Текущие состояния модели прогноза, заданные как векторный сигнал длины _Nx, где _Nx является количеством состояний модели прогноза. Поскольку нелинейный контроллер MPC не выполняет оценку состояния, необходимо или измерить или оценить текущие состояния модели прогноза в каждом интервале управления.

Объект выходные значения ссылки, заданные как вектор - строка, сигнализирует или матричный сигнал.

Чтобы использовать те же ссылочные значения через горизонт прогноза, соедините ref с сигналом вектора - строки с элементами _NY, где _Ny является количеством выходных переменных. Каждый элемент задает ссылку для выходной переменной.

Чтобы отличаться ссылки по горизонту прогноза (предварительный просмотр) со времени k ко времени k +p-1, соедините ref с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит ссылки для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, итоговые ссылки используются для остающихся шагов горизонта прогноза.

Управляющие сигналы использовали на объекте в предыдущем интервале управления, заданном как векторный сигнал length_Nmv, где _Nmv является количеством переменных, которыми управляют.

Если ваши модели контроллеров измерили воздействия, включают этот входной порт и соединяют вектор - строку или матричный сигнал. Если ваш контроллер измерил воздействия, необходимо включить этот порт.

Чтобы использовать те же измеренные значения воздействия через горизонт прогноза, соедините md с сигналом вектора - строки с элементами _Nmd, где _Nmd является количеством переменных, которыми управляют. Каждый элемент задает значение для измеренного воздействия.

Чтобы отличаться воздействия по горизонту прогноза (предварительный просмотр) со времени k ко времени k +p-1, соедините md с матричным сигналом со столбцами _Nmd и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит воздействия для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, итоговые воздействия используются для остающихся шагов горизонта прогноза.

Если ваш диспетчер использует дополнительные параметры в ее модели прогноза, пользовательской функции стоимости или пользовательских ограничительных функциях, включите этот входной порт и соедините сигнал шины параметра с элементами _Np, где _Np является количеством параметров. Для получения дополнительной информации о создании сигнала шины параметра смотрите createParameterBus. Контроллер, передает эти параметры ее образцовым функциям, функции стоимости, ограничительным функциям и Функциям Якоби.

Если ваш диспетчер не использует дополнительные параметры, необходимо отключить params.

Зависимости

Чтобы включить этот порт, выберите параметр Model parameters.

Чтобы задать переменные цели, которыми управляют, включите этот входной порт и соедините вектор - строку или матричный сигнал.

Чтобы использовать те же переменные цели, которыми управляют, через горизонт прогноза, соедините mv.target с сигналом вектора - строки с элементами _Nmv, где _Nmv является количеством переменных, которыми управляют. Каждый элемент задает цель для переменной, которой управляют.

Чтобы отличаться цели по горизонту прогноза (предварительный просмотр) со времени k ко времени k +p-1, соедините mv.target с матричным сигналом со столбцами _Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит цели для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, итоговые цели используются для остающихся шагов горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Targets for manipulated variables.

Чтобы задать минимальные ограничения выходной переменной во время выполнения, включите этот входной порт. Если этот порт отключен, блок использует нижние границы, заданные в свойстве OutputVariables.Min его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение y.min к сигналу вектора - строки с элементами _Ny, где _Ny является количеством выходных параметров. Каждый элемент задает нижнюю границу для выходной переменной.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините y.min с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Lower OV limits.

Чтобы задать максимальные ограничения выходной переменной во время выполнения, включите этот входной порт. Если этот порт отключен, блок использует верхние границы, заданные в свойстве OutputVariables.Min его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение y.max к сигналу вектора - строки с элементами _Ny, где _Ny является количеством выходных параметров. Каждый элемент задает верхнюю границу для выходной переменной.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините y.max с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Upper OV limits.

Чтобы задать минимальные переменные ограничения во время выполнения, которыми управляют, включите этот входной порт. Если этот порт отключен, блок использует нижние границы, заданные в свойстве ManipulatedVariables.Min его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение mv.min к сигналу вектора - строки с элементами _Nmv, где _Nmv является количеством выходных параметров. Каждый элемент задает нижнюю границу для переменной, которой управляют.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините mv.min с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Lower MV limits.

