Текущая модель предсказания утверждает в виде векторного сигнала длины _Nx, где _Nx является количеством состояний модели предсказания. Поскольку нелинейный контроллер MPC не выполняет оценку состояния, необходимо или измерить или оценить текущие состояния модели предсказания в каждом контрольном интервале.

Объект выходные значения ссылки в виде вектора-строки сигнализирует или матричный сигнал.

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

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

Управляющие сигналы использовали на объекте в предыдущем контрольном интервале в виде векторного сигнала length_Nmv, где _Nmv является количеством переменных, которыми управляют.

Если ваша модель предсказания контроллера измерила воздействия, необходимо включить этот порт и подключение к нему вектор-строка или матричный сигнал.

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

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

Зависимости

Чтобы включить этот порт, выберите параметр Measured disturbances.

Если ваш диспетчер использует дополнительные параметры в ее модели предсказания, 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 функциям модели, 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 заставить данную переменную, которой управляют, отследить свое заданное целевое значение, необходимо также задать ненулевой настраивающий вес для той переменной, которой управляют.

Чтобы использовать те же переменные цели, которыми управляют, через горизонт предсказания, 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 варьироваться цели по горизонту предсказания (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 предсказания. Каждая строка содержит цели для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, итоговые цели используются для остающихся шагов горизонта предсказания.

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 OutputVariables.Min свойство его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт предсказания, 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 варьироваться границы по горизонту предсказания со времени k +1 ко времени k +p, соедините y.min с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит границы для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта предсказания.

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 OutputVariables.Min свойство его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт предсказания, 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 варьироваться границы по горизонту предсказания со времени k +1 ко времени k +p, соедините y.max с матричным сигналом со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит границы для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта предсказания.

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 ManipulatedVariables.Min свойство его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт предсказания, 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 варьироваться границы по горизонту предсказания 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 предсказания. Каждая строка содержит границы для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта предсказания.

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 ManipulatedVariables.Max свойство его объекта контроллера.

Использовать то же самое перепрыгивает через горизонт предсказания, 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 варьироваться границы по горизонту предсказания 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 предсказания. Каждая строка содержит границы для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта предсказания.

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 ManipulatedVariable.RateMin свойство его объекта контроллера. границы dmv.min должны быть неположительными.

Использовать то же самое перепрыгивает через горизонт предсказания, 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 варьироваться границы по горизонту предсказания 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 предсказания. Каждая строка содержит границы для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта предсказания.

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 ManipulatedVariables.RateMax свойство его объекта контроллера. границы dmv.max должны быть неотрицательными.

Использовать то же самое перепрыгивает через горизонт предсказания, 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 варьироваться границы по горизонту предсказания 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 предсказания. Каждая строка содержит границы для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, границы в итоговой строке запрашивают остаток от горизонта предсказания.

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 States.Min свойство его объекта контроллера.

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

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

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 States.Max свойство его объекта контроллера.

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

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

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 Weights.OutputVariables свойство его объекта контроллера. Эти настраивающие веса штрафуют отклонения от выходных ссылок.

Если диспетчер MPC возражает, использует постоянные выходные настраивающие веса по горизонту предсказания, можно задать только постоянные выходные настраивающие веса во времени выполнения. Точно так же, если диспетчер MPC возражает использованию выходные настраивающие веса, которые варьируются по горизонту предсказания, можно задать только изменяющиеся во времени выходные настраивающие веса во времени выполнения

Чтобы использовать постоянные настраивающие веса по горизонту предсказания, 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 варьироваться настраивающиеся веса по горизонту предсказания 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 предсказания. Каждая строка содержит настраивающиеся веса для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, настраивающиеся веса в итоговой строке запрашивают остаток от горизонта предсказания. Для получения дополнительной информации о различных весах по горизонту предсказания 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 Weights.ManipulatedVariables свойство его объекта контроллера. Эти настраивающие веса штрафуют отклонения от целей мВ.

