【模型预测控制】Matlab自带MPC Designer工具(自用)

简介: 【模型预测控制】Matlab自带MPC Designer工具(自用)

官方示例

1. 用MPC Designer设计控制器

Design Controller Using MPC Designer

1.1 系统建立

对于一个 连续搅拌式反应器 Continuously Stirred Tank Reactor (CSTR) 的线性模型,

第一个输入,冷却液温度 T c T_cTc(可操控的变量)。

第二个输入,进料浓度 C A f C_{Af}CAf(无法测量的扰动)。

第一个输出,电抗器温度 T TT(可测量的输出)。

第二个输出,反应物浓度 C A C_ACA(无法测量的输出)。

系统状态方程和输出方程:

x ˙ = A x + B u y = C x + D u \dot{x}=Ax+Bu \\ y=Cx+Dux˙=Ax+Buy=Cx+Du

其中,

A = [ a 11 , a 12 ; a 21 , a 22 ] , B = [ b 11 , b 12 ; b 21 , b 22 ] , C = [ 0 , 1 ; 1 , 0 ] , D = [ 0 , 0 ; 0 , 0 ] A=[a_{11}, a_{12}; a_{21}, a_{22}], \\ B=[b_{11}, b_{12}; b_{21}, b_{22}], \\ C=[0, 1; 1, 0], \\ D=[0, 0; 0, 0]A=[a11,a12;a21,a22],B=[b11,b12;b21,b22],C=[0,1;1,0],D=[0,0;0,0]

在 Matlab 中输入CSTR系统的状态空间表达式:

A = [   -5  -0.3427;
     47.68    2.785];
B = [    0   1
       0.3   0];
C = flipud(eye(2)); % flipud:将数组从上向下翻转
D = zeros(2);
CSTR = ss(A,B,C,D); % ss:创建状态空间表达式

运行之后工作空间将会存储CSTR模型:

再输入命令 mpcDesigner ,打开 MPC Designer 工具:

再打开 MPC Structure :

Select a plant model or an MPC controller from MATLAB Workspace 中会出现工作区保留的模型,这时候选择我们刚刚建立的CSTR模型。

默认情况下,所有模型输入都被定义为可操纵变量,所有模型输出都被定义为可测量输出。

这时候需要根据我们实际模型变量进行修改。在“分配模型I/O通道”部分,分配输入和输出通道指数如下:

由于CSTR是一个稳定的连续时间线性时不变(LTI)系统,MPC Designer将控制器采样时间默认设置为0.1 Tr,其中Tr为CSTR的平均上升时间。本例中,在“指定MPC控制器采样时间”字段中,输入采样时间为0.5秒。

设置完成之后,点击 导入,退出 Define MPC Structure By lmporting 窗口,再等待一会儿,MPC Designer 会出现以下页面:

数据浏览器中的 Controllers 增加了 mpc1(使用CSTR作为其内部模型创建的默认MPC控制器),在 Scenarios 中增加了 scenario1(默认模拟场景)。

MPC Designer应用程序运行默认的模拟场景,并更新输入响应和输出响应图。闭环系统能够成功地跟踪所需的测量输出,而对于无法测量的输出则不是这样。

1.2 定义输入和输出通道属性

在 MPC Designer 选项卡上,选择 I/O Attributes 。

可以修改名称和单位:

每个输入和输出通道的 Nominal Value 默认为0,每个通道的 Scale Factor 默认为1。

点击确认之后,名字和单位更新:

1.3 配置仿真场景

在MPC设计器选项卡的 Scenarios 部分,单击 Scenario1 > Edit 。

将模拟持续时间 Simulation duration 设置为20秒。

在 “Reference Signals” 表的第一行,指定步长为2,时间为5,即模拟参考反应器温度T在5秒后到2开氏度的阶跃变化。

点击确定,动态响应图更新。

1.4 配置控制水平

在 TUNING 选项卡的 HORIZON 部分中,指定预测水平 Prediction horizon 为15,控制水平 Control horizon 为3。

动态响应图自动更新。

但是控制动作违反了冷却剂温度变化率所要求的约束。

1.5 定义输入约束

在 Design 部分,单击 Constraints 。

设置输入输出以及速率上下限:

