

对应的连续对象可以概括成：

G(s) = K·e^(−L·s) / (T·s + 1)

代入当前参数就是：

G(s) = e^(−3s) / (2s + 1)

在 Ts=0.2 s 的采样周期下，3 s 滞后相当于 15 个采样间隔的量级。

程序并没有直接手工写出离散差分模型，而是调用：

tf2AB(K,[T 1],L,Ts)

得到离散模型的 A、B 多项式以及离散延迟参数。

后面的对象输出按照这些离散参数递推计算。

3. 控制器使用的模型和真实对象一致吗？

当前程序没有设置模型失配。

真实对象使用：K=1，T=2，L=3

控制器内部模型同样使用：Km=1，Tm=2，Lm=3

因此当前实验研究的重点不是：

模型参数估错以后 GPC 是否还能工作

而是：

在模型匹配条件下，不同控制加权以及外部输入扰动会怎样改变控制效果。

这也是阅读结果时需要先明确的一点。

当前工程验证的是：

时滞 + 扰动 + 控制权重变化

而不是模型不确定性实验。

4. GPC 在程序里怎样建立“未来预测”？

GPC 真正区别于普通单步反馈的地方，是它一次考虑未来多个采样时刻。

当前程序设置：预测时域 N=8

也就是控制器每一次更新时，都要考虑未来 8 步的输出变化。

按照 Ts=0.2 s 计算，对应未来约：8 × 0.2 = 1.6 s的预测区间。

程序首先调用：diophantine(m_A,N,m_d)得到后续预测需要的 E、F。

然后通过：getGij(m_B,E)构造 G，再调用：getG(G,Nu)

得到控制计算中实际使用的 Gpk、Gku 等矩阵。

从主函数的数据关系看，预测量最终由三部分共同决定：

当前及历史输出 + 已经发生的历史控制增量 + 未来准备施加的控制增量

所以 GPC 并不是简单问：“现在差了多少？”

而是在问：“按照当前状态继续发展，再施加这一串控制动作，未来几个采样点会变成什么样？”

这正是预测控制处理时滞对象的核心价值。

5. 当前程序真正求解的控制律是什么？

当前控制时域设置为：Nu=6

因此控制器每一步会计算未来 6 个控制增量，但实际只使用其中第一个。

源码中的核心计算为：

ΔU = (GkuᵀGku + λI)⁻¹Gkuᵀ(Yr − Gpk·ΔUk − F·Yk)

这里可以把它理解成两个目标之间的平衡。

第一部分希望：预测输出尽量接近未来参考轨迹 Yr

第二部分通过：λI抑制控制增量过大。

计算出未来控制序列后，程序执行：

Δu(k) = ΔU 的第一个元素

再更新：

u(k) = u(k−1) + Δu(k)

剩下的未来控制动作并不会直接一次性全部发送出去。

下一采样时刻程序会重新获取输出，再进行一次新的预测和优化。

因此整个过程属于典型的：

滚动预测 → 滚动优化 → 只执行第一步 → 再滚动

6. 为什么给定值不是直接从 0 瞬间跳到 1？

程序首先建立：w=ones(W_length,1)

所以最终目标值是：w=1

但 GPC 实际使用的未来参考轨迹并不是直接把这个阶跃值原样送进去，而是进行了滤波：

r=filter((1-alpha),[1 -alpha],w)

