定常GPC仿真

定常广义预测控制（GPC）算法 matlab仿真程序

%广义预测控制_定常GPC算法仿真
%被控模型为y（k）=1.5*y（k-1）-0.7*y（k-2）+u（k-1）+0.5*u（k-2）+e（k），其中e（k）为噪声
clc;
clear;
%预测模型
A=[0.7-1.51];

B=[0.51];
na=length（A）-1;
nb=length（B）-1;
%预测时域和控制时域
N=5;
Nu=4;
lmd=0.5;
%仿真步数
tim=100;
%扰动幅度
ampe=1;
%y（k）的最终给定值yr
yr=50;
%柔化因子a
a=0.5;
%一些计算的中间量
Z=[10];%表示z^（-1）
Zj=cell（1N-1）;%Zj中存储的为z^（-j）次
for j=1:N-1
    Zj{j}（1）=1;
    Zj{j}（2:j+1）=0;
end
delta=[-11];%△
Adelta=conv（Adelta）;%A△

%迭代求第一个丢番图方程中的EF
E=cell（1N）;
F=cell（1N）;
E{1}=[1];
F{1}=deconv（polyadd（1-Adelta）Z）;
for j=1:N-1
    E{j+1}=polyadd（E{j}F{j}（na+1）*Zj{j}）;
   % F{j+1}=conv（polyadd（F{j}-（F{j}（na+1）*Adelta））Z）;
   F{j+1}=deconv（polyadd（F{j}-（F{j}（na+1）*Adelta））Z）;
end
%求第二个丢番图方程中的GH
G=cell（1N）;
H=cell（1N）;
for j=1:N
    EB=conv（E{j}B）;
    H{j}=EB（1:length（EB）-j）;
    G{j}=EB（length（EB）-j+1:length（EB））;
end
%将EFGH左右翻转，因为MATLAB中的多项式系数是从高次到低次排列，而GPC算法中是相反的，这样翻转过来使用比较方便
for j=1:N
    E{j}=fliplr（E{j}）;
    F{j}=fliplr（F{j}）;
    G{j}=f

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2271  2012-10-28 21:21  GPC\GPC_dingchang.m
     文件         275  2012-09-24 09:21  GPC\polyadd.m
     目录           0  2012-12-06 18:09  GPC\