【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
|
1月前
|
算法 调度
电网两阶段鲁棒优化调度模型(含matlab程序)
电网两阶段鲁棒优化调度模型(含matlab程序)
车辆行驶控制运动学模型的matlab建模与仿真,仿真输出车辆动态行驶过程
该课题在MATLAB2022a中建立了车辆行驶控制运动学模型并进行仿真,展示车辆动态行驶过程。系统仿真结果包含四张图像,显示了车辆在不同时间点的位置和轨迹。核心程序定义了车辆参数和初始条件,使用ode45求解器模拟车辆运动。车辆运动学模型基于几何学,研究车辆空间位姿、速度随时间变化,假设车辆在平面运动且轮胎无滑动。运动学方程描述位置、速度和加速度关系,模型预测控制用于优化轨迹跟踪,考虑道路曲率影响,提升弯道跟踪性能。
|
1月前
|
机器学习/深度学习 算法
【MATLAB】基于VMD-SSA-LSTM的回归预测模型
【MATLAB】基于VMD-SSA-LSTM的回归预测模型
41 4
|
1月前
|
机器学习/深度学习 算法
【MATLAB】基于EMD-PCA-LSTM的回归预测模型
【MATLAB】基于EMD-PCA-LSTM的回归预测模型
38 0
【MATLAB】基于EMD-PCA-LSTM的回归预测模型
|
1月前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络模型的鱼眼镜头中人员检测算法matlab仿真
该内容是一个关于基于YOLOv2的鱼眼镜头人员检测算法的介绍。展示了算法运行的三张效果图,使用的是matlab2022a软件。YOLOv2模型结合鱼眼镜头畸变校正技术,对鱼眼图像中的人员进行准确检测。算法流程包括图像预处理、网络前向传播、边界框预测与分类及后处理。核心程序段加载预训练的YOLOv2检测器,遍历并处理图像,检测到的目标用矩形标注显示。
|
1月前
|
算法 计算机视觉 异构计算
基于肤色模型的人脸识别FPGA实现,包含tb测试文件和MATLAB辅助验证
这是一个关于肤色检测算法的摘要:使用MATLAB 2022a和Vivado 2019.2进行测试和仿真,涉及图像预处理、RGB到YCbCr转换、肤色模型(基于阈值或概率)以及人脸检测。核心程序展示了如何读取图像数据并输入到FPGA处理,通过`tops`模块进行中值滤波、颜色空间转换及人脸检测,最终结果输出到"face.txt"。
|
1月前
|
调度 SoC
【MPC|云储能】基于模型预测控制(MPC)的微电网调度优化的研究(matlab代码)
【MPC|云储能】基于模型预测控制(MPC)的微电网调度优化的研究(matlab代码)
|
1月前
|
算法 调度
【免费】基于模型预测算法的含储能微网双层能量管理模型(MATLAB)
【免费】基于模型预测算法的含储能微网双层能量管理模型(MATLAB)
|
1月前
|
调度
储能参与调峰调频联合调度模型(matlab代码)
储能参与调峰调频联合调度模型(matlab代码)
|
1月前
|
算法 调度 SoC
电动汽车充放电V2G模型(Matlab代码)
电动汽车充放电V2G模型(Matlab代码)

热门文章

最新文章