Exponenta Banner

mpcmoveCodeGeneration

Вычислите перемещения оптимального управления с поддержкой генерации кода

свернуть все на странице

Синтаксис

[mv,newStateData] = mpcmoveCodeGeneration(configData,stateData,onlineData)
[___,info] = mpcmoveCodeGeneration(___)

Описание

пример

[mv,newStateData] = mpcmoveCodeGeneration(configData,stateData,onlineData) вычисляет оптимальные перемещения MPC управления и поддерживает генерацию кода для развертывания на целях в реальном времени. Структуры входных данных, сгенерированное использование getCodeGenerationData, задайте контроллер MPC, чтобы симулировать.

mpcmoveCodeGeneration не проверяет входные параметры на правильные размерности и типы данных.

[___,info] = mpcmoveCodeGeneration(___) возвращает дополнительную информацию о результате оптимизации, включая количество итераций и стоимости целевой функции.

Примеры

свернуть все

Этот пример использует:

Скрипт Open Live Script

Создайте соответствующую модель объекта управления.

plant = rss(3,1,1);
plant.D = 0;

Задайте шаг расчета контроллера.

Ts = 0.1;

Создайте контроллер MPC.

mpcObj = mpc(plant,Ts);
-->The "PredictionHorizon" property of "mpc" object is empty. Trying PredictionHorizon = 10.
-->The "ControlHorizon" property of the "mpc" object is empty. Assuming 2.
-->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.

Создайте структуры данных генерации кода.

[configData,stateData,onlineData] = getCodeGenerationData(mpcObj);
-->Converting model to discrete time.
-->Assuming output disturbance added to measured output channel #1 is integrated white noise.
-->The "Model.Noise" property of the "mpc" object is empty. Assuming white noise on each measured output channel.
-->Converting model to discrete time.
-->Assuming output disturbance added to measured output channel #1 is integrated white noise.
-->The "Model.Noise" property of the "mpc" object is empty. Assuming white noise on each measured output channel.

Инициализируйте состояния объекта, чтобы обнулить, чтобы совпадать с состояниями по умолчанию, используемыми контроллером MPC.

Запустите симуляцию с обратной связью. В каждом контрольном интервале обновите онлайновую структуру данных и вызовите mpcmoveCodeGeneration вычислить перемещения оптимального управления.

x = zeros(size(plant.B,1),1); % Initialize plant states to zero (|mpcObj| default).
Tsim = 20;
for i = 1:round(Tsim/Ts)+1
    % Update plant output.
    y = plant.C*x;
    % Update measured output in online data.
    onlineData.signals.ym = y;
    % Update reference signal in online data.
    onlineData.signals.ref = 1;
    % Compute control actions.
    [u,statedata] = mpcmoveCodeGeneration(configData,stateData,onlineData);
    % Update plant state.
    x = plant.A*x + plant.B*u;
end

Сгенерируйте MEX-функцию с MATLAB® Coder™, задав configData как константа.

func = 'mpcmoveCodeGeneration';
funcOutput = 'mpcmoveMEX';
Cfg = coder.config('mex');
Cfg.DynamicMemoryAllocation = 'off';
codegen('-config',Cfg,func,'-o',funcOutput,'-args',...
    {coder.Constant(configData),stateData,onlineData});
Code generation successful.

Входные параметры

свернуть все

Параметры конфигурации MPC, которые являются постоянными во время выполнения в виде структуры, сгенерированной с помощью getCodeGenerationData.

Примечание

При использовании codegen (MATLAB Coder), configData должен быть задан как coder.Constant (MATLAB Coder).

Состояние контроллера во время выполнения в виде структуры. Сгенерируйте использование структуры начального состояния getCodeGenerationData. Для последующих контрольных интервалов используйте обновленное состояние контроллера от предыдущего интервала. В общем случае используйте newStateData структурируйте непосредственно.

Если пользовательская оценка состояния включена, необходимо вручную обновить stateData структура во время каждого контрольного интервала. Для получения дополнительной информации смотрите Пользовательскую Оценку состояния.

stateData имеет следующие поля:

Состояние модели объекта управления оценивает в виде вектор-столбца длины Nxp, где Nxp является количеством состояний модели объекта управления.

Примечание

Если пользовательская оценка состояния включена, обновление Plant в каждом контрольном интервале. В противном случае не изменяйте это поле. Вместо этого используйте значения, возвращенные также getCodeGenerationData или mpcmoveCodeGeneration.

Неизмеренное состояние возмущения оценивает в виде вектор-столбца длины Nxd, где Nxd является количеством неизмеренных состояний возмущения. Disturbance содержит входные состояния возмущения, сопровождаемые выходными состояниями возмущения.

Чтобы просмотреть возмущения ввода и вывода, использовать getindist и getoutdist соответственно.

Примечание

Если пользовательская оценка состояния включена, обновление Disturbance в каждом контрольном интервале. В противном случае не изменяйте это поле. Вместо этого используйте значения, возвращенные также getCodeGenerationData или mpcmoveCodeGeneration.

Выведите оценки состояния модели шума измерения в виде вектор-столбца длины Nxn, где Nxn является количеством шумовых состояний модели.

Примечание

Если пользовательская оценка состояния включена, обновление Noise в каждом контрольном интервале. В противном случае не изменяйте это поле. Вместо этого используйте значения, возвращенные также getCodeGenerationData или mpcmoveCodeGeneration.

Управление переменными, которым управляют, перемещает от предыдущего контрольного интервала в виде вектор-столбца длины Nmv, где Nmv является количеством переменных, которыми управляют.

Примечание

Не изменяйте значение LastMove. Всегда используйте значения, возвращенные также getCodeGenerationData или mpcmoveCodeGeneration.

Ковариационная матрица для контроллера утверждает оценки в виде симметричного N-by-N массив, где N является количеством расширенных состояний контроллера; то есть, сумма Nxp, Nxd и Nxn.

Если диспетчер использует пользовательскую оценку состояния, Covariance isempty.

Примечание

Не изменяйте значение Covariance. Всегда используйте значения, возвращенные также getCodeGenerationData или mpcmoveCodeGeneration.

Активные ограничения неравенства, где равным фрагментом неравенства является trueВ виде логического вектора из длины M. Если iA(i) является true, затем i th неравенство активен для последнего решения для решателя QP.

Примечание

Не изменяйте значение iA. Всегда используйте значения, возвращенные также getCodeGenerationData или mpcmoveCodeGeneