nlmpc.

非线性模型预测控制器

全部展开页面

描述

非线性模型预测控制器通过非线性预测模型、非线性代价函数和非线性约束计算最优控制移动。有关非线性MPC的更多信息，请参见非线性MPC．

创建

句法

纽约nlobj = nlmpc (nxν)

nlobj = nlmpc (nx、纽约、MV, mvIndex, MD, mdIndex)

nlobj = nlmpc（nx，ny，'mv'，mvindex，'ud'，udindex）

nlobj = nlmpc（nx，ny，'mv'，mvindex，'md'，mdindex，'ud'，udindex）

描述

例子

nlobj.= nlmpc (nx那纽约那ν）创造一个nlmpc.预测模型具有其预测模型的对象nx状态，纽约产出，以及ν输入，其中所有的输入都是操纵变量。如果您的模型没有可测量或不可测量的干扰输入，请使用此语法。

nlobj.= nlmpc (nx那纽约，'mv'，mvindex.“医学博士”,mdindex.）创造一个nlmpc.预测模型具有测量干扰输入的对象。为操作变量指定输入索引，mvindex.，以及测量的扰动，mdindex.．

nlobj.= nlmpc (nx那纽约，'mv'，mvindex.，'ud'，udindex.）创造一个nlmpc.目标的预测模型有未测量的干扰输入。指定操纵变量和未测量干扰的输入指标，udindex.．

例子

nlobj.= nlmpc (nx那纽约，'mv'，mvindex.“医学博士”,mdindex.，'ud'，udindex.）创造一个nlmpc.预测模型具有测量和未测量的干扰输入的对象。指定用于操纵变量，测量干扰和未测量干扰的输入指标。

输入参数

展开全部

`nx`-预测模型状态的数量
正整数

预测模型状态的数量，指定为正整数。此值存储在维度。N.你mberOfStates控制器只读属性。创建控制器对象后，无法更改状态的数量。

`纽约`-预测模型输出数量
正整数

预测模型输出的数量，指定为正整数。此值存储在尺寸.Numberofoutputs.控制器只读属性。创建控制器对象后，无法更改输出的数量。

`ν`-预测模型输入的数量
正整数

预测模型输入的数量，它们都设置为被操纵变量，指定为正整数。此值存储在尺寸.NumberofInputs.控制器只读属性。创建控制器对象后，无法更改被操纵变量的数量。

`mvindex.`-操纵可变指数
正整数矢量

操纵变量指标，指定为一个正整数向量。此值存储在尺寸.MVINDEX.控制器只读属性。创建控制器对象后，您无法更改这些索引。

来自mvindex.那mdindex.，和udindex.必须包含所有整数1通过N._你，在哪里N._你是预测模型输入的数量。

`mdindex.`-测量扰动指数
正整数矢量

测量的干扰指数，指定为正整数的向量。此值存储在尺寸..MdIndex.控制器只读属性。创建控制器对象后，您无法更改这些索引。

来自mvindex.那mdindex.，和udindex.必须包含所有整数1通过N._你，在哪里N._你是预测模型输入的数量。

`udindex.`-未训练的障碍指数
正整数矢量

未测量的扰动指数，指定为正整数的向量。此值存储在尺寸.UDINDEX.控制器只读属性。创建控制器对象后，您无法更改这些索引。

来自mvindex.那mdindex.，和udindex.必须包含所有整数1通过N._你，在哪里N._你是预测模型输入的数量。

特性

展开全部

`Ts`-样本时间预测模型
`1`（默认）|正有限标量

预测模型采样时间，指定为正有限标量。控制器使用具有采样时间的离散时间模型Ts用于预测。如果指定连续时间预测模型(Model.IscontInuoustime.是真的），然后控制器使用内置隐式梯形规则来离散模型，其中采样时间Ts．

`predictionhorizon.`-预测地平线
`10`（默认）|正整数

预测地平线步骤，指定为正整数。产品的产品predictionhorizon.和Ts是预测的时间;也就是说，控制器的观察到来了多远。

`ControlHorizon`-控制地平线
`2`（默认）|正整数|正整数矢量

控制视界，指定为以下之一：

正整数,m，之间1和P.，包括在内，在哪里P.等于predictionhorizon.．在这种情况下，控制器计算m有时发生自由控制移动K.通过K.+m-1，并保持控制器输出不变的剩余预测视界步骤K.+m通过K.+P.-1。这里，K.是当前的控制间隔。
正整数向量[m₁那m₂，…]，指定阻塞间隔的长度。默认情况下，控制器进行计算m方块自由移动，哪里m是阻塞间隔的数量。第一个免费移动适用于时间K.通过K.+m₁-1，第二个自由举动适用于时间K.+m₁通过K.+m₁+m₂-1，等等。使用块移动可以提高控制器的稳健性。值的总和ControlHorizon必须符合预测范围吗P.．如果指定一个向量，其和为:
- 小于预测层位，则控制器增加一个阻塞间隔。这个区间的长度等于区间长度之和P.．例如，如果P.=10你指定了一个控制的地平线ControlHorizon=[1 2 3]，然后控制器使用四个长度为的间隔[1 2 3 4]．
- 大于预测地平线，然后截断间隔直到间隔长度的总和等于P.．例如，如果P.=10你指定了一个控制的地平线ControlHorizon=[1 2 3 6 7]，然后控制器使用四个长度为的间隔[1 2 3 4]．

对于最佳路径规划应用，分段恒定阻断移动通常过于限制。为了产生更严格的更严格，有条件的非线性编程问题，可以指定分段线性操纵可变阻塞间隔。为此，请设置优化.mvinterpolationOrder.你的财产nlmpc.控制器对象1．

有关如何用不同插值方法的操作变量阻塞方式的更多信息，请参阅操纵变量阻塞．

`方面`-预测模型尺寸信息
结构

此属性是只读的。

预测模型尺寸信息，当创建控制器并将其存储为具有以下字段的结构时指定的。

`NumberOfStates`- 州数量
正整数

预测模型中的状态数指定为正整数。该值对应于nx．

`numberofoutputs.`- 输出数量
正整数

预测模型中的输出数，指定为正整数。该值对应于纽约．

`numberofinputs.`- 州数量
正整数

预测模型中的输入数指定为正整数。此值对应于任何一种nmv或者长度的总和mvindex.那mdindex.，和udindex.．

`mvindex.`-操纵变量指标
正整数矢量

用于预测模型的操纵可变指标，指定为正整数的向量。该值对应于mvindex.．

`mdindex.`-测量的扰动指数
正整数矢量

预测模型的测量扰动指数，指定为一个正整数向量。该值对应于mdindex.．

`udindex.`-未测量的扰动指数
正整数矢量

预测模型的未测量障碍指数指定为正整数的向量。该值对应于udindex.．

`模型`-预测模型
结构

预测模型，指定为具有以下字段的结构。

`StateFcn`——状态函数
字符串|字符矢量|功能手柄

状态函数，指定为字符串，字符向量或函数句柄。对于连续时间预测模型，StateFcn是状态衍生功能。对于离散时间预测模型，StateFcn状态更新函数。

如果您的状态功能是连续的，则控制器使用隐式梯形规则自动离散模型。该方法可以处理中等刚性的模型，其预测精度取决于控制器采样时间Ts；也就是说，大的样本时间会导致不准确的预测。

