主要内容

调整权重

模型预测控制器设计通常需要对代价函数权值进行一些调整。介绍调优技巧。看到优化问题关于成本函数方程的详细信息。

最初的调优

  • 在调整成本函数权重之前，为每个工厂的投入和产出变量指定比例因子。在调整控制器时保持这些比例因子不变。看到指定比例因子获取更多信息。

  • 调优期间，可以使用灵敏度而且审查命令获取诊断反馈。的灵敏度命令的目的是帮助成本函数的权重选择。

  • 通过设置适当的控制器属性更改权重，如下所示:

    改变权重 设置这个控制器属性 数组大小
    OV参考追踪(wy） 权重。机汇 p——- - - - - -ny
    MV基准跟踪(wu） 权重。MV p——- - - - - -nu
    MV增量抑制(wΔu） 权重。MVRate p——- - - - - -nu

这里，MV是一个植物操纵变量，和nu为mv的个数。OV是一个植物输出变量，和ny为OVs数。最后,p是预测范围内的步数。

如果权重数组包含n<p行，控制器复制最后一行以获得一个完整的数组p行。默认的(n= 1)使要调优的参数数量最小化，因此推荐使用。看到使用MPC设计器设置时变权重和约束另一种选择。

设置OV权重的技巧

  • 考虑到ny假设是OVsnyc必须保持在或接近参考值(设定值)。如果我OV不在这个组中，集合Weights.OV(:,我)= 0。

  • 如果nu≥nyc，在稳态下，通常可以实现零OV跟踪误差nycmv不受约束。默认的权重。机汇= ones(1,ny)这是一个很好的开始。

    如果nu>nyc但是，你有多余的自由度。因此，除非采取预防措施，否则即使OVs接近参考值，mv也可能漂移。

    • 最常见的预防措施是为你拥有的多余mv数量定义参考值(目标)，nu- - - - - -nyc．这样的目标可以代表经济上或技术上理想的稳定状态值。

    • 另一种方法是设定w∆u>至少是0nu- nyc以阻止控制器改变它们。

  • 如果nu<nyc，你没有足够的自由度同时保持所有ov在一个设定值。在这种情况下，考虑优先级引用跟踪。为此，设置Weights.OV(:，i) > 0属性的优先级我机汇。这方面的大致指导方针如下:

    • 0.05 -低优先级:大跟踪误差可接受

    • 0.2 -低于平均优先级

    • 1 -平均优先级-默认值。使用此值，如果nyc= 1。

    • 5 -高于平均优先级

    • 20 -高优先级:期望小的跟踪误差

MV权重设置技巧

默认情况下,权重。MV= zeros(1,nu)．如果某些MV有目标，对应的MV参考跟踪权值必须非零。否则，目标将被忽略。如果MV目标数小于(nu- - - - - -nyc)，试着用相同的重量。建议值为0.2，与低于平均OV跟踪相同。这个值允许mv暂时离开他们的目标，以改善OV的跟踪。

否则，MV和OV参考跟踪目标很可能发生冲突。通过设置Weights.MV(:,我)值，其方式类似于所建议的权重。机汇(见上图)。典型的做法是将平均MV跟踪优先级设置为低于平均OV跟踪优先级(例如，0.2 < 1)。

如果我MV没有目标，设定Weights.MV(:,我)= 0(默认值)。

设置MV速率权重的技巧

  • 默认情况下,权重。MVRate= 0。1*ones(1,nu)．这种默认的原因包括:

    • 如果工厂是开环稳定的，那么大量的增量是不必要的，而且可能是不可取的。例如，当模型预测是不完美的，在实践中总是如此，更保守的增量通常提供更健壮的控制器性能，但更差的参考跟踪。

    • 这些值迫使QP黑森矩阵是正定的，这样，如果没有约束是活动的，QP有一个唯一的解。

    来鼓励控制器使用更小的增量我th MV，增加Weights.MVRate(:,我)价值。

  • 如果电厂是开环不稳定的，你可能需要降低平均值重量。MVRate值，允许充分快速的反应，以中断。

设置ECR权重的技巧

看到约束软化有关权重。ECR财产。

测试和改进

为了专注于调整单个成本函数权重，请在以下条件下执行闭环模拟测试:

  • 没有约束。

  • 没有预测错误。控制器预测模型应与工厂模型相同。这两个MPC设计师应用程序和sim卡函数提供了在这些条件下进行模拟的选项。

使用参考和测量扰动信号(如果有)的变化来强制动态响应。根据每个测试的结果，考虑改变所选权重的大小。

一个建议的方法是使用常量Weights.OV(:，i) = 1指示“平均OV跟踪优先级”，并将所有其他权重调整为相对于此值。使用灵敏度指挥引导。使用审查命令检查典型的调优问题，例如缺乏闭环稳定性。

看到调整干扰和噪声模型用于测试控制器的抗扰能力。

鲁棒性

一旦你有了在上述条件下工作良好的权重，检查对预测错误的敏感性。有几种方法:

  • 如果您的系统有一个非线性的植物模型，例如Simulink万博1manbetx®模型，模拟除LTI预测模型应用外的其它工作点的闭环性能。

  • 或者，运行闭环模拟，其中表示植物的LTI模型不同于MPC预测模型中使用的LTI模型(如结构或参数值)。这两个MPC设计师应用程序和sim卡函数提供了在这些条件下进行模拟的选项。有关示例，请参见使用MPC设计器测试MPC控制器的鲁棒性．

如果与没有预测错误的测试相比，控制器性能似乎显著下降，对于开环稳定的工厂，考虑使控制器不那么激进。

在MPC设计师，在调优选项卡，可以使用闭环性能滑块。

向更鲁棒的控制方向移动会降低OV和MV权重，并增加MV Rate权重，这将导致输出控制的放松和更保守的控制移动。

在命令行中，您可以进行以下更改以降低控制器的攻击性:

  • 增加所有重量。MVRate值乘以2阶的乘法因子。

  • 减少所有重量。机汇而且重量。MV除以相同的因子。

调整权重后，重新评估有或没有预测误差的性能。

  • 如果现在两者都可以接受，那么停止调整权重。

  • 如果有改善，但仍然有太多的退化与模型误差，进一步增加控制器的鲁棒性。

  • 如果更改没有显著提高性能，则恢复原始权重并专注于状态估计器调优(请参阅调整干扰和噪声模型）.

最后，如果调优更改不能提供足够的健壮性，请考虑以下选项之一:

相关的话题