主要内容

时变MPC

何时使用时变MPC

为了适应改变操作条件,Adaptive MPC支持在每个控制间隔内更新预测模型及其相关的标称条件。万博1manbetx然而,更新的模型和条件在预测地平线上保持恒定。如果您可以预测工厂和名义条件在将来变化的情况下,您可以使用时变MPC来指定在预测地平线上改变的模型。这种线性时变(LTV)模型在控制周期性的系统或非线性系统时是有用的,该周期性系统围绕时变的标称轨迹线性化。

要使用时变MPC,请指定阵列植物义务输入论点mpcmoveadaptive。有关时变MPC的示例,请参阅时变植物的时变MPC控制

时变预测模型

考虑LTV预测模型

X K. + 1 = 一种 K. X K. + B. K. K. + B. V. K. V. K. y K. = C K. X K. + D. V. K. V. K.

在哪里一种B.B.V.C, 和D.是离散时间的状态空间矩阵,可以随时间变化。其他模型参数是:

  • K.- 电流控制间隔时间索引

  • X- 植物模型国家

  • - 操纵变量

  • V.- 测量干扰输入

  • y- 测量和未测量的工厂输出

由于时变MPC扩展了自适应MPC,因此工厂模型要求是相同的;也就是说,对于每个模型植物大批:

  • 采样时间 (TS.)恒定,与MPC控制器采样时间相同。

  • 任何时间延迟都被分离状态被吸收。

  • 输入和输出信号配置保持恒定。

  • 从操纵变量到工厂输出没有直接馈送。

有关更多信息,请参阅植物模型

预测未来轨迹P.进入未来,在哪里P.是预测地平线,与自适应MPC案例相同:

[ y 1 y P. ] = S. X X 0. + S. 1 - 1 + S. [ δ. 0. δ. P. - 1 ] + H V. [ V. 0. V. P. ]

但是,对于LTV预测模型,矩阵S.XS.U1.S., 和HV.是:

S. X = [ C 1 一种 0. C 2 一种 1 一种 0. C P. π 一世 = 0. P. - 1 一种 一世 ] S. 1 = [ C 1 B. 0. C 2 [ B. 1 + 一种 1 B. 0. ] C P. σ. K. = 0. P. - 1 [ π 一世 = K. + 1 P. - 1 一种 一世 B. K. ] ] S. = [ 0. 0. 0. S. 1 C 2 B. 1 0. 0. C P. σ. K. = 1 P. - 1 [ π 一世 = K. + 1 P. - 1 一种 一世 B. K. ] C P. B. P. - 1 ] H V. = [ C 1 B. V. 0. D. V. 1 0. 0. C 2 一种 1 B. V. 0. C 2 B. V. 1 D. V. 2 0. C P. π 一世 = 1 P. - 1 一种 一世 B. V. 0. C P. B. V. P. - 1 D. V. P. ]

在哪里 π 一世 = K. 1 K. 2 一种 一世 一种 K. 2 一种 K. 2 - 1 ...... 一种 K. 1 如果 K. 2 K. 1 , 要么一世否则。

有关隐式MPC和Adaptive MPC预测矩阵的更多信息,请参阅QP矩阵

时变义义条件

线性模型通常通过在时变的标称轨迹周围线性化的非线性动力学获得。例如,考虑以下LTI模型,通过在时变的标称偏移处线性化非线性系统获得X离开离开V.离开, 和y离开

X K. + 1 - X O. F F K. + 1 = 一种 K. X K. - X O. F F K. + B. K. K. - O. F F K. + B. V. K. V. K. - V. O. F F K. + δ. X O. F F K. y K. - y O. F F K. = C K. X K. - X O. F F K. + D. V. K. V. K. - V. O. F F K.

如果我们定义

X O. F F ¯ X 0. O. F F ¯ 0. V. O. F F ¯ V. 0. y O. F F ¯ y 0.

作为在预测地平线上保持不变的标准标称值,我们可以将LTI模型转换为以下LTV模型:

X K. + 1 - X O. F F ¯ = 一种 K. X K. - X O. F F ¯ + B. K. K. - O. F F ¯ + B. V. K. V. K. - V. O. F F ¯ + B. ¯ V. K. y K. - y O. F F ¯ = C K. X K. - X O. F F ¯ + D. V. K. V. K. - V. O. F F ¯ + D. ¯ V. K.

在哪里

B. ¯ V. K. δ. X O. F F K. + X O. F F K. - X O. F F ¯ + 一种 K. X O. F F ¯ - X O. F F K. + B. K. O. F F ¯ - O. F F K. + B. V. K. V. O. F F ¯ - V. O. F F K. D. ¯ V. K. y O. F F K. - y O. F F ¯ + C K. X O. F F ¯ - X O. F F K. + D. V. K. V. O. F F ¯ - V. O. F F K.

如果原始线性化模型已经是LTV,则相同的转换适用。

国家估计数

与Adaptive MPC一样,时变MPC使用基于的时变卡尔曼滤波器一种(0),B.(0),C(0),和D.(0)来自初始预测步骤;也就是说,估计状态的当前时间。有关更多信息,请参阅国家估计数

也可以看看

相关话题