如果默认的离散化方法不能为应用程序提供令人满意的预测，则可以指定自己的离散时间预测模型，该模型使用不同的方法，例如多步前向Euler规则。

您可以通过以下方式之一指定状态函数:

当前工作文件夹或MATLAB上的函数的名称^®路径，指定为字符串或字符向量
```
模型。StateFcn =“mystatefunction”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
model.statefcn = @mystatefunction;
```

匿名函数

model.statefcn = @（x，u，params）mystatefunction（x，u，params）

有关更多信息，请参阅为非线性MPC指定预测模型．

`outputfcn.`——输出函数
`[]`（默认）|字符串|字符向量|功能手柄

输出函数，指定为字符串，字符向量或功能句柄。如果预测模型的状态和输出的数量相同，则可以省略outputfcn.，这意味着所有的状态都是可测量的;也就是说，每个输出对应于一个状态。

笔记

您输出功能不能随时从任何操作变量直接馈通。

您可以通过以下方式之一指定输出功能：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
model.outputfcn =.“myoutputfunction”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
model.outputfcn =.@myOutputFunction;
```

匿名函数

model.outputfcn =.@(x,u,params) myOutputFunction(x,u,params)

有关更多信息，请参阅为非线性MPC指定预测模型．

`IsContInuoustime.`—预测模型时域标志
`真的`（默认）|`错误的`

指示预测模型时域的标志，指定为以下之一：

真的- 连续时间预测模型。在这种情况下，控制器在预测期间自动离散模型Ts．
错误的- 离散时间预测模型。在这种情况下，Ts是模型的采样时间。

笔记

IsContInuoustime.必须与中指定的功能一致模型。StateFcn和model.outputfcn.．

如果IsContInuoustime.是真的那StateFcn必须返回当前时间状态对时间的导数。否则StateFcn必须在下一个控制间隔返回状态。

`NumberOfParameters`- 可选模型参数的数量
`0.`（默认）|非负整数

预测模型、自定义成本函数和自定义约束函数使用的可选模型参数数，指定为非负整数。参数的数量包括这些函数使用的所有参数。例如，如果状态函数仅使用参数P1，约束函数仅使用参数p2，并且成本函数仅使用参数p3，然后NumberOfParameters是3.．

`州`-状态信息，界限和规模因素
结构阵列

状态信息、边界和比例因子，作为结构数组指定N._X元素,N._X是状态数。每个结构元素有以下字段。

`最小值`-状态下界
`-inf.`(默认)|标量|向量

状态下限，指定为标量或向量。默认情况下，下限是不约束的。

要在预测视野上使用相同的绑定，请指定标量值。

从时间内改变预测地平线的界限K.+ 1,K.+P.，指定最多的向量P.值。这里，K.是当前的时间和P.是预测的地平线。如果您指定少于P.值，最终绑定用于预测地平线的剩余步骤。

状态范围始终是艰难的限制。

`最大限度`-状态上界
`INF.`(默认)|标量|向量

状态上界，指定为标量或向量。缺省情况下，上限不受约束。

要在预测视野上使用相同的绑定，请指定标量值。

状态范围始终是艰难的限制。

`的名字`- 州名称
字符串|字符向量

状态名称，指定为字符串或字符向量。默认状态名称是“X＃”，在哪里＃是它的状态索引。

`单位`- 国家单位
`“`（默认）|字符串|字符向量

状态单位，指定为字符串或字符向量。

`比例因子`- 国家规模因子
`1`（默认）|正有限标量

状态比例因子，指定为正有限标量。通常，使用状态的工作范围。指定适当的比例因子可以改善优化的数值条件。

`opportVariables.`-输出变量信息、边界和比例因子
结构阵列

输出变量（OV）信息，界限和比例因子，指定为结构阵列N._y元素,N._y为输出变量的个数。要访问此属性，可以使用别名机汇代替opportVariables.．

每个结构元素有以下字段。

`最小值`- OV下界
`-inf.`(默认)|标量|向量

OV下界，指定为标量或向量。默认情况下，此较低界限是不受约束的。

要在预测视野上使用相同的绑定，请指定标量值。

`最大限度`- OV上限
`INF.`(默认)|标量|向量

OV上限，指定为标量或向量。默认情况下，此上限是不受约束的。

要在预测视野上使用相同的绑定，请指定标量值。

`地雷`- OV下限柔软
`1`（默认）|非负有限标量|向量

OV下界柔软性，其中较大的ECR值表示较软的约束，指定为非负的有限标量或向量。默认情况下，OV上界为软约束。

要在预测视野上使用相同的ECR值，请指定标量值。

使ECR值在预测视界上随时间变化K.+ 1,K.+P.，指定最多的向量P.值。这里，K.是当前的时间和P.是预测的地平线。如果您指定少于P.值，最终ECR值用于预测范围的剩余步骤。

`MAXEC.`- OV上界柔软度
`1`（默认）|非负有限标量|向量

OV上界柔软性，其中较大的ECR值表示较软的约束，指定为非负的有限标量或向量。默认情况下，OV下界为软约束。

要在预测视野上使用相同的ECR值，请指定标量值。

`的名字`- OV名字
字符串|字符向量

OV名称，指定为字符串或字符向量。默认的OV名称是“y＃”，在哪里＃是它的输出指数。

`单位`- OV单位
`“`（默认）|字符串|字符向量

OV单元，指定为字符串或字符向量。

`比例因子`- OV尺度因子
`1`（默认）|正有限标量

OV比例因子，指定为正有限标量。通常，使用输出变量的操作范围。指定适当的比例因子可以改善数值调节以进行优化。

`漫画variables.`-操纵可变信息，界限和规模因子
结构阵列

操纵变量(MV)信息、边界和比例因子，指定为结构数组N._m元素,N._m是操纵变量的数目。若要访问此属性，可以使用别名MV代替漫画variables.．

每个结构元素有以下字段。

`最小值`- MV下界
`-inf.`(默认)|标量|向量

MV下界，指定为标量或向量。默认情况下，此较低界限是不受约束的。

要在预测视野上使用相同的绑定，请指定标量值。

从时间内改变预测地平线的界限K.时间K.+P.-1，指定最多的向量P.值。这里，K.是当前的时间和P.是预测的地平线。如果您指定少于P.值，最终绑定用于预测地平线的剩余步骤。

`最大限度`- MV上限
