传统的模型预测控制器在每个控制间隔处解决了二次程序(QP),以确定最佳操纵变量(MV)调整。这些调整是隐式非线性功能的解决方案你=F(X)。
矢量X包含当前的控制器状态和其他影响QP解决方案的独立变量,例如当前输出参考值。模型预测控制工具箱™软件强调强制唯一QP解决方案的限制。
找到最佳MV调整可能是耗时的,所需的时间可以从一个控制间隔到下一个控制间隔显着变化。在需要在某个一致时间内解决方案的应用程序,该方法可以是微秒顺序,隐式MPC方法可以是不合适的。
如图所示优化问题,如果没有QP不等式约束对于给定的X向量,最佳的MV调整成为线性函数X:
在哪里,F和G是常数。同样,如果X仍然在一个固定的不等式约束是活动的区域中,QP解决方案也是一个线性函数X,但与不同F和G常数。
显式MPC使用离线计算来确定最佳MV调整的所有多面体区域是线性函数X和相应的控制法常数。当控制器实时运行时,显式MPC控制器在每个控制瞬间执行以下步骤,K.:
使用可用测量值估计控制器状态,如传统MPC。
形式X(K.)使用估计状态和其他自变量的当前值。
确定该地区X(K.)居住。
看起来预定的F和G该地区的常数。
评估线性函数你(K.)=FX.(K.)+G。
您可以为每一步所需的时间建立一个紧密的上限。如果区域的数量不是太大,则总计算时间可能很小。然而,随着区域的数量增加,步骤3所需的时间占主导地位。此外,存储所有线性控制法和多面体区域所需的内存变得过多。特征的区域数量你=F(X)主要取决于可以在解决方案中激活的QP不等式约束。如果显式MPC控制器具有许多约束,因此需要显着的计算工作或存储器,则可以优选传统的隐式实现。