setEstimator

修改模型预测控制器的状态估计器

在页面中崩溃

句法

setEstimator（mpcobj，l，m）

setEstimator（mpcobj，“默认”）

setEstimator（mpcobj，'custom'）

描述

例子

setEstimator（mpcobj，，，，l，，，，m）设置用于估计MPC控制器状态的增益矩阵。有关更多信息，请参阅状态估计器方程。

setEstimator（mpcobj，'默认'）恢复增益矩阵l和m对于他们的默认值。默认值是使用Kalmd对于工厂，干扰和测量噪声模型mpcobj。

setEstimator（mpcobj，'风俗'）指定控制器状态估计将通过用户提供的过程执行。此选项抑制计算l和m。当控制器以这种方式运行时，该程序必须提供州估计值x [n | n]在每个控制间隔的开头到控制器。

例子

全部收缩

设计状态估计器按杆放置

打开实时脚本

假设使用线性系统设计估计器 $一个 m = l$ 可以解决。

创建植物模型。

g = tf（{1,1,1}，{[1 .5 1]，[1 1]，[。7.5 1]}）;

为了提高此示例的清晰度，请致电mpcverbosity压制与使用MPC控制器合作的消息。

old_status = mpcverbosity（'离开'）；

为工厂创建模型预测控制器。将控制器样品时间指定为0.2秒。

MPCOBJ = MPC（G，0.2）;

获取默认状态估计器增益。

[〜，m，a1，cm1] = getEstimator（mpcobj）;

计算默认观察者杆。

e = eig（a1-a1*m*cm1）;ABS（E）

ans =6×10.9402 0.9402 0.8816 0.8816 0.7430 0.9020

指定更快的观察者杆。

new_poles = [.8 .75 .7 .85 .6 .81];

计算一个将观察者杆放置在的状态增益矩阵new_poles。

l = plot（a1'，cm1'，new_poles）';

地方返回控制器增益矩阵，而您要计算观察者增益矩阵。使用双重性原理，将可控性与可观察性相关联，您指定的转置A1和CM1作为输入地方。此功能调用产生观察者增益转置。

从状态增益矩阵中获取估计器增益。

m = a1 \ l;

指定m作为估计器mpcobj。

setEstimator（mpcobj，l，m）

这对，（ ${一个}_{1} ，，，， C_{m 1}$ ），描述植物和干扰模型组合的总体空间实现，必须可以观察到国家估计设计才能成功。可观察性在模型预测控制工具箱软件中以两个级别进行检查：（1）检查植物模型的可观察性在施工中MPC对象的植物，前提是植物的模型以状态空间形式给出；（2）检查整体扩展模型的可观察性初始化MPC对象的所有模型都已转换为离散的时间，无延迟，状态空间形式并组合在一起。

恢复mpcverbosity。

mpcverbosity（old_status）;

输入参数

全部收缩

`mpcobj`-MPC控制器
MPC控制器对象

MPC控制器，指定为MPC控制器对象。使用MPC命令创建MPC控制器。

`l`-卡尔曼获得时间更新的矩阵
`是`（默认）|矩阵

Kalman在时间更新中获得矩阵，指定为矩阵。尺寸l是n_X-经过-n_YM，在哪里n_X是控制器状态的总数，以及n_YM是测量输出的数量。

如果l是空的，默认为l = a*m，在哪里一个是国家转变矩阵。

`m`-Kalman获得测量更新的矩阵
`0`（默认）|矩阵

Kalman获得的测量更新矩阵，指定为矩阵。尺寸l是n_X-经过-n_YM，在哪里n_X是控制器状态的总数，以及n_YM是测量输出的数量。

如果m被省略或空，默认为零矩阵，状态估计器变为Luenberger观察者。

算法

全部收缩

状态估计器方程

通常，控制器状态是未测量的，必须估算。默认情况下，控制器使用源自状态观察者的稳态卡尔曼滤波器。有关更多信息，请参阅控制器状态估计。

在开始k控制间隔，根据以下步骤估算控制器状态：

获取以下数据：
- X_C（（k|k–1） - 先前控制间隔的控制器状态估计，k–1
- 你^行为（（k–1） - 工厂中实际使用的操纵变量（MV）k–1 tok（假定常数）
- 你^选择（（k–1） - MPC推荐的最佳MV，并假定在工厂中使用k–1 tok
- v（（k） - 当前测量的干扰
- y_m（（_k） - 当前测量的植物产量
- b_你，，，，b_v- 观察者参数的列b对应于你（（k）和v（（k）输入
- C_m- 观察者参数C的行，对应于测量的植物产量
- d_MV- 观察者参数的行和列d对应于测量的植物产量和测量的干扰输入
- l，，，，m- 恒定的卡尔曼获得矩阵
在计算之前，将工厂输入和输出信号缩放为无量纲。
修订X_C（（k|k–1）什么时候你^行为（（k–1）和你^选择（（k–1）是不同的。

$X_{C}^{r e v} （（ k | k - 1 ） = X_{C} （（ k | k - 1 ） + b_{你} [[你^{一个 C t} （（ k - 1 ） - 你^{o p t} （（ k - 1 ）这是给予的$
计算创新。

$e （（ k ） = y_{m} （（ k ） - [[C_{m} X_{C}^{r e v} （（ k | k - 1 ） + d_{m v} v （（ k ）这是给予的$
更新控制器状态估计以说明最新测量值。

$X_{C} （（ k | k ） = X_{C}^{r e v} （（ k | k - 1 ） + m e （（ k ）$

然后，软件使用当前状态估计X_C（（k|k）以间隔解决二次程序k。解决方案是你^选择（（k），在控制间隔之间使用的MPC启用可操作变量值k和k+1。
最后，该软件为下一个控制间隔做准备，假设未知输入，w_ID（（k），w_OD（（k），和w_n（（k）在时间之间假设其平均值（零）k和k+1。该软件预测已知输入和创新的影响如下：

$X_{C} （（ k + 1 | k ） = 一个 X_{C}^{r e v} （（ k | k - 1 ） + b_{你} 你^{o p t} （（ k ） + b_{v} v （（ k ） + l e （（ k ）$