`INF.`(默认)|标量|向量

MV上限，指定为标量或向量。默认情况下，此上限是不受约束的。

要在预测视野上使用相同的绑定，请指定标量值。

`地雷`- MV下界柔软度
`0.`（默认）|非负标量|向量

MV下界柔软性，其中较大的ECR值表示较软的约束，指定为非负标量或向量。默认情况下，MV下界是硬约束。

要在预测视野上使用相同的ECR值，请指定标量值。

使ECR值在预测视界上随时间变化K.时间K.+P.-1，指定最多的向量P.值。这里，K.是当前的时间和P.是预测的地平线。如果您指定少于P.值，最终ECR值用于预测范围的剩余步骤。

`MAXEC.`- MV上限
`0.`（默认）|非负标量|向量

MV上限柔软度，其中较大的ECR值表示更软的约束，指定为非负标量或向量。默认情况下，MV上限是硬约束。

要在预测视野上使用相同的ECR值，请指定标量值。

`拉特明`- MV变化率下限
`-inf.`(默认)|非正标量|向量

MV变化率下限，指定为非叠数标量或向量。MV变化率定义为MV（K.） -MV（K.-1），在哪里K.是当前的时间。默认情况下，此较低界限是不受约束的。

要在预测视野上使用相同的绑定，请指定标量值。

`拉特马克斯`- MV变化率上限
`INF.`（默认）|非负标量|向量

MV变化率上限，指定为非负标量或向量。MV变化率定义为MV（K.） -MV（K.-1），在哪里K.是当前的时间。默认情况下，此较低界限是不受约束的。

要在预测视野上使用相同的绑定，请指定标量值。

`rateminecr.`- MV变化率下限柔软
`0.`（默认）|非负有限标量|向量

MV变化率下限较低的柔软度，其中较大的ECR值表示更软的约束，指定为非负有限标量或向量。缺省情况下，更改下限的MV速率是硬约束。

要在预测视野上使用相同的ECR值，请指定标量值。

在预测视界上随时间改变ECR值K.时间K.+P.-1，指定最多的向量P.值。这里，K.是当前的时间和P.是预测的地平线。如果您指定少于P.值，最终的ECR值用于预测地平线的剩余步骤。

`Ratemaxecr.`- MV变化速率上限柔软
`0.`（默认）|非负有限标量|向量

MV变化率上界柔软性，其中较大的ECR值表示较软的约束，指定为非负的有限标量或向量。默认情况下，MV变化率上界是硬约束。

要在预测视野上使用相同的ECR值，请指定标量值。

`的名字`- MV名称
字符串|字符向量

MV名称，指定为字符串或字符向量。默认的MV名称是“你＃”，在哪里＃是它的输入指标。

`单位`- MV单位
`“`（默认）|字符串|字符向量

MV单元，指定为字符串或字符向量。

`比例因子`- MV比例因子
`1`（默认）|正有限标量

MV比例因子，指定为正有限标量。通常，使用操纵变量的操作范围。指定适当的比例因子可以改善数值调节以进行优化。

`测量扰动`-测量干扰信息和规模因素
结构阵列

测量的干扰（MD）信息和比例因子，指定为结构阵列N._m元素,N._m是测量障碍的数量。如果您的型号没有测量的干扰，那么测量扰动是[]．要访问此属性，可以使用别名医学博士代替测量扰动．

每个结构元素有以下字段。

`的名字`——MD的名字
字符串|字符向量

MD名称，指定为字符串或字符向量。默认MD名称是“你＃”，在哪里＃是它的输入指标。

`单位`- MD单位
`“`（默认）|字符串|字符向量

MD单位，指定为字符串或字符向量。

`比例因子`- MD比例因子
`1`（默认）|正有限标量

MD比例因子，指定为正的有限标量。一般使用干扰的操作范围。指定适当的比例因子可以改善数值调节以进行优化。

`重量`-标准成本函数调整权重
结构

标准成本函数调谐重量，指定为结构。控制器将这些权重应用于缩放变量。因此，调谐重量是无量纲值。

笔记

如果使用定制成本函数使用优化.customcostfcn.并设置优化。ReplaceStandardCost来真的，然后控制器忽略标准成本函数调整权重重量．

重量具有以下字段。

`漫画variables.`- 操纵可变调谐重量
行向量|数组

操纵变量调整权值，惩罚偏离MV目标的偏差，指定为非负值的行向量或数组。所有受操纵变量的默认权重为0.．

要在预测地平线上使用相同的权重，请指定长度的行向量N._m，在哪里N._m是操纵变量的数量。

从时间从预测地平线上改变调谐重量K.时间K.+P.-1，指定阵列N._m列和最多P.行。这里，K.是当前的时间和P.是预测的地平线。每行包含一个预测地平线步骤的操纵变量调谐权重。如果您指定少于P.行，最终行中的权重用于预测地平线的剩余步骤。

要在运行时指定MV目标，请创建一个nlmpcmoveopt.对象，并设置其mvtarget.财产。

`操纵变量速率`- 操纵可变速率调谐重量
行向量|数组

操纵的变速率调整权重，用于惩罚控制移动中的重大更改，指定为行向量或非负值数组。所有操纵的变速率的默认权重为0．1．

要在预测地平线上使用相同的权重，请指定长度的行向量N._m，在哪里N._m是操纵变量的数量。

从时间从预测地平线上改变调谐重量K.时间K.+P.-1，指定阵列N._m列和最多P.行。这里，K.是当前的时间和P.是预测的地平线。每行包含一个预测地平线步骤的操纵可变速率调谐权重。如果您指定少于P.行，最终行中的权重用于预测地平线的剩余步骤。

`opportVariables.`- 输出变量调谐重量
矢量|大批

输出变量调优权值，用于惩罚与输出引用的偏差，指定为非负值的行向量或数组。所有输出变量的默认权重为1．

要在预测地平线上使用相同的权重，请指定长度的行向量N._y，在哪里N._y为输出变量的个数。

从时间从预测地平线上改变调谐重量K.+ 1,K.+P.，指定一个数组N._y列和最多P.行。这里，K.是当前的时间和P.是预测的地平线。每行包含一个预测地平线步骤的输出变量调谐权重。如果您指定少于P.行，最终行中的权重用于预测地平线的剩余步骤。

`eCR.`- 松弛可变调谐重量
`1E5.`（默认）|正标量

松弛可变调谐重量，指定为正标量。

`优化`-自定义优化函数和求解器
结构

自定义优化函数和求解器，指定为具有以下字段的结构。

`CustomCostFcn`-自定义成本函数
`[]`|字符串|字符向量|函数句柄

自定义成本函数，指定为以下之一：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
优化.customcostfcn =“mycostfunction”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
优化.customcostfcn = @mycostfunction;
```

匿名函数

优化.customcostfcn =@(X,U,e,data,params) myCostFunction(X,U,e,data,params);