动态响应图更新。

可以看到冷却剂温度上升趋势变缓。

1.6 控制器调优权重

Tuning > Design > Weights

将可操纵变量(MV))的 Rate Weight 增加到 0.3。

默认情况下,所有无法测量输出的权重为零。

由于只有一个被操纵变量,如果控制器试图将两个输出保持在特定的设定值,则一个或两个输出将在其响应中显示稳态误差。由于控制器忽略了零权重输出的设定值,将浓度输出权重设置为零允许反应器温度设定值跟踪与零稳态误差。

这时候动态响应更慢了。

1.7 消除输出超调

假设应用程序要求输出响应中的超调为零。在 PERFORMANCE TUNING 中,向左拖动闭环性能滑块,直到输出响应没有超调。将此滑块向左移动,同时增加了控制器的被操纵变量权重,并减少了输出变量权重,从而产生更鲁棒的控制器。

1.8 导出控制器

Tuning > Analysis > Export Controller

Matlab 工作区出现:

2. 有限控制集MPC

Solve a Finite Set MPC Problem in Simulink

2.1 mpc 创建函数:

mpcobj = mpc(plant,ts,P,M,W,MV,OV,DV)

plant: 模型

ts: 采样时间

P: 预测区间 Prediction horizon

M: 控制区间 Control horizon property

系统包含4个状态变量,2个输入,1个输出。

2.2 Matlab 代码:

%% Solve a Finite Set MPC Problem in Simulink
% https://ww2.mathworks.cn/help/mpc/ug/discrete-set-mpc-in-simulink.html
% Fix the random generator seed for reproducibility.
rng(0);
% Create a discrete-time strictly proper plant with 4 states, two inputs and one output.
% drss: Generate random discrete test model
plant = drss(4,1,2);
plant.D = 0;
% Increase the control authority of the first input, to better illustrate its control contribution.
plant.B(:,1)=plant.B(:,1)*2;
% Create an MPC controller with one second sampling time, 20 steps prediction horizon and 5 steps control horizon.
% mpcobj = mpc(plant,ts,P,M,W,MV,OV,DV) specifies the following controller properties.
% P sets the PredictionHorizon property.
% M sets the ControlHorizon property.
mpcobj = mpc(plant,0.1,20,5);
% Specify the first manipulated variable as belonging to a set of seven possible values. 
% Note that you Could also specify it as an integer using the instruction mpcobj.MV(1).Type = 'integer'; 
% in which case the first manipulated variable will be constrained to be an integer.
mpcobj.MV(1).Type = [-1 -0.7 -0.3 0 0.2 0.5 1];
% Use rate limits to enforce maximum increment and decrement values for the first manipulated variable.
mpcobj.MV(1).RateMin = -0.5;
mpcobj.MV(1).RateMax = 0.5;
% Set limits on the second manipulated variable, whose default type (continuous) has not been changed.
mpcobj.MV(2).Min = -2;
mpcobj.MV(2).Max = 2;
% Create an output reference signal equal to zero from steps 20 to 35 and equal to 0.6 before and after.
r = ones(1,50)*0.6;
r(20:35) = 0;

工作区创建系统模型,名称是 plant;创建MPC控制器,名称是 mpcobj

输出:

-->The "Weights.ManipulatedVariables" property is empty. Assuming default 0.00000.
-->The "Weights.ManipulatedVariablesRate" property is empty. Assuming default 0.10000.
-->The "Weights.OutputVariables" property is empty. Assuming default 1.00000.

2.3 Simulink 仿真模型:

MPC Controller 中选择控制器为 mpcobj (与工作区的同名)

LTI System 中系统变量选择 plant (与工作区的同名)

2.4 运行结果

输入:

输出:

相关文章
|
27天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于BP神经网络的苦瓜生长含水量预测模型matlab仿真
本项目展示了基于BP神经网络的苦瓜生长含水量预测模型,通过温度(T)、风速(v)、模型厚度(h)等输入特征,预测苦瓜的含水量。采用Matlab2022a开发,核心代码附带中文注释及操作视频。模型利用BP神经网络的非线性映射能力,对试验数据进行训练,实现对未知样本含水量变化规律的预测,为干燥过程的理论研究提供支持。
|
25天前
|
机器学习/深度学习 算法 数据处理
基于最小二乘法的太阳黑子活动模型参数辨识和预测matlab仿真
本项目基于最小二乘法,利用Matlab对太阳黑子活动进行模型参数辨识和预测。通过分析过去288年的观测数据,研究其11年周期规律,实现对太阳黑子活动周期性的准确建模与未来趋势预测。适用于MATLAB2022a版本。
|
27天前
|
算法
基于Kronig-Penney能带模型的MATLAB求解与仿真
基于Kronig-Penney能带模型的MATLAB求解与仿真,利用MATLAB的多种数学工具简化了模型分析计算过程。该模型通过一维周期势垒描述晶体中电子运动特性,揭示了能带结构的基本特征,对于半导体物理研究具有重要价值。示例代码展示了如何使用MATLAB进行模型求解和图形绘制。
|
2月前
|
算法 5G 数据安全/隐私保护
SCM信道模型和SCME信道模型的matlab特性仿真,对比空间相关性,时间相关性,频率相关性
该简介展示了使用MATLAB 2022a进行无线通信信道仿真的结果,仿真表明信道的时间、频率和空间相关性随间隔增加而减弱,并且宏小区与微小区间的相关性相似。文中介绍了SCM和SCME模型,分别用于WCDMA和LTE/5G系统仿真,重点在于其空间、时间和频率相关性的建模。SCME模型在SCM的基础上进行了扩展,提供了更精细的参数化,增强了模型的真实性和复杂度。最后附上了MATLAB核心程序,用于计算不同天线间距下的空间互相关性。
71 0
|
2月前
|
算法 5G 数据安全/隐私保护
3D-MIMO信道模型的MATLAB模拟与仿真
该研究利用MATLAB 2022a进行了3D-MIMO技术的仿真,结果显示了不同场景下的LOS概率曲线。3D-MIMO作为5G关键技术之一,通过三维天线阵列增强了系统容量和覆盖范围。其信道模型涵盖UMa、UMi、RMa等场景,并分析了LOS/NLOS传播条件下的路径损耗、多径效应及空间相关性。仿真代码展示了三种典型场景下的LOS概率分布。
78 1
|
2月前
|
算法
基于GA遗传优化的离散交通网络双层规划模型设计matlab仿真
该程序基于GA遗传优化设计了离散交通网络的双层规划模型,以路段收费情况的优化为核心,并通过一氧化碳排放量评估环境影响。在MATLAB2022a版本中进行了验证,显示了系统总出行时间和区域排放最小化的过程。上层模型采用多目标优化策略,下层则确保总阻抗最小,实现整体最优解。
|
2月前
|
监控 算法 安全
基于颜色模型和边缘检测的火焰识别FPGA实现,包含testbench和matlab验证程序
本项目展示了基于FPGA的火焰识别算法,可在多种应用场景中实时检测火焰。通过颜色模型与边缘检测技术,结合HSV和YCbCr颜色空间,高效提取火焰特征。使用Vivado 2019.2和Matlab 2022a实现算法,并提供仿真结果与测试样本。FPGA平台充分发挥并行处理优势,实现低延迟高吞吐量的火焰检测。项目包含完整代码及操作视频说明。
|
2月前
|
算法
基于SIR模型的疫情发展趋势预测算法matlab仿真
该程序基于SIR模型预测疫情发展趋势,通过MATLAB 2022a版实现病例增长拟合分析,比较疫情防控力度。使用SIR微分方程模型拟合疫情发展过程,优化参数并求解微分方程组以预测易感者(S)、感染者(I)和移除者(R)的数量变化。![]该模型将总人群分为S、I、R三部分,通过解析或数值求解微分方程组预测疫情趋势。
|
2月前
|
算法 数据挖掘 vr&ar
基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真
该程序基于ESTAR指数平滑转换自回归模型,对CPI数据进行统计分析与MATLAB仿真,主要利用M-ESTAR模型计算WNL值、P值、Q值及12阶ARCH值。ESTAR模型结合指数平滑与状态转换自回归,适用于处理经济数据中的非线性趋势变化。在MATLAB 2022a版本中运行并通过ADF检验验证模型的平稳性,适用于复杂的高阶自回归模型。
|
3月前
|
算法
基于EM期望最大化算法的GMM模型参数估计matlab仿真
此程序在MATLAB 2022a中实现了基于EM算法的GMM参数估计,用于分析由多个高斯分布组成的混合数据。程序通过迭代优化各高斯组件的权重、均值与协方差,直至收敛,并输出迭代过程的收敛曲线及最终参数估计结果。GMM假设数据由K个高斯分布混合而成,EM算法通过E步计算样本归属概率,M步更新参数,循环迭代直至收敛。

热门文章

最新文章