Чтобы задать максимальные переменные ограничения во время выполнения, которыми управляют, включите этот входной порт. Если этот порт отключен, блок использует верхние границы, заданные в свойстве ManipulatedVariables.Min его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение mv.max к сигналу вектора - строки с элементами _Nmv, где _Nmv является количеством выходных параметров. Каждый элемент задает верхнюю границу для переменной, которой управляют.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините mv.max с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Upper MV limits.

Чтобы задать минимальные ограничения с плавающей ставкой во время выполнения, которыми управляют, включите этот входной порт. Если этот порт отключен, блок использует нижние границы, заданные в свойстве ManipulatedVariable.RateMin его объекта контроллера. границы dmv.min должны быть неположительными.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение dmv.min к сигналу вектора - строки с элементами _Nmv, где _Nmv является количеством выходных параметров. Каждый элемент задает нижнюю границу для плавающего курса, которым управляют, изменения.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините dmv.min с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Lower MVRate limits.

Чтобы задать максимальные ограничения с плавающей ставкой во время выполнения, которыми управляют, включите этот входной порт. Если этот порт отключен, блок использует верхние границы, заданные в свойстве ManipulatedVariables.RateMax его объекта контроллера. границы dmv.max должны быть неотрицательными.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение dmv.max к сигналу вектора - строки с элементами _Nmv, где _Nmv является количеством выходных параметров. Каждый элемент задает верхнюю границу для плавающего курса, которым управляют, изменения.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините dmv.max с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Upper MVRate limits.

Чтобы задать минимальные ограничения состояния во время выполнения, включите этот входной порт. Если этот порт отключен, блок использует нижние границы, заданные в свойстве States.Min его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение x.min к сигналу вектора - строки с элементами _Nx, где _Nx является количеством выходных параметров. Каждый элемент задает нижнюю границу для состояния.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините x.min с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Lower state limits.

Чтобы задать максимальные ограничения состояния во время выполнения, включите этот входной порт. Если этот порт отключен, блок использует верхние границы, заданные в свойстве States.Max его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт прогноза, подключение x.max к сигналу вектора - строки с элементами _Nx, где _Nx является количеством выходных параметров. Каждый элемент задает верхнюю границу для состояния.

Чтобы отличаться границы по горизонту прогноза со времени k ко времени k +p-1, соедините x.max с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит границы для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Upper state limits.

Чтобы задать переменную вывода во время выполнения настраивающиеся веса, включите этот входной порт. Если этот порт отключен, блок использует настраивающиеся веса, заданные в свойстве Weights.OutputVariables его объекта контроллера. Эти настраивающие веса штрафуют отклонения от выходных ссылок.

Чтобы использовать те же настраивающие веса по горизонту прогноза, соедините y.wt с сигналом вектора - строки с элементами _Ny, где _Ny является количеством выходных параметров. Каждый элемент задает неотрицательный настраивающий вес для выходной переменной. Для получения дополнительной информации об определении настраивающихся весов смотрите Веса Мелодии.

Чтобы отличаться настраивающиеся веса по горизонту прогноза со времени k +1 ко времени k +p, соедините y.wt с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит настраивающиеся веса для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, настраивающиеся веса в итоговой строке запрашивают остаток от горизонта прогноза. Для получения дополнительной информации о переменных весах по горизонту прогноза смотрите Изменяющиеся во времени Веса и Ограничения.

Зависимости

Чтобы включить этот порт, выберите параметр OV weights.

Задавать время выполнения управляло переменными настраивающими весами, включите этот входной порт. Если этот порт отключен, блок использует настраивающиеся веса, заданные в свойстве Weights.ManipulatedVariables его объекта контроллера. Эти настраивающие веса штрафуют отклонения от целей мВ.

Чтобы использовать те же настраивающие веса по горизонту прогноза, соедините mv.wt с сигналом вектора - строки с элементами _Nmv, где _Nmv является количеством переменных, которыми управляют. Каждый элемент задает неотрицательный настраивающий вес для переменной, которой управляют. Для получения дополнительной информации об определении настраивающихся весов смотрите Веса Мелодии.