您的成本函数必须具有以下签名：

功能J = MyCostFunction（x，u，e，数据，params）

有关更多信息，请参阅指定非线性MPC的成本函数．

`ReplaceStandardCost`-指示是否替换标准成本函数的标志
`真的`（默认）|`错误的`

标志，指示是否使用自定义成本函数替换标准成本函数，指定为以下之一：

真的—在优化过程中，控制器只使用自定义成本作为目标函数。在这种情况下重量控制器的属性被忽略。
错误的—控制器以标准成本与定制成本之和作为优化的目标函数。

如果您不指定自定义成本函数使用CustomCostFcn，则控制器忽略repalcestandardcost.．

有关更多信息，请参阅指定非线性MPC的成本函数．

`CustomEqConFcn`- 自定义平等约束函数
`[]`（默认）|字符串|字符向量|功能手柄

自定义平等约束函数，指定为以下之一：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
优化。CustomEqConFcn =“myeqconfunction”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
优化。CustomEqConFcn = @myEqConFunction;
```

匿名函数

Optimization.CustomEqConFcn=@（X，U，data，params）myEqConFunction（X，U，data，params）；

等式约束函数必须具有签名：

功能CEQ = MyeqConfunction（x，u，数据，p1，p2，．..）

有关更多信息，请参阅为非线性MPC指定约束条件．

`customineqconfcn.`-自定义不等式约束函数
`[]`（默认）|字符串|字符向量|功能手柄

自定义不等式约束函数，指定为以下函数之一：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
优化.CustomIneqConFcn=“myineqconfunction”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
优化.customineqconfcn = @myineqconfunction;
```

匿名函数

优化.customineqconfcn = @（x，u，e，data，params）myineqconfunction（x，u，e，数据，params）;

等式约束函数必须具有签名：

功能cineq = myineqconfunction（x，u，e，数据，params）

有关更多信息，请参阅为非线性MPC指定约束条件．

`CustomSolverFcn`- 定制非线性编程求解器
`[]`（默认）|字符串|字符向量|功能手柄

定制非线性编程求解器功能，指定为字符串，字符向量或功能句柄。如果您没有优化工具箱™软件，则必须指定您自己的自定义非线性编程求解器。您可以通过以下方式之一指定自定义求解器功能：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
优化。CustomSolverFcn =“myNLPSolver”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
优化.customsolverfcn = @mynlpsolver;
```

有关更多信息，请参阅配置非线性MPC的优化求解器．

`leveroptions.`- 求解器选项
选项对象`fmincon`|`[]`

求解器选项，指定为选项对象fmincon或[]．

如果您有优化工具箱软件，leveroptions.包含的选项对象fmincon求解器。

如果你没有优化工具箱，leveroptions.是[]．

有关更多信息，请参阅配置非线性MPC的优化求解器．

`Runaslinearmpc.`- 指示是否模拟作为线性控制器的标志
`“离开”`（默认）|`“自适应”`|`“罚球”`

指示是否模拟作为线性控制器的标志，指定为以下之一：

“离开”- 用非线性预测模型模拟控制器作为非线性控制器。
“自适应”- 对于每个控制间隔，从当前操作点处的指定非线性状态和输出功能获得线性模型，并在预测地平线上使用。要确定Adaptive MPC控制器是否为非线性控制器提供了可比性性能，请使用此选项。有关Adaptive MPC的更多信息，请参阅自适应MPC．
“罚球”- 对于每个控制间隔，P.线性模型是从指定的非线性状态和输出函数获得的P.从上一个时间间隔预测的工作点，每个预测视界步骤一个。要确定线性时变MPC控制器是否提供与非线性控制器相当的性能，请使用此选项。有关时变MPC的更多信息，请参阅时变MPC．

使用任何一种“自适应”或“罚球”选项，您的控制器必须没有自定义约束和无自定义成本函数。

将非线性MPC控制器模拟为线性控制器的示例，请参见使用非线性MPC的FED批量反应器的优化和控制．

`使用imeryuboptimalsolution.`- 指示次优解决方案是否可接受的标志
`错误的`（默认）|`真的`

指示是否可接受次优解决方案的标志，作为逻辑值指定。当非线性规划求解器在未找到解的情况下达到最大迭代次数时(退出标志为0.），控制器：

冻结MV值，如果使用imeryuboptimalsolution.是错误的
在最终迭代之后应用求解器发现的次优溶液使用imeryuboptimalsolution.是真的

要指定最大的迭代次数，请使用优化.SolverOptions.maxiter.．

`mvinterpolationOrder.`- 用于块移动的线性插值顺序
`0.`（默认）|`1`

块移动使用的线性插值顺序，指定为以下命令之一：

0.-使用分段常数操纵变量间隔。
1- 使用分段线性操纵可变间隔。

如果控件地平线是标量，则控制器忽略了mvinterpolationOrder.．

有关操纵变量阻塞的更多信息，请参见操纵变量阻塞．

`雅各比亚`-模型函数的雅可比矩阵，自定义成本和约束函数
结构

雅各比亚的模型函数，以及定制成本和约束函数，指定为结构。每当可以在可用时使用雅各者是最好的做法，因为它们提高了优化效率。如果未为给定函数指定Jacobian，则非线性编程求解器必须在数值上计算Jacobian。

这雅各比亚结构包含以下字段。

`StateFcn`- 雅各的国家功能
`[]`（默认）|字符串|字符向量|功能手柄

状态函数的雅可比矩阵Z.从模型。StateFcn，指定为下列之一

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
模型。StateFcn =“mystatejacobian”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
model.statefcn = @mystatejacobian;
```

匿名函数

model.statefcn = @（x，u，params）mystatejacobian（x，u，params）

有关更多信息，请参阅为非线性MPC指定预测模型．

`outputfcn.`- 输出函数的Jacobian
`[]`（默认）|字符串|字符向量|功能手柄

雅各比奥输出功能y从model.outputfcn.，指定为以下之一：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
模型。StateFcn =“myoutputjacobian”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
model.statefcn = @myoutputjacobian;
```

匿名函数

模型。StateFcn = @(x,u,params) myOutputJacobian(x,u,params)

有关更多信息，请参阅为非线性MPC指定预测模型．

`CustomCostFcn`- 定制成本函数的Jacobian
`[]`|字符串|字符向量|函数句柄

定制成本函数的雅可比矩阵j从优化.customcostfcn.，指定为以下之一：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
jacobian.customcostfcn =“myCostJacobian”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
Jacobian.CustomCostFcn=@myCostJacobian；
```