当前：α=0.1

对于这里的单位阶跃输入，它可以理解为让参考轨迹逐步靠近 1，而不是在初始时刻完全突变。

这样处理的作用很直观：

阶跃给定 → 平滑参考轨迹 → GPC 跟踪平滑后的未来目标

参考轨迹越平缓，控制器就越没有必要在开始阶段给出特别剧烈的动作。

不过当前 α 很小，因此参考轨迹本身仍然上升得比较快。

7. 程序怎样测试 GPC 的抗扰动能力？

当前仿真不是只做一次没有干扰的跟踪实验。

程序初始化：dist = 0

然后在：k > tend/2

以后改成：dist = -0.2

当前：tend=250、Ts=0.2 s

总仿真时间约为：250 × 0.2 = 50 s

因此扰动大约从仿真中点，也就是：25 s 左右开始作用。

这个 −0.2 扰动直接进入对象输入计算项。

所以完整实验可以分成两个阶段：

前半段：单位给定值跟踪

后半段：保持给定值不变，同时加入 −0.2 输入扰动

如果控制器能够发挥作用，那么扰动出现以后输出会先发生偏离，然后通过新的控制动作重新被拉回给定值附近。

这正是工程中 output.emf 和 control.emf 所展示的主要现象。

8. 为什么控制加权 λ 是这个项目最关键的比较参数？

λ 直接出现在：

GkuᵀGku + λI

这一项中。

它控制的是：控制器愿意用多大的控制动作，去换取更快的预测误差下降。

当 λ 较小时，控制增量受到的惩罚较弱。

控制器更愿意：

快速增加控制量 → 尽快纠正预测误差

通常表现为控制动作更积极，同时也更容易出现较大的控制峰值和更明显的瞬态变化。

当 λ 增大时，对控制变化的惩罚增强。

控制器会更倾向于：

减少控制增量 → 用更温和的动作完成跟踪

因此 λ 并不是单纯的“越大越好”或“越小越好”。

真正需要权衡的是：

跟踪速度 ↔ 控制动作幅度

对于真实执行器，这个权衡尤其重要，因为控制信号还可能受到：

执行器幅值限制；控制变化率限制；能耗；阀门或电机动态能力；等实际条件约束。

当前程序没有显式加入这些饱和约束，但 λ 可以直观展示“更激进”和“更平缓”的控制差异。

9. 当前保存结果能够说明什么？

工程自带的 output.emf 显示，三组 GPC 输出都会从初始状态向单位给定值靠近。

开始阶段存在不同程度的瞬态超调和振荡，随后都稳定在：y≈1附近。

到约 25 s 加入负输入扰动以后，输出会明显向下偏离给定值。

随后控制器重新增加控制作用，输出再次返回 1 附近，并伴随一段新的瞬态过程。

对应的 control.emf 可以看到：

启动阶段和扰动出现以后，控制量都发生了明显调整。

其中保存结果所标注的较小 λ 对应更大的初始控制动作，而随着控制惩罚增强，控制动作整体趋于平缓。

所以这两张结果实际上是在同时观察两个维度：

输出曲线：跟踪得怎么样

控制曲线：为了得到这种跟踪效果，付出了多大的控制动作

这比只看输出是否最终到达给定值更有意义。

当前工程没有进一步自动计算超调量、调节时间、IAE、ISE 或控制能量等定量指标，因此现有比较主要是基于响应曲线和控制曲线完成。

10. 为什么复现实验时必须先核对 λ？

这一点对当前工程非常重要。

contrast.m 中的图例以及工程保存的两张 EMF 结果标注的是：

λ=0.1、λ=0.5、λ=1.0

但当前压缩包中的三个实际控制函数分别写成：

因此：

当前源码参数与 contrast.m 图例、保存的 EMF 图中参数标注并不一致。

这意味着不能把工程保存图直接当成“当前 0.1、2、3 源码重新运行后的精确结果”。

如果按照当前源码直接重新运行，三组实际比较值应该理解成：0.1、2、3

相应地，应把 contrast.m 图例同步改成这三个数值。

如果希望按照现有 EMF 图中的标注重新做：0.1、0.5、1.0

对比，则应先把 GPC_basic1.m、GPC_basic2.m 中的 lambda 分别修改为 0.5 和 1.0，再运行 contrast.m。

