В этом примере показано, как спроектировать прогнозирующий контроллер модели для сервомеханизма DC под напряжением, и вал закручивают ограничения.
Для подобного примера, который использует явный MPC, смотрите Явное MPC управление Сервоприводом DC с Ограничением на Неизмеренный Выход.
Линейная динамическая модель разомкнутого цикла задана в plant
. Переменный tau
максимальный допустимый крутящий момент должен использоваться в качестве выходного ограничения.
[plant,tau] = mpcmotormodel;
Задайте типы сигнала ввода и вывода для контроллера MPC. Второй выход, крутящий момент, неизмерим.
plant = setmpcsignals(plant,'MV',1,'MO',1,'UO',2);
Переменная, которой управляют, ограничивается между +/-220 вольт. Поскольку вводы и выводы объекта имеют различные порядки величины, вы также используете масштабные коэффициенты, чтобы упростить настройку MPC. Типичным выбором масштабного коэффициента является верхнее / нижний предел или рабочий диапазон.
MV = struct('Min',-220,'Max',220,'ScaleFactor',440);
Ограничения крутящего момента только наложены во время первых трех шагов прогноза.
OV = struct('Min',{-Inf, [-tau;-tau;-tau;-Inf]},... 'Max',{Inf, [tau;tau;tau;Inf]},... 'ScaleFactor',{2*pi, 2*tau});
Задача управления состоит в том, чтобы получить нулевое смещение отслеживания для углового положения. Поскольку у вас только есть переменная того, которой управляют, крутящему моменту вала позволяют плавать в рамках его ограничения путем обнуления его веса.
Weights = struct('MV',0,'MVRate',0.1,'OV',[0.1 0]);
Создайте контроллер MPC с шагом расчета Ts
, горизонт прогноза p
, и управляйте горизонтом m
.
Ts = 0.1; p = 10; m = 2; mpcobj = mpc(plant,Ts,p,m,Weights,MV,OV);
sim
ФункцияИспользуйте sim
функция, чтобы симулировать управление с обратной связью линейной модели объекта управления в MATLAB.
disp('Now simulating nominal closed-loop behavior'); Tstop = 8; % seconds Tf = round(Tstop/Ts); % simulation iterations r = [pi*ones(Tf,1) zeros(Tf,1)];% reference signal [y1,t1,u1] = sim(mpcobj,Tf,r);
Now simulating nominal closed-loop behavior -->Converting model to discrete time. Assuming no disturbance added to measured output channel #1. -->The "Model.Noise" property of the "mpc" object is empty. Assuming white noise on each measured output channel.
Постройте результаты.
subplot(3,1,1) stairs(t1,y1(:,1)) hold on stairs(t1,r(:,1)) hold off title('Angular Position') subplot(3,1,2) stairs(t1,y1(:,2)) title('Torque') subplot(3,1,3) stairs(t1,u1) title('Voltage')
Чтобы запустить этот пример, Simulink® требуется.
if ~mpcchecktoolboxinstalled('simulink') disp('Simulink(R) is required to run this example.') return end
Симулируйте управление с обратной связью линейной модели объекта управления в Simulink. Блок MPC Controller сконфигурирован, чтобы использовать mpcobj
как его контроллер.
mdl = 'mpc_motor';
open_system(mdl)
sim(mdl)
Ответ с обратной связью идентичен результату симуляции в MATLAB.
[1] А. Бемпорэд и Э. Моска, "Выполняя трудные ограничения в неопределенных линейных системах ссылочным управлением", Automatica, издание 34, № 4, стр 451-461, 1998.
bdclose(mdl)