匿名函数

Jacobian.CustomCostFcn=@（X，U，e，data，params）myCostJacobian（X，U，e，data，params）

您的成本Jacobian函数必须具有签名：

功能[g，gmv，ge] = mycostjacobian（x，u，e，数据，params）

有关更多信息，请参阅指定非线性MPC的成本函数．

`CustomEqConFcn`- 雅各比亚的自定义平等约束
`[]`（默认）|字符串|字符向量|功能手柄

雅各比亚自定义平等约束CEQ.从优化。CustomEqConFcn，指定为以下之一：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
雅可比矩阵。CustomEqConFcn =“myeqconjacobian”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
jacobian.customeqconfcn = @myeqconjacobian;
```

匿名函数

雅可比矩阵。CustomEqConFcn = @(X,U，数据，参数)myEqConJacobian(X,U，数据，参数);

您的平等约束Jacobian函数必须具有签名：

功能(G, Gmv) = myEqConJacobian (X, U,数据、参数)

有关更多信息，请参阅为非线性MPC指定约束条件．

`customineqconfcn.`-自定义不等式约束的雅可比矩阵
`[]`（默认）|字符串|字符向量|功能手柄

雅各比亚的自定义不平等约束C从优化.Customineqconfcn.，指定为以下之一：

当前工作文件夹或MATLAB路径上的函数的名称，指定为字符串或字符向量
```
雅可比矩阵。CustomEqConFcn =“myineqconjacobian”；
```
当前工作文件夹或MATLAB路径中的函数句柄
```
jacobian.customeqconfcn = @myineqconjacobian;
```

匿名函数

jacobian.customeqconfcn = @（x，u，data，params）myineqconjacobian（x，u，data，params）;

您的不等式约束Jacobian函数必须具有签名：

功能[g，gmv，ge] = myineqconjacobian（x，u，数据，params）

有关更多信息，请参阅为非线性MPC指定约束条件．

对象功能

`nlmpcmove.`	计算非线性MPC控制器的最优控制动作
`验证EFCNS`	检查预测模型和自定义功能`nlmpc.`或`nlmpcmultistage`潜在问题的对象
`ConvertTompc.`	转换`nlmpc.`将对象转换为一个或多个`MPC.`对象
`createParameterBus`	创建万博1manbetx总线对象和配置总线创建者块传递模型参数到非线性MPC控制器块

例子

全部收缩

使用离散时间预测模型创建非线性MPC控制器

打开直播脚本

使用四个状态，两个输出和一个输入创建非线性MPC控制器。

nx = 4;纽约= 2;nu = 1;nlobj = nlmpc（nx，ny，nu）;

在标准成本函数中，默认情况下，零重量施加到一个或多个OV，因为没有比OVS更少。

指定控制器的采样时间和视野。

t = 0.1;nlobj.ts = ts;nlobj。PredictionHorizon = 10;nlobj。ControlHorizon = 5;

指定控制器的状态函数，该文件位于文件中Pendulumdt0.m.．该离散时间模型集成了所定义的连续时间模型Pendulumct0.m.使用多步前向欧拉方法。

nlobj.Model.StateFcn =“pendulumDT0”；nlobj.model.iscontinuoustime = false;

离散时间状态函数使用可选参数采样时间Ts，集成连续时间模型。因此，您必须指定可选参数的数量1．

nlobj.Model.NumberOfParameters=1；

指定控制器的输出功能。在这种情况下，将第一和第三状态定义为输出。即使此输出功能不使用可选的采样时间参数，您必须将参数指定为输入参数（Ts）。

nlobj.model.outputfcn = @（x，u，ts）[x（1）;x（3）];

验证名义态的预测模型函数X0.和名义投入情况．由于预测模型使用自定义参数，因此必须将此参数传递给验证EFCNS．

x0 = [0.1; 0.2; -pi / 2; 0.3];U0 = 0.4;validatefcns（nlobj，x0，u0，[]，{ts}）;

model.statefcn是好的。model.outputfcn是好的。分析用户提供的模型，成本和约束函数完成。

采用测量和未测量的干扰创建非线性MPC控制器

此示例使用：

打开直播脚本

使用三种状态，一个输出和四个输入创建非线性MPC控制器。第一两个输入是测量干扰的，第三输入是操纵变量，第四输入是一个未测量的干扰。

nlobj=nlmpc（3,1，“MV”，3，'MD'，[1 2]，“UD”4）;

要查看控制器状态、输出和输入尺寸和索引，请使用方面属性。

nlobj.dimensions.

ans=带字段的结构：NumberOfstates：3 NumberOfOutputs：1 NumberOfInputs：4 MVIndex：3 MdIndex：[1 2] Udindex：4

指定控制器采样时间和视野。

nlobj.ts = 0.5;nlobj.predictionhorizon = 6;nlobj.controlhorizon = 3;

指定在文件中的预测模型状态函数exocstrStateFcnCT.m．

nlobj.Model.StateFcn =“exocstrstatefcnc”；

指定在文件中的预测模型输出函数Exocstrutputfcn.m.．

nlobj.Model.OutputFcn =“exocstrOutputFcn”；

使用初始操作点验证预测模型功能，作为用于测试和设置未测量的干扰状态的标称条件，X0（3），到0.．由于该模型具有衡量的干扰，因此您必须将它们传递给验证EFCNS．

x0 = (311.2639;8.5698;0);情况= [10;298.15;298.15);validateFcns (x0, nlobj情况(3),情况(1:2)');

model.statefcn是好的。model.outputfcn是好的。分析用户提供的模型，成本和约束函数完成。

验证非线性MPC预测模型和自定义函数

打开直播脚本

创建具有六个状态，六个输出和四个输入的非线性MPC控制器。

nx = 6;纽约= 6;nu = 4;nlobj = nlmpc（nx，ny，nu）;

在标准成本函数中，默认情况下，零重量施加到一个或多个OV，因为没有比OVS更少。

指定控制器采样时间和视野。

ts = 0.4;p = 30;c = 4;nlobj.ts = ts;nlobj.predictionhorizon = p;nlobj.controlhorizon = c;

指定预测模型状态函数和状态函数的雅可比矩阵。在本例中，使用一个飞行机器人模型。

nlobj.Model.StateFcn =“FlyingRobotStateFcn”；nlobj.Jacobian.StateFcn=“flyingrobotstatejacobianfcn”；

为替换标准成本函数的控制器指定自定义成本函数。

nlobj.Optimization.CustomCostFcn = @(X,U,e,data) Ts*sum(sum(U(1:p，:)));nlobj.Optimization.ReplaceStandardCost = true;

为控制器指定自定义约束函数。

