کنترل مدل پیش بین در دو دهه اخیر پیشرفت چشم گیری هم در حوزه تحقیقات و هم در حوزه کنترل پروسه های صنعتی پیدا کرده است. دلیل این موفقیت را می توان در توانایی بالای کنترل مدل پیش بین برای حل مشکلات مربوط به کنترل پروسه های صنعتی در حوزه زمان دانست. کنترل مدل پیش بین شاخه های مختلف مهندسی کنترل را اعم از کنترل بهینه، کنترل تصادفی، کنترل چند متغیره، کنترل سیستم های تاخیردار و … را دربر می گیرد. یکی دیگر از ویژگی های مهم کنترل مدل پیش بین طراحی مقید است که این امکان را فراهم می آورد تا کنترلی را طراحی نمود که محدوده سیگنال های کنترلی تولید شده کنترل شوند. اساس کار کنترل مدل پیش بین به این صورت است که با تعیین سیگنال کنترلی مناسب، سعی می کند که خروجی های آینده سیستم مقادیر مشخصی بشوند. بر همین اساس الگوریتم های متنوعی برای پیاده سازی کنترل مدل پیش بین ارائه شده اند که از میان آن ها می توان به الگوریتم های زیر اشاره کرد: ۱- Dynamic Matrix Control این الگوریتم از پاسخ پله سیستم استفاده می کند و بر اساس این الگوریتم مقدار تغییرات سیگنال کنترلی برای حداقل سازی تابع هزینه مشخص می شود. ۲- Model Algorithmic Control این الگوریتم از پاسخ ضربه سیستم استفاده می کند و بر اساس این الگوریتم مقدار سیگنال کنترلی برای حداقل سازی تابع هزینه مشخص می شود. ۳- Predictive Functional Control کنترلر PFC برای تعیین بهترین استراتژی کنترل که بتواند انحرافات بین نقاط انطباقی واقع شده بر روی یک خط سیر مرجع در افق HC و سطح آینده را کاهش دهد، در نظر گرفته می شود. ۴- Generalized Predictive Control این استراتژی از مدل تابع تبدیل سیستم در حوزه فرکانس برای پیش بینی رفتار آینده پلانت استفاده می کند و کارایی وسیع تری نسبت به الگوریتم های دیگر دارد. الگوریتم های بالا قابل استفاده برای سیستم های خطی هستند و برای سیستم های غیرخطی نیز الگوریتم های نظیر EMDC ،NMPC و استفاده از الگوریتم های هوشمند نظیر عصبی مطرح هستند. در این مجموعه آموزشی سعی خواهیم کرد تا مباحث تئوری و عملی الگوریتم کنترلی بالا را به صورت کامل مورد بررسی قرار دهیم و برنامه های لازم در محیط نرم افزار متلب برای تست آن ها نوشته شوند. ما در این آموزش قصد داریم تا مبحث تنظیم پارامترهای کنترل پیش بین مدل را مورد بحث و بررسی قرار دهیم.
