1.基于预测函数控制优化的非自衡对象控制方法，其特征在于该方法的具体步骤是：步骤(1).通过被控对象的实时阶跃响应数据建立被控对象的模型，具体是：Ⅰ.给被控对象一个阶跃输入信号，记录被控对象的阶跃响应曲线；

Ⅱ.将对应的阶跃响应曲线滤波处理成一条光滑曲线，然后将数值发生变化的曲线段拟合成一条直线，计算出模型的增益参数Km：Km＝q*l

其中，q为过程模型的控制量的阶跃变化幅度，Km是建立的被控对象模型的增益系数，l是拟合的直线的斜率；

Ⅲ.记录Ⅱ中滤波处理后的光滑曲线上每个采样时刻对应的阶跃响应数据，第一个采样时刻为Ts1，相邻两个采样时刻间隔的时间为Ts1，采样时刻顺序为Ts1、2Ts1、3Ts1……；在记录的阶跃响应数据中找出数据开始上升的起始点aI，之前的数据分别记做a1,a2,…aI-1，模型的滞后时间参数τ为τ＝(I-1)Ts1，最后得到的被控对象的传递函数模型为：其中，G(s)为被控对象的传递函数，s为拉普拉斯变换算子；

步骤(2).设计被控对象的P控制器，具体是：a.对得到的传递函数在采样时间Ts下加一个零阶保持器离散化，得到离散模型为：ym(k)＝ym(k-1)+KmTsu(k-1-L)ym(k)为k时刻的模型预测输出，u(k-1-L)为k-1-L时刻的控制输入，L为离散传递函数模型的时滞，L＝τ/Ts；

b.计算被控对象去掉纯滞后以后在预测函数控制下的第P步预测输出，形式如下：ymav(k)＝ymav(k-1)+KmTsu(k-1)ymav(k+P)＝ymav(k)+KmPTsu(k)其中，P为预测步长，ymav(k+P)为k时刻去掉纯滞后的被控对象在预测函数控制下的第P步预测输出，ymav(k)为k时刻去掉纯滞后的模型输出；

c.校正k时刻的实际输出得到包含未来预测信息的新的过程输出值，形式如下：ypav(k)＝yp(k)+ymav(k)-ymav(k-L)其中，ypav(k)为校正得到的k时刻包含未来预测信息的新的过程输出值，yp(k)为k时刻的实际输出值；

d.选取预测函数控制方法的参考轨迹yr(k+P)以及目标函数J，形式如下：P P

yr(k+P)＝βyp(k)+(1-β)c(k)2

J＝min(yr(k+P)-ymav(k+P)-e(k))e(k)＝ypav(k)-ymav(k)+(P+L)(ypav(k)-ymav(k)-ypav(k-1)+ymav(k-1))其中，β为参考轨迹柔化系数，c(k)为k时刻的设定值，e(k)为k时刻校正的误差值，这里采用新的误差校正方式；

e.依据步骤d中的目标函数求解P控制器中的参数，这里将控制量u(k)进行变换：u(k)＝Kpe1(k)

e1(k)＝βyp(k-1)+(1-β)c(k-1)-yp(k)其中，Kp为位置式P控制器的参数，e1(k)为k时刻参考轨迹值与实际输出值之间的误差；

结合上述式子，可以求得：

f.得到P控制器的参数Kp以后构成控制量u(k)＝Kpe1(k)作用于被控对象；

g.在下一时刻，依照b到f中的步骤继续求解新的Kp,依次循环。