nlobj.Optimization.CustomEqConFcn = @(X,U,data) X(end，:)';

在初始状态下验证预测模型和自定义函数(X0.)和初始输入(情况)这是机器人的名字。

x0=[-10；-10；pi/2；0；0；0]；u0=零（nu，1）；验证EFCNS（nlobj，x0，u0）；

model.statefcn是好的。jacobian.statefcn还可以。没有指定输出函数。假设预测模型中的“y = x”。优化.customcostfcn是可以的。优化.customeqconfcn是可以的。分析用户提供的模型，成本和约束函数完成。

从非线性MPC控制器创建线性MPC控制器

此示例使用：

打开直播脚本

创建一个非线性MPC控制器，有四个状态，一个输出变量，一个操纵变量，和一个测量扰动。

nlobj = nlmpc（4,1，“MV”，1，'MD',2);

指定控制器采样时间和视野。

nlobj。PredictionHorizon = 10;nlobj.controlhorizon = 3;

指定预测模型的状态函数。

nlobj.Model.StateFcn =“氧化状态FCN”；

指定预测模型输出函数和输出变尺度因子。

nlobj.model.outputfcn = @（x，u）x（3）;nlobj.outputvariables.scalefactor = 0.03;

指定被操纵的变量约束和比例因子。

nlobj.manipuldvariables.min = 0.0704;nlobj.manipuldvariables.max = 0.7042;nlobj.manipuldvariables.scalefactor = 0.6;

指定测量的扰动比例因子。

nlobj.MeasuredDisturbances.ScaleFactor = 0.5;

使用FSOLVE.功能。

选项= Optimoptions（'fsolve'那'展示'那“没有”）;ulow = [0.38 0.5];xlow = fsolve（@（x）oxidationstatefcn（x，ulow），[1 0.3.03 1]，选项）;umedium = [0.24 0.5];XMedium = FSOLVE（@（x）氧化术菌（x，umedium），[1 0.03 1]，选项）;uhigh = [0.15 0.5];xhigh = fsolve（@（x）oxidationstatefcn（x，uhigh），[1 0.3.03 1]，选项）;

为每个标称条件创建线性MPC控制器。

mpcobjlow = converttompc（nlobj，xlow，ulow）;MPCobjmedium = ConvertTompc（Nlobj，Xmedium，Umedium）;mpcobjhigh = converttompc（nlobj，xhigh，uhigh）;

您还可以使用标称条件数组创建多个控制器。数组中的行数指定要创建的控制器数。线性控制器以单元阵列的形式返回MPC.物体。

u = [ulow;umedium;uhigh];x = [xlow;Xmedium;xhigh];mpcobjs = converttompc（nlobj，x，u）;

查看mpcobjLow控制器。

mpcobjLow

MPC对象（在23:19121 13:19:55创建）：--------------------------------------------采样时间：1（秒）预测地平线：10控制地平线：3植物模型：------------- 1操纵变量- > |4州|||  - > 1测量输出1测量干扰（S） - > |2个输入|||  - > 0未测量的输出0未测量干扰（S） - > |1输出| -------------- Indices: (input vector) Manipulated variables: [1 ] Measured disturbances: [2 ] (output vector) Measured outputs: [1 ] Disturbance and Noise Models: Output disturbance model: default (type "getoutdist(mpcobjLow)" for details) Measurement noise model: default (unity gain after scaling) Weights: ManipulatedVariables: 0 ManipulatedVariablesRate: 0.1000 OutputVariables: 1 ECR: 100000 State Estimation: Default Kalman Filter (type "getEstimator(mpcobjLow)" for details) Constraints: 0.0704 <= u1 <= 0.7042, u1/rate is unconstrained, y1 is unconstrained

使用非线性MPC计划最佳轨迹

此示例使用：

打开直播脚本

创建具有六个状态，六个输出和四个输入的非线性MPC控制器。

nx = 6;纽约= 6;nu = 4;nlobj = nlmpc（nx，ny，nu）;

在标准成本函数中，默认情况下，零重量施加到一个或多个OV，因为没有比OVS更少。

指定控制器采样时间和视野。

ts = 0.4;p = 30;c = 4;nlobj.ts = ts;nlobj.predictionhorizon = p;nlobj.controlhorizon = c;

指定预测模型状态函数和状态函数的雅可比矩阵。在本例中，使用一个飞行机器人模型。

nlobj.Model.StateFcn =“FlyingRobotStateFcn”；nlobj.Jacobian.StateFcn=“flyingrobotstatejacobianfcn”；

为替换标准成本函数的控制器指定自定义成本函数。

nlobj.Optimization.CustomCostFcn = @(X,U,e,data) Ts*sum(sum(U(1:p，:)));nlobj.Optimization.ReplaceStandardCost = true;

为控制器指定自定义约束函数。

nlobj.Optimization.CustomEqConFcn = @(X,U,data) X(end，:)';

在操作变量上指定线性约束。

为了ct = 1：nu nlobj.mv（ct）.min = 0;nlobj.mv（ct）.max = 1;结束

在初始状态下验证预测模型和自定义函数(X0.)和初始输入(情况)这是机器人的名字。

x0=[-10；-10；pi/2；0；0；0]；u0=零（nu，1）；验证EFCNS（nlobj，x0，u0）；

model.statefcn是好的。jacobian.statefcn还可以。没有指定输出函数。假设预测模型中的“y = x”。优化.customcostfcn是可以的。优化.customeqconfcn是可以的。分析用户提供的模型，成本和约束函数完成。

计算最优状态和操纵变量轨迹，这些轨迹在信息．

[〜，〜，Info] = nlmpcmove（nlobj，x0，u0）;

在您的自定义成本函数中松弛变量未使用或零加权。所有约束都将很难。

绘制最佳轨迹。

FlyingRobotplotplanning（信息）

最优油耗= 4.712383

图包含6个轴。具有标题x的轴1包含类型线的对象。标题Y的轴2包含类型线的对象。带有标题Theta的轴3包含类型线的对象。带标题Vx的轴4包含类型线的对象。带标题VY的轴5包含类型线的对象。带标题OMEGA的轴6包含类型线的对象。

图包含4个轴。带有标题推力U（1）的轴1包含楼梯类型的对象。带有标题推力U（2）的轴2包含阶段阶段的对象。带有标题推力U（3）的轴3包含楼梯类型的对象。带有标题推力U（4）的轴4包含阶段的物体。