还有一个容易忽略的参数：deta = 1

三个 GPC 文件都定义了它，并注释为“误差加权矩阵”，但当前实际控制律计算 dU 时并没有使用 deta。

因此按现有代码：单独修改 deta 不会改变控制结果。

如果后续实验希望真正比较不同误差加权，就需要先把该权重正式引入目标函数及对应矩阵控制律，而不是只修改这一行数值。

11. 哪些参数最值得修改？

当前程序里真正适合做参数实验的，主要是下面几项。

如果进行公平的 λ 对比，最重要的是：

除 λ 外，其余对象参数、N、Nu、α、扰动大小和仿真时间全部保持一致。

deta 虽然出现在参数区，但当前没有进入控制律，因此不能把它作为已经实现的有效调节参数。

12. 它适合用在哪里？

广义预测控制原理教学

这套程序非常适合用于理解：

预测时域、控制时域、未来控制增量和滚动优化之间是什么关系。

因为整个 GPC 主循环都集中在三个较短的 MATLAB 函数里，数据流比大型控制工程更容易跟踪。

控制权重参数敏感性实验

程序已经准备了三套结构完全相同、只需要改变 λ 的控制函数，因此很适合研究：

λ 改变以后，输出瞬态和控制量峰值怎样变化。

如果进一步增加自动指标计算，还可以继续比较超调量、调节时间、控制能量等。

时滞系统预测控制课程设计

当前对象具有明确的：

一阶惯性 + 3 s 纯滞后

特征，同时又加入中途输入扰动，因此比没有时滞、没有扰动的简单阶跃仿真更能体现预测控制的特点。

GPC 算法修改前的基础验证

如果后续准备研究：

不同 N / Nu、不同 λ、不同参考轨迹、模型失配、扰动强度或约束预测控制

可以把这套程序作为一个较小的基础算例继续扩展。

不过它目前仍属于 MATLAB 离线控制算法仿真程序，并没有现场 I/O、执行器约束、在线通信或实时控制接口，因此不应直接等同于工业实时控制系统。

13. 怎么运行？

将压缩包中的 .m、.p 文件保持在同一 MATLAB 工作目录下。

主入口直接运行：contrast

然后依次调用：

GPC_basic(tend) → GPC_basic1(tend) → GPC_basic2(tend)

最后绘制输出跟踪曲线和控制动作曲线。

正式做参数对比前，建议先处理当前最关键的复现问题：

统一 λ 的实际数值与图例。

按当前源码运行时，实际参数为：0.1 / 2 / 3

如果需要按照工程保存图的标注比较：0.1 / 0.5 / 1.0

则先修改 GPC_basic1.m 和 GPC_basic2.m。

如果只想观察一组控制效果，也可以单独调用：

GPC_basic(tend)

其中 tend 是仿真采样步数。

更换对象时，需要同步修改三个 GPC 文件中的：K、T、L

以及对应模型参数：Km、Tm、Lm

核心模型转换、丢番图方程和预测矩阵构造依赖工程自带的 .p 文件，因此运行时不能只复 制三个 .m 主函数而遗漏这些辅助文件。

由于这些核心辅助函数是 P-code，当前资料无法逐行确认其内部是否还调用特定 MATLAB Toolbox；如果在新 MATLAB 环境中出现 .p 文件兼容或依赖错误，应以实际 MATLAB 报错为准进行环境匹配。

14. 一句话看懂这个项目

这是一个针对一阶纯滞后对象的 广义预测控制仿真程序：对象参数为 K=1、T=2 s、L=3 s，采样周期 0.2 s，控制器以 N=8 的预测时域和 Nu=6 的控制时域建立未来输出预测，通过 ΔU=(GkuᵀGku+λI)⁻¹Gkuᵀ(Yr−Gpk·ΔUk−F·Yk) 计算未来控制增量，每次只执行第一步并滚动更新；仿真总计 250 步，在约 25 s 后加入 −0.2 输入扰动，用输出响应和控制动作观察 GPC 的跟踪及抗扰表现，尤其适合教学、课程设计和 λ 参数敏感性实验。需要注意，当前三个源码实际使用 λ=0.1/2/3，而contrast.m图例及保存的 EMF 结果标注为 0.1/0.5/1.0，同时源码定义的deta=1尚未进入实际控制律，因此正式复现实验前应先统一参数与图例。