《机器学习理论、方法及应用》（王雪松，程玉虎）【摘要 书评 试

　　第2章　基于时间差分的神经网络预测控制
　　预测控制是20世纪70年代中后期在欧美工业领域内出现的，它是在新型计算机控制算法基础上发展起来的，是一种基于模型的先进控制技术，亦称为模型预测控制（model predictive control，MPC）。预测控制技术的产生有着深刻的实际背景，这主要是由于被控对象日益复杂，一般的控制理论对信息描述的要求和优化模式都难以满足复杂工业过程的要求，而预测控制对模型的要求低，能兼顾被控对象的非线性、时变性因素及干扰的影响，不但跟踪性能好，而且对模型失配有较强的鲁棒性。因此，预测控制作为一种面向复杂系统的控制策略，一开始就受到国内外控制界众多学者的重视，并在理论研究和实际应用方面取得了不少成果。在过去的几十年里，非线性预测控制已经被成功地应用于石油、化工以及电力等工业过程控制中，这些过程具有较强的非线性，用一般线性控制模型和方法难以得到良好的控制品质。
　　预测控制的基本思想是充分利用过去时刻的输入、输出信息建立预测模型，然后利用预测模型对系统未来的输出做出预测，从而通过长时域的优化获得最优的控制量，实现对被控对象的有效控制。它的主要特点是：预测模型的多样性，滚动优化的时序性，在线校正的适应性以及工业过程的实用性。目前，预测控制对于控制变化比较缓慢的生产过程或对象，一般均能取得很好的效果，但是，对于机电类快变过程的快速跟踪控制问题，如机器人、火炮或雷达的目标跟踪和冶金轧制过程等，由于控制算法过于复杂，运算量大，往往难以在线实时控制。因此，有必要寻找一种算法简单、控制迅速有效的预测控制方法。