Mpc (model predictive control) modelini bashorat qilish usuli

Рабочий процесс проекта MPC
В самом простом случае (также известный как традиционный, или линейный, MPC), в котором и объект и ограничения линейны и функция стоимости квадратична, общий рабочий процесс, чтобы разработать контроллер MPC включает следующие шаги.

1. 
   Укажите, что объект — Задает внутреннюю модель объекта управления что контроллер MPC использование, чтобы предсказать поведение объекта через горизонт предсказания. Как правило, вы получаете эту модель объекта управления путем линеаризации нелинейного объекта в данной рабочей точке и определения его как объекта LTI, такой как ss, tf, и zpk. Можно также идентифицировать объект с помощью программного обеспечения System Identification Toolbox™. Обратите внимание на то, что одно ограничение - то, что объект не может иметь прямого сквозного соединения между своим входом управления и любым выходом. Для получения дополнительной информации об этом шаге смотрите Построение Линейные Независимые от времени Модели, Задайте Мультивход Мультивыходные Объекты, Линеаризуйте Модели Simulink, Линеаризуйте Модели Simulink Используя MPC Designer и Идентифицируйте Объект из Данных.
   
2. 
   Задайте типы сигнала — В целях проекта MPC, сигналы объекта обычно категоризируются в различные типы ввода и вывода. Вы обычно используете setmpcsignals задавать, в объекте объекта, заданном на предыдущем шаге, измеряется ли каждый объект выход или не измерен, и является ли каждый вход объекта переменной, которой управляют (то есть, вход управления) или измеренное или неизмеренное воздействие. В качестве альтернативы можно задать типы сигнала в MPC Designer. Для получения дополнительной информации смотрите Типы Сигнала MPC.
   
3. 
   Создайте объект MPC — После определения типов сигнала в объекте объекта, вы создаете mpc объект в MATLAB^® рабочая область (или в MPC Designer), и задает, в объекте, параметры контроллера, такие как шаг расчета, предсказание и управляет горизонтами, весами функции стоимости, ограничениями и возмущениями. Следующее является обзором самых важных параметров, которые необходимо выбрать.
   
   1. 
      Шаг расчета — типичное начальное приближение состоит из установки шага расчета контроллера так, чтобы 10 - 20 выборок могли покрыть желаемое время нарастания системы.
      
   2. 
      Горизонт предсказания — количество будущих выборок, по которым диспетчер пытается минимизировать стоимость. Это должно быть достаточно длинно, чтобы получить переходный процесс и покрыть значительную динамику системы. Более длинный горизонт увеличивает и эффективность и вычислительные требования. Типичный горизонт предсказания является 10 - 20 выборками.
      
   3. 
      Управляйте горизонтом — количество свободных перемещений управления что использование контроллера, чтобы минимизировать стоимость по горизонту предсказания. Так же к горизонту предсказания, более длинный горизонт управления увеличивает и эффективность и вычислительные требования. Хорошее эмпирическое правило для горизонта управления должно установить его от 10% до 20% горизонта предсказания при наличии минимума двух - трех шагов. Для получения дополнительной информации о шаге расчета и горизонте, смотрите, Выбирают Sample Time и Horizons.
      
   4. 
      Номинальная стоимость — Если ваш объект выведен из линеаризации нелинейной модели вокруг рабочей точки, хорошая практика, должна установить номинальные значения для входа, состояния, утвердить производную (если ненулевой), и вывести. Выполнение так позволяет вам задавать ограничения на фактические вводы и выводы (вместо того, чтобы делать так на отклонениях от их номинальной стоимости) и позволяет вам симулировать замкнутый цикл и визуализировать сигналы более легко при использовании Simulink^® или sim команда.
      
   5. 
      Масштабные коэффициенты — Хорошая практика должна задать масштабные коэффициенты для каждого ввода и вывода объекта, особенно когда их область значений и величина очень отличаются. Соответствующие масштабные коэффициенты улучшают числовое условие базовой задачи оптимизации и делают вес, настраивающийся легче. Хорошая рекомендация состоит в том, чтобы установить масштабный коэффициент, приблизительно равняются промежутку (различие между максимальным и минимальным значением в технических модулях) связанного сигнала. Для получения дополнительной информации смотрите, Задают Масштабные коэффициенты.
      
   6. 
      Ограничения — Ограничения обычно отражают физические пределы. Можно задать ограничения как любой трудно (не может быть нарушен в оптимизации), или мягкий (может быть нарушен до маленькой степени). Хорошая рекомендация состоит в том, чтобы установить трудные ограничения, при необходимости, на входных параметрах или их скорости изменения, в то время как установка выходные ограничения, при необходимости, как мягкие. Установка трудных ограничений и на вход и на выходные параметры может привести к недопустимости и в целом не рекомендуется. Для получения дополнительной информации смотрите, Задают Ограничения.
      
   7. 
      Веса — можно приоритизировать цели эффективности контроллера путем корректировки настраивающих весов функции стоимости. Как правило, большие выходные веса обеспечивают агрессивную эффективность отслеживания уставки, в то время как большие веса на плавающих курсах, которыми управляют, способствуют более сглаженным перемещениям управления, которые улучшают робастность. Для получения дополнительной информации смотрите Веса Мелодии.
      
   8. 
      Воздействие и шумовые модели — внутренняя модель предсказания, что использование контроллера, чтобы вычислить действие управления обычно состоит из модели объекта управления, увеличенной с моделями для воздействий и шума измерения влияние на объект. Возмущения задают динамические характеристики неизмеренных воздействий на вводах и выводах, соответственно, таким образом, они могут быть лучше отклонены. По умолчанию эти возмущения приняты, чтобы быть интеграторами (поэтому разрешающий контроллеру отклонить подобные шагу воздействия), если вы не задаете их в противном случае. Шум измерения обычно принимается, чтобы быть белым. Для получения дополнительной информации об объекте и возмущениях видят Модели Предсказания MPC и Настраивают Воздействие и Шумовые Модели.
      

После создания mpc объект, хорошая практика должна использовать функции такой как cloffset вычислить устойчивое состояние замкнутого цикла выходная чувствительность, поэтому проверяя, может ли контроллер отклонить постоянные выходные воздействия. Более общее review также смотрит объект для потенциальных проблем. Чтобы выполнить более глубокую чувствительность и анализ робастности в течение периодов времени, в которые вы ожидаете, что никакое ограничение не будет активно, можно также преобразовать неограниченный контроллер в использование системного объекта LTI ss, zpk, или tf. Для связанных примеров см. Модель Анализа Прогнозирующий Контроллер для Проблем Устойчивости и Робастнесса, Тест диспетчер MPC Робастнесс, использующий MPC Designer, Вычислите Установившееся Усиление и Контроллер Извлечения.
Обратите внимание на то, что многий из рекомендуемого выбора параметра включен в значения по умолчанию mpc объект; однако, начиная с каждого из них параметр обычно является результатом нескольких offs торговли проблемных зависимых, необходимо выбрать параметры, которые целесообразны для конкретного объекта и требований.

4.