广义预测控制(GPC)是一种鲁棒性强、能够有效地克服系统滞后、可应用于开环不稳定非最小相位系统的先进控制算法，但由于它需要Diophantine方程计算、矩阵求逆和最小二乘的递推求解，因此计算量很大，本程序针对此缺陷提出四种不基于对象模型且实时性高的广义预测控制快速算法-Generalized Predictive Control

多模型广义预测控制在循环流化床锅炉床温中的应用-MGPC CFB bed temperature

自适应GPC算法，当被控对象参数未知或慢时变时，采用参数估计算法，在线估计出被控对象的参数，然后用参数估计值代替真实值进行控制律的推导。-Adaptive GPC algorithm, when the charged object is unknown or slowly time-varying parameters, the use of parameter estimation algorithms, on-line estimate the parameters of the cont

(1)针对在线计算量大这一缺陷，将预测控制中的柔化输出信号的思想推广到柔化输入信号，使得约束条件被简化为仅对当前控制量的约束，可以直接计算得出；同时该方法避免了求逆矩阵，大大减小了计算量，并能够保证控制算法的可行性和良好的控制性能。 (2)针对传统算法中设计参数整定困难这一缺点，应用基于BP神经网络变参数设计的广义预测控制算法，实现了对控制量柔化参数的在线调整。 (3)利用带有遗忘因子的最小二乘法对系统辨识。本文通过仿真发现该方法对于Hénon混沌系统并不完全适用，可考虑利用其他优化系统

关于CARIMA模型在线辨识的广义预测控制程序和改进的GPC程序-About CARIMA model online identification of the generalized predictive control program and the improvement of GPC