Чтобы использовать те же настраивающие веса по горизонту предсказания, 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 варьироваться настраивающиеся веса по горизонту предсказания 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 предсказания. Каждая строка содержит настраивающиеся веса для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, настраивающиеся веса в итоговой строке запрашивают остаток от горизонта предсказания. Для получения дополнительной информации о различных весах по горизонту предсказания 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 Weights.ManipulatedVariablesRate свойство его объекта контроллера. Эти настраивающие веса штрафуют большие изменения в перемещениях управления.

Чтобы использовать те же настраивающие веса по горизонту предсказания, 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 варьироваться настраивающиеся веса по горизонту предсказания 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 предсказания. Каждая строка содержит настраивающиеся веса для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, настраивающиеся веса в итоговой строке запрашивают остаток от горизонта предсказания. Для получения дополнительной информации о различных весах по горизонту предсказания 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 Weights.ECR свойство его объекта контроллера.

Слабый переменный настраивающий вес не оказывает влияния, 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 величины предсказанного нарушения ограничений 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 контрольном интервале как исходные предположения.

Чтобы использовать те же исходные предположения по горизонту предсказания, 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 варьироваться исходные предположения по горизонту предсказания 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 предсказания. Каждая строка содержит исходные предположения для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, предположения в итоговой строке запрашивают остаток от горизонта предсказания.

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 контрольном интервале как исходные предположения.

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

Чтобы варьироваться исходные предположения по горизонту предсказания 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 предсказания. Каждая строка содержит исходные предположения для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, предположения в итоговой строке запрашивают остаток от горизонта предсказания.

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, выход 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 Optimization.UseSuboptimalSolution свойство контроллера:

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

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

Величина затрат только значима, когда nlp.status выход 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, выход 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 предсказания и _Nmv, является количеством переменных, которыми управляют.

Первые строки p mv.seq содержат расчетные оптимальные значения переменных, которыми управляют, с текущего времени k ко времени k +p-1. Первая строка mv.seq содержит текущие значения переменных, которыми управляют (выход 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 предсказания утверждает последовательность, возвращенный как матричный сигнал с p +1 столбец строк и _Nx, где p является горизонтом предсказания и _Nx, является количеством состояний.

Первые строки p x.seq содержат расчетные оптимальные значения состояния с текущего времени k ко времени k +p-1. Первая строка x.seq содержит текущие предполагаемые значения состояния. Поскольку контроллер не вычисляет оптимальные состояния во время k +p, итоговые две строки x.seq идентичны.

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 предсказания и _Ny, является количеством выходных переменных.

Первые строки p y.seq содержат расчетные оптимальные выходные значения с текущего времени k ко времени k +p-1. Первая строка y.seq вычисляется на основе текущих предполагаемых состояний и текущих измеренных воздействий (первая строка входа md). Поскольку контроллер не вычисляет оптимальные выходные значения во время k +p, итоговые две строки y.seq идентичны.

Зависимости

Чтобы включить этот порт, выберите параметр Optimal output sequence.

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

Программируемое использование

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

Чтобы ограничить количество переменных решения и повысить вычислительную эффективность, можно запустить контроллер с шагом расчета, который отличается от горизонта предсказания. Например, рассмотрите случай нелинейного контроллера MPC, достигающего 10 Гц. Если соответствие шагов расчета объекта и контроллера, предсказывая поведение объекта в течение десяти секунд требует горизонта предсказания длины 100, который производит большое количество переменных решения. Чтобы сократить количество переменных решения, можно использовать шаг расчета объекта 1 секунды и горизонт предсказания длины 10.

Программируемое использование

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

Зависимости

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

Программируемое использование

Выберите этот параметр, чтобы симулировать контроллер, использующий сгенерированное использование MEX-функции buildMEX. Выполнение так уменьшает время симуляции контроллера. Чтобы задать имя MEX-функции, используйте параметр Specify MEX function name.

Программируемое использование

Используйте этот параметр, чтобы задать имя MEX-функции, чтобы использовать в процессе моделирования. Чтобы создать MEX-функцию, используйте buildMEX функция.

Зависимости

Чтобы включить этот параметр, выберите параметр Use MEX to speed up simulation.

Программируемое использование