Чтобы отличаться настраивающиеся веса по горизонту прогноза со времени k ко времени k +p-1, соедините mv.wt с матричным сигналом со столбцами _Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит настраивающиеся веса для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, настраивающиеся веса в итоговой строке запрашивают остаток от горизонта прогноза. Для получения дополнительной информации о переменных весах по горизонту прогноза смотрите Изменяющиеся во времени Веса и Ограничения.

Зависимости

Чтобы включить этот порт, выберите параметр MV weights.

Задавать время выполнения управляло настраивающими весами с плавающей ставкой, включите этот входной порт. Если этот порт отключен, блок использует настраивающиеся веса, заданные в свойстве Weights.ManipulatedVariablesRate его объекта контроллера. Эти настраивающие веса штрафуют большие изменения в перемещениях управления.

Чтобы использовать те же настраивающие веса по горизонту прогноза, соедините dmv.wt с сигналом вектора - строки с элементами _Nmv, где _Nmv является количеством переменных, которыми управляют. Каждый элемент задает неотрицательный настраивающий вес для плавающего курса, которым управляют. Для получения дополнительной информации об определении настраивающихся весов смотрите Веса Мелодии.

Чтобы отличаться настраивающиеся веса по горизонту прогноза со времени k ко времени k +p-1, соедините dmv.wt с матричным сигналом со столбцами _Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит настраивающиеся веса для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, настраивающиеся веса в итоговой строке запрашивают остаток от горизонта прогноза. Для получения дополнительной информации о переменных весах по горизонту прогноза смотрите Изменяющиеся во времени Веса и Ограничения.

Зависимости

Чтобы включить этот порт, выберите параметр MVRate weights.

Чтобы задать время выполнения ослабляют переменный настраивающий вес, включают этот входной порт и соединяют скалярный сигнал. Если этот порт отключен, блок использует настраивающийся вес, заданный в свойстве Weights.ECR его объекта контроллера.

Слабый переменный настраивающий вес не имеет никакого эффекта, если ваш объект контроллера не задает мягкие ограничения, чьи связанные значения ECR являются ненулевыми. Если существуют мягкие ограничения, увеличивание значения ecr.wt делает эти ограничения относительно тяжелее. Контроллер затем помещает более высокий приоритет в минимизацию значения предсказанного ограничительного нарушения худшего случая.

Зависимости

Чтобы включить этот порт, выберите параметр ECR weight.

Чтобы задать исходные предположения для оптимальных переменных решений, которыми управляют, включите этот входной порт. Если этот порт отключен, блок использует последовательности оптимального управления, вычисленные в предыдущем интервале управления как исходные предположения.

Чтобы использовать те же исходные предположения по горизонту прогноза, соедините mv.init с векторным сигналом с элементами _Nmv, где _Nmv является количеством переменных, которыми управляют. Каждый элемент задает исходное предположение для переменной, которой управляют.

Чтобы отличаться исходные предположения по горизонту прогноза со времени k ко времени k +p-1, соедините mv.init с матричным сигналом со столбцами _Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит исходные предположения для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, предположения в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Initial guess.

Чтобы задать исходные предположения для оптимальных решений состояния, включите этот входной порт. Если этот порт отключен, блок использует оптимальные последовательности состояния, вычисленные в предыдущем интервале управления как intiial предположения.

Чтобы использовать те же исходные предположения по горизонту прогноза, соедините x.init с векторным сигналом с элементами _Nx, где _Nx является количеством состояний. Каждый элемент задает исходное предположение для состояния.

Чтобы отличаться исходные предположения по горизонту прогноза со времени k ко времени k +p-1, соедините x.init с матричным сигналом со столбцами _Nx и до строк p. Здесь, k является текущим временем, и p является горизонтом прогноза. Каждая строка содержит исходные предположения для одного шага горизонта прогноза. Если вы задаете меньше, чем строки p, предположения в итоговой строке запрашивают остаток от горизонта прогноза.

Зависимости

Чтобы включить этот порт, выберите параметр Initial guess.

Чтобы задать исходное предположение для слабой переменной в решении, включите этот входной порт и соедините неотрицательный скалярный сигнал. Если этот порт отключен, блок использует исходное предположение 0.

Зависимости

Чтобы включить этот порт, выберите параметр Initial guess.

Оптимальное действие управления переменными, которым управляют, вывод как сигнал вектор-столбца длины _Nmv, где _Nmv является количеством переменных, которыми управляют.

Если решатель сходится к решению для локального оптимума (nlp.status положителен), то mv содержит оптимальное решение.

Если решатель достигает максимального количества итераций, не находя оптимальное решение (nlp.status является нулем), и свойство Optimization.UseSuboptimalSolution контроллера:

Если решатель перестал работать (nlp.status отрицателен), то mv совпадает с last_mv.

Стоимость целевой функции, вывод как неотрицательный скалярный сигнал. Стоимость определяет количество степени, до которой контроллер достиг ее целей.

Величина затрат только значима, когда nlp.status вывод является неотрицательным.

Зависимости

Чтобы включить этот порт, выберите параметр Optimal cost.

Ослабьте переменную, ε, используемый в ограничительном смягчении, выведите как 0 или значение положительной скалярной величины.

Зависимости

Чтобы включить этот порт, выберите параметр Slack variable.

Состояние Optimization, вывод как одно из следующего:

Зависимости

Чтобы включить этот порт, выберите параметр Optimization status.

Оптимальная переменная последовательность, которой управляют, возвращенная как матричный сигнал с p +1 строка и столбцы _Nmv, где p является горизонтом прогноза и _Nmv, является количеством переменных, которыми управляют.

i th строка mv.seq содержит расчетные оптимальные значения переменных, которыми управляют, во время k +i-1, для i = 1, …, p +1, где k является текущим временем. Первая строка mv.seq содержит текущие значения переменных, которыми управляют (вывод mv). Поскольку контроллер не вычисляет перемещения оптимального управления во время k +p, итоговые две строки mv.seq идентичны.

Зависимости

Чтобы включить этот порт, выберите параметр Optimal control sequence.

Оптимальная модель прогноза утверждает последовательность, возвращенный как матричный сигнал с p +1 столбец строк и _Nx, где p является горизонтом прогноза и _Nx, является количеством состояний.

i th строка x.seq содержит расчетные значения состояния во время k +i-1, для i = 1, …, p +1, где k является текущим временем. Первая строка x.seq содержит значения текущего состояния (вывод x).

Зависимости

Чтобы включить этот порт, выберите параметр Optimal state sequence.

Оптимальная последовательность выходной переменной, возвращенная как матричный сигнал с p +1 строка и столбцы _Ny, где p является горизонтом прогноза и _Ny, является количеством выходных переменных.

i th строка y.sseq содержит расчетные значения состояния во время k +i-1, для i = 1, …, p +1, где k является текущим временем. Первая строка y.seq вычисляется на основе текущих состояний (вывод x) и текущие измеренные воздействия (первая строка входа md).

Зависимости

Чтобы включить этот порт, выберите параметр Optimal output sequence.

Необходимо обеспечить объект nlmpc, который задает нелинейный контроллер MPC. Для этого введите имя объекта nlmpc в рабочем пространстве MATLAB.

Программируемое использование

Параметры блоков: nlmpcobj

Ввод: символьный вектор

Значения: имя объекта nlmpc

Значение по умолчанию: ''

Выберите этот параметр, чтобы запустить контроллер, использующий тот же шаг расчета в качестве его модели прогноза. Чтобы использовать различный шаг расчета контроллера, очистите этот параметр и задайте шаг расчета с помощью параметра Make block run at a different sample time.

Программируемое использование

Параметры блоков: UseObjectTs

Ввод: символьный вектор

Значения: 'on', 'off'

Значение по умолчанию: 'on'

Задайте этот параметр, чтобы запустить контроллер, использующий различный шаг расчета из его модели прогноза.

Зависимости

Чтобы включить этот параметр, очистите параметр Use prediction model sample time.

Программируемое использование

Параметры блоков: TsControl

Ввод: символьный вектор

Значения: положительный конечный скаляр

Значение по умолчанию: ''