图中包含一个轴。标题为“最佳轨迹”的轴包含62个patch、line类型的对象。

使用非线性MPC控制器模拟闭环控制

此示例使用：

打开直播脚本

使用四个状态，两个输出和一个输入创建非线性MPC控制器。

nlobj = nlmpc（4,2,1）;

在标准成本函数中，默认情况下，零重量施加到一个或多个OV，因为没有比OVS更少。

指定控制器的采样时间和视野。

t = 0.1;nlobj.ts = ts;nlobj。PredictionHorizon = 10;nlobj。ControlHorizon = 5;

指定控制器的状态函数，该文件位于文件中Pendulumdt0.m.．该离散时间模型集成了所定义的连续时间模型Pendulumct0.m.使用多步前向欧拉方法。

nlobj.Model.StateFcn =“pendulumDT0”；nlobj.model.iscontinuoustime = false;

预测模型使用可选参数，Ts，表示采样时间。指定参数的数量。

nlobj.Model.NumberOfParameters=1；

指定模型的输出函数，将采样时间参数作为输入参数传递。

nlobj.model.outputfcn = @（x，u，ts）[x（1）;x（3）];

为控制器定义标准约束。

nlobj.Weights.OutputVariables = [3 3];nlobj.Weights.ManipulatedVariablesRate = 0.1;nlobj.OV(1)。最小值= -10;nlobj.OV(1)。Max = 10;nlobj.MV.Min = -100;nlobj.MV.Max = 100;

验证预测模型函数。

x0 = [0.1; 0.2; -pi / 2; 0.3];U0 = 0.4;validatefcns（nlobj，x0，u0，[]，{ts}）;

model.statefcn是好的。model.outputfcn是好的。分析用户提供的模型，成本和约束函数完成。

只有两个植物状态是可衡量的。因此，创建一个扩展的卡尔曼滤波器，用于估计四个工厂状态。它的状态转换功能是定义的pendulumStateFcn.m其测量功能定义为摆锤测量法．

EKF = ExtendedKalmanFilter（@ PendulumStateFCN，@ PendulummeArementFCN）;

定义仿真的初始条件，初始化扩展卡尔曼滤波状态，并指定初始操纵变量值为零。

x = [0; 0; -pi; 0];Y = [x（1）; x（3）];ekf.state = x;mv = 0;

指定输出参考值。

Yref = [0 0];

创建一个nlmpcmoveopt.对象，并指定采样时间参数。

nloptions = nlmpcmoveopt;nloptions.parameters = {ts};

运行模拟10秒。在每个控制间隔期间：

使用当前测量值更正先前的预测。
计算最佳控制使用nlmpcmove.．此函数返回计算的最佳序列nloptions.。将更新的选项对象传递给nlmpcmove.在下一个控制区间中提供最优序列的初始猜测。
预测模型状态。
将第一个计算的最佳控制移动到工厂，更新植物状态。
使用白噪声生成传感器数据。
保存植物状态。

时间= 10;xHistory = x;为了CT = 1 :(持续时间/ TS）正确的先前预测XK =正确（EKF，Y）;％计算最佳控制移动[mv，nloptions] = nlmpcmove（nlobj，xk，mv，yref，[]，nloptions）;％预测预测模型状态为下一次迭代预测（EKF，[MV; TS]）;％实施第一最佳控制移动x = Pendulumdt0（x，mv，ts）;％生成传感器数据Y = X（[1 3]）+ RANDN（2,1）* 0.01;％拯救植物状态xHistory = [xHistory x];结束

绘制结果状态轨迹。

图形子图（2,2,1）绘图（0：TS：持续时间，Xhistory（1，:)）XLabel（“时间”) ylabel (“z”） 标题（'购物车位置'）子图（2,2,2）绘图（0：TS：持续时间，Xhistory（2，:)）XLabel（“时间”) ylabel ('ZDOT'） 标题（'购物车速度'）子图（2,2,3）绘图（0：TS：持续时间，Xhistory（3，:)）XLabel（“时间”) ylabel ('theta'） 标题（“摆角”）子图（2,2,4）绘图（0：TS：持续时间，Xhistory（4，:)）XLabel（“时间”) ylabel ('thetadot'） 标题（'摆锤'）

图中包含4个轴。标题为cart position的轴1包含类型为line的对象。标题为cart velocity的轴2包含类型为line的对象。具有标题摆锤角度的轴3包含类型为line的对象。标题为“摆锤速度”的轴4包含线型对象。

nlmpc.

描述

创建

句法

描述

输入参数

nx-预测模型状态的数量正整数

纽约-预测模型输出数量正整数

ν-预测模型输入的数量正整数

mvindex.-操纵可变指数正整数矢量

mdindex.-测量扰动指数正整数矢量

udindex.-未训练的障碍指数正整数矢量

特性

Ts-样本时间预测模型1（默认）|正有限标量

predictionhorizo​​n.-预测地平线10（默认）|正整数

ControlHorizon-控制地平线2（默认）|正整数|正整数矢量

方面-预测模型尺寸信息结构

NumberOfStates- 州数量正整数

numberofoutputs.- 输出数量正整数

numberofinputs.- 州数量正整数

mvindex.-操纵变量指标正整数矢量

mdindex.-测量的扰动指数正整数矢量

udindex.-未测量的扰动指数正整数矢量

模型-预测模型结构

StateFcn——状态函数字符串|字符矢量|功能手柄

outputfcn.——输出函数[]（默认）|字符串|字符向量|功能手柄

IsContInuoustime.—预测模型时域标志真的（默认）|错误的

NumberOfParameters- 可选模型参数的数量0.（默认）|非负整数

州-状态信息，界限和规模因素结构阵列

最小值-状态下界-inf.(默认)|标量|向量

最大限度-状态上界INF.(默认)|标量|向量

的名字- 州名称字符串|字符向量

单位- 国家单位“（默认）|字符串|字符向量

比例因子- 国家规模因子1（默认）|正有限标量

opportVariables.-输出变量信息、边界和比例因子结构阵列

最小值- OV下界-inf.(默认)|标量|向量

最大限度- OV上限INF.(默认)|标量|向量

地雷- OV下限柔软1（默认）|非负有限标量|向量

MAXEC.- OV上界柔软度1（默认）|非负有限标量|向量

的名字- OV名字字符串|字符向量

单位- OV单位“（默认）|字符串|字符向量

比例因子- OV尺度因子1（默认）|正有限标量

漫画variables.-操纵可变信息，界限和规模因子结构阵列

最小值- MV下界-inf.(默认)|标量|向量

最大限度- MV上限INF.(默认)|标量|向量

地雷- MV下界柔软度0.（默认）|非负标量|向量

MAXEC.- MV上限0.（默认）|非负标量|向量

拉特明- MV变化率下限-inf.(默认)|非正标量|向量

拉特马克斯- MV变化率上限INF.（默认）|非负标量|向量

rateminecr.- MV变化率下限柔软0.（默认）|非负有限标量|向量

Ratemaxecr.- MV变化速率上限柔软0.（默认）|非负有限标量|向量

的名字- MV名称字符串|字符向量

单位- MV单位“（默认）|字符串|字符向量

