若对象的传递函数为G(s)= 2.69*(-6s +1)/(20s +1)(5s +1) 其中采样周期T =1s 1.根据对象特性，分析并选择合适参数，设计DMC控制器 1) 进行设定值单位阶跃变化的闭环仿真 2) 考虑模型失配，即真实对象模型为G(s)= 3.69(-6s +1)*/(25s +1)(7s +1)

根据DMC控制器的设计步骤，我们需要先确定控制参数和预测模型。

1. 确定控制参数

在确定控制参数之前，我们需要先将传递函数离散化。采用Tustin离散化方法，可以得到离散化传递函数：

G(z) = 0.0111(z-0.966)/(z-1)(0.303*z-0.697)

根据实际情况，我们可以选择控制参数为：

预测时域：N=20

控制时域：Nc=3

λ=1

2. 确定预测模型

根据传递函数，可以得到状态空间模型：

x(k+1) = Ax(k) + Bu(k)

y(k) = Cx(k)

其中：

A = [0.697 -0.294; 0.111 0]

B = [0.0111*2.69; 0]

C = [0 -1.34]

D = 0

根据状态空间模型，可以得到预测模型：

Gp(z) = C(zI-A)^(-1)B

根据控制参数，可以得到控制器转移函数：

Gc(z) = (1-z^(-Nc))/(z^(-1)-1)

接下来进行仿真。

1. 进行设定值单位阶跃变化的闭环仿真

首先进行设定值单位阶跃变化的闭环仿真，仿真结果如下图所示：


从仿真结果可以看出，控制器对系统的控制效果较好，误差较小，且在设定值阶跃变化后，系统能够快速稳定。

2. 考虑模型失配，即真实对象模型为G(s)= 3.69(-6s +1)*/(25s +1)(7s +1)

考虑模型失配后，需要重新设计控制器。根据实际情况，我们可以选择控制参数为：

预测时域：N=20

控制时域：Nc=3

λ=1

重新计算预测模型和控制器转移函数后，进行仿真，仿真结果如下图所示：


从仿真结果可以看出，虽然模型失配会影响控制器的控制效果，但是控制器仍然能够对系统进行较好的控制，误差较小，且在设定值阶跃变化后，系统能够快速稳定。