Сервопривод DC с ограничением на неизмеренный Выход

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.

Задайте модель сервопривода DC

Линейная динамическая модель разомкнутого контура 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);

Задайте ограничения мВ

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);

Задайте ограничения OV

Ограничения крутящего момента только наложены во время первых трех шагов предсказания.

OV = struct('Min',{-Inf, [-tau;-tau;-tau;-Inf]},...
            'Max',{Inf, [tau;tau;tau;Inf]},...
            'ScaleFactor',{2*pi, 2*tau});

Задайте настраивающиеся веса

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

Создайте контроллер MPC с шагом расчета Ts, горизонт предсказания p, и управляйте горизонтом m.

Ts = 0.1;
p = 10;
m = 2;
mpcobj = mpc(plant,Ts,p,m,Weights,MV,OV);

Симулируйте контроллер Используя sim Функция

Используйте 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')

Симулируйте Используя Simulink

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.

Ссылки

[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)

Похожие темы