比例因子- MV比例因子1（默认）|正有限标量

测量扰动-测量干扰信息和规模因素结构阵列

的名字——MD的名字字符串|字符向量

单位- MD单位“（默认）|字符串|字符向量

比例因子- MD比例因子1（默认）|正有限标量

重量-标准成本函数调整权重结构

漫画variables.- 操纵可变调谐重量行向量|数组

操纵变量速率- 操纵可变速率调谐重量行向量|数组

opportVariables.- 输出变量调谐重量矢量|大批

eCR.- 松弛可变调谐重量1E5.（默认）|正标量

优化-自定义优化函数和求解器结构

CustomCostFcn-自定义成本函数[]|字符串|字符向量|函数句柄

ReplaceStandardCost-指示是否替换标准成本函数的标志真的（默认）|错误的

CustomEqConFcn- 自定义平等约束函数[]（默认）|字符串|字符向量|功能手柄

customineqconfcn.-自定义不等式约束函数[]（默认）|字符串|字符向量|功能手柄

CustomSolverFcn- 定制非线性编程求解器[]（默认）|字符串|字符向量|功能手柄

leveroptions.- 求解器选项选项对象fmincon|[]

Runaslinearmpc.- 指示是否模拟作为线性控制器的标志“离开”（默认）|“自适应”|“罚球”

使用imeryuboptimalsolution.- 指示次优解决方案是否可接受的标志错误的（默认）|真的

mvinterpolationOrder.- 用于块移动的线性插值顺序0.（默认）|1

雅各比亚-模型函数的雅可比矩阵，自定义成本和约束函数结构

StateFcn- 雅各的国家功能[]（默认）|字符串|字符向量|功能手柄

outputfcn.- 输出函数的Jacobian[]（默认）|字符串|字符向量|功能手柄

CustomCostFcn- 定制成本函数的Jacobian[]|字符串|字符向量|函数句柄

CustomEqConFcn- 雅各比亚的自定义平等约束[]（默认）|字符串|字符向量|功能手柄

customineqconfcn.-自定义不等式约束的雅可比矩阵[]（默认）|字符串|字符向量|功能手柄

对象功能

`nx`-预测模型状态的数量
正整数

`纽约`-预测模型输出数量
正整数

`ν`-预测模型输入的数量
正整数

`mvindex.`-操纵可变指数
正整数矢量

`mdindex.`-测量扰动指数
正整数矢量

`udindex.`-未训练的障碍指数
正整数矢量

`Ts`-样本时间预测模型
`1`（默认）|正有限标量

`predictionhorizon.`-预测地平线
`10`（默认）|正整数

`ControlHorizon`-控制地平线
`2`（默认）|正整数|正整数矢量

`方面`-预测模型尺寸信息
结构

`NumberOfStates`- 州数量
正整数

`numberofoutputs.`- 输出数量
正整数

`numberofinputs.`- 州数量
正整数

`mvindex.`-操纵变量指标
正整数矢量

`mdindex.`-测量的扰动指数
正整数矢量

`udindex.`-未测量的扰动指数
正整数矢量

`模型`-预测模型
结构

`StateFcn`——状态函数
字符串|字符矢量|功能手柄

`outputfcn.`——输出函数
`[]`（默认）|字符串|字符向量|功能手柄

`IsContInuoustime.`—预测模型时域标志
`真的`（默认）|`错误的`

`NumberOfParameters`- 可选模型参数的数量
`0.`（默认）|非负整数

`州`-状态信息，界限和规模因素
结构阵列

`最小值`-状态下界
`-inf.`(默认)|标量|向量

`最大限度`-状态上界
`INF.`(默认)|标量|向量

`的名字`- 州名称
字符串|字符向量

`单位`- 国家单位
`“`（默认）|字符串|字符向量

`比例因子`- 国家规模因子
`1`（默认）|正有限标量

`opportVariables.`-输出变量信息、边界和比例因子
结构阵列

`最小值`- OV下界
`-inf.`(默认)|标量|向量

`最大限度`- OV上限
`INF.`(默认)|标量|向量

`地雷`- OV下限柔软
`1`（默认）|非负有限标量|向量

`MAXEC.`- OV上界柔软度
`1`（默认）|非负有限标量|向量

`的名字`- OV名字
字符串|字符向量

`单位`- OV单位
`“`（默认）|字符串|字符向量

`比例因子`- OV尺度因子
`1`（默认）|正有限标量

`漫画variables.`-操纵可变信息，界限和规模因子
结构阵列

`最小值`- MV下界
`-inf.`(默认)|标量|向量

`最大限度`- MV上限
`INF.`(默认)|标量|向量

`地雷`- MV下界柔软度
`0.`（默认）|非负标量|向量

`MAXEC.`- MV上限
`0.`（默认）|非负标量|向量

`拉特明`- MV变化率下限
`-inf.`(默认)|非正标量|向量

`拉特马克斯`- MV变化率上限
`INF.`（默认）|非负标量|向量

`rateminecr.`- MV变化率下限柔软
`0.`（默认）|非负有限标量|向量

`Ratemaxecr.`- MV变化速率上限柔软
`0.`（默认）|非负有限标量|向量

`的名字`- MV名称
字符串|字符向量

`单位`- MV单位
`“`（默认）|字符串|字符向量

`比例因子`- MV比例因子
`1`（默认）|正有限标量

`测量扰动`-测量干扰信息和规模因素
结构阵列

`的名字`——MD的名字
字符串|字符向量

`单位`- MD单位
`“`（默认）|字符串|字符向量

`比例因子`- MD比例因子
`1`（默认）|正有限标量

`重量`-标准成本函数调整权重
结构

`漫画variables.`- 操纵可变调谐重量
行向量|数组

`操纵变量速率`- 操纵可变速率调谐重量
行向量|数组

`opportVariables.`- 输出变量调谐重量
矢量|大批

`eCR.`- 松弛可变调谐重量
`1E5.`（默认）|正标量

`优化`-自定义优化函数和求解器
结构

`CustomCostFcn`-自定义成本函数
`[]`|字符串|字符向量|函数句柄

`ReplaceStandardCost`-指示是否替换标准成本函数的标志
`真的`（默认）|`错误的`

`CustomEqConFcn`- 自定义平等约束函数
`[]`（默认）|字符串|字符向量|功能手柄

`customineqconfcn.`-自定义不等式约束函数
`[]`（默认）|字符串|字符向量|功能手柄

`CustomSolverFcn`- 定制非线性编程求解器
`[]`（默认）|字符串|字符向量|功能手柄

`leveroptions.`- 求解器选项
选项对象`fmincon`|`[]`

`Runaslinearmpc.`- 指示是否模拟作为线性控制器的标志
`“离开”`（默认）|`“自适应”`|`“罚球”`

`使用imeryuboptimalsolution.`- 指示次优解决方案是否可接受的标志
`错误的`（默认）|`真的`

`mvinterpolationOrder.`- 用于块移动的线性插值顺序
`0.`（默认）|`1`

`雅各比亚`-模型函数的雅可比矩阵，自定义成本和约束函数
结构

`StateFcn`- 雅各的国家功能
`[]`（默认）|字符串|字符向量|功能手柄

`outputfcn.`- 输出函数的Jacobian
`[]`（默认）|字符串|字符向量|功能手柄

`CustomCostFcn`- 定制成本函数的Jacobian
`[]`|字符串|字符向量|函数句柄

`CustomEqConFcn`- 雅各比亚的自定义平等约束
`[]`（默认）|字符串|字符向量|功能手柄

`customineqconfcn.`-自定义不等式约束的雅可比矩阵
`[]`（默认）|字符串|字符向量|功能手柄