Пользовательская оценка состояния

Программное обеспечение Model Predictive Control Toolbox™ позволяет вам заменять метод оценки состояния контроллера по умолчанию.

Для этого можно использовать следующие методы:

  • Можно заменить значение по умолчанию усиления Кальмана,$L$ и$M$, с помощью setEstimator функция. Чтобы получить значения по умолчанию от диспетчера используют getEstimator. Эти команды принимают, что столбцы$L$ и$M$ находятся в технических модулях измеренного объекта выходные параметры. Внутренне, программное обеспечение преобразует их в безразмерную форму.

  • Можно использовать пользовательскую опцию оценки, которая пропускает все вычисления усиления Кальмана в контроллере. Когда контроллер действует, в каждом контрольном интервале необходимо использовать внешнюю процедуру, чтобы оценить состояния контроллера и предоставить эти оценки состояния контроллеру.

Пользовательская оценка состояния не поддержана в MPC Designer.

Рассмотрите случай объекта с двойным интегратором, для которого все состояния объекта измеримы. В таком случае можно предоставить измеренные состояния контроллеру MPC, а не сделать, чтобы контроллер оценил состояния.

Задайте модель объекта управления

Линейная модель объекта управления разомкнутого цикла является двойным интегратором.

plant = tf(1,[1 0 0]);

Спроектируйте контроллер MPC

Создайте объект контроллера с заданным шагом расчета, горизонтом предсказания, и управляйте горизонтом.

Ts = 0.1;
p = 10;
m = 3;
mpcobj = mpc(plant,Ts,p,m);
-->The "Weights.ManipulatedVariables" property of "mpc" object is empty. Assuming default 0.00000.
-->The "Weights.ManipulatedVariablesRate" property of "mpc" object is empty. Assuming default 0.10000.
-->The "Weights.OutputVariables" property of "mpc" object is empty. Assuming default 1.00000.

Задайте пределы насыщения привода как переменные ограничения, которыми управляют.

mpcobj.MV = struct('Min',-1,'Max',1);

Сконфигурируйте контроллер, чтобы использовать пользовательскую оценку состояния.

setEstimator(mpcobj,'custom');

Симулируйте контроллер

Сконфигурируйте переменные, чтобы сохранить ответы с обратной связью.

Tf = round(5/Ts);
YY = zeros(Tf,1);
UU = zeros(Tf,1);

Подготовьте объект, используемый в симуляции путем преобразования его в модель дискретного времени и установки начального состояния.

sys = c2d(ss(plant),Ts);
xsys = [0;0];

Задайте начальные состояния контроллера, прежде чем симуляция начнет использовать mpcstate объект.

xmpc = mpcstate(mpcobj);
-->Converting the "Model.Plant" property of "mpc" object to state-space.
-->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.

Итеративно симулируйте ответ с обратной связью с помощью mpcmove функция.

Для каждого шага симуляции:

  • Получите объект выход, ysys, для текущего состояния.

  • Установите состояние объекта в mpcstate объект, xmpc, к текущим измеренным значениям состояния, xsys.

  • Вычислите действие MPC управления, u, передача в mpcstate объект.

  • Сохраните объект выход и управляйте сигналами действия.

  • Обновите измеренные состояния объекта.

for t = 0:Tf
    ysys = sys.C*xsys;
    xmpc.Plant = xsys;
    u = mpcmove(mpcobj,xmpc,[],1);
    YY(t+1) = ysys;
    UU(t+1) = u;
    xsys = sys.A*xsys + sys.B*u;
end

Постройте результаты симуляции.

figure
subplot(2,1,1)
plot(0:Ts:5,YY)
title('y')
subplot(2,1,2)
plot(0:Ts:5,UU)
title('u')

Симулируйте управление с обратной связью линейной модели объекта управления в Simulink. Для этой модели, контроллер mpcobj задан в блоке MPC Controller.

mdl = 'mpc_customestimation';
open_system(mdl)
sim(mdl)

Ответы с обратной связью для MATLAB и симуляции Simulink идентичны.

fprintf('\nDifference between simulations in MATLAB and Simulink is %g\n',norm(UU-u));
Difference between simulations in MATLAB and Simulink is 6.77858e-14
bdclose(mdl)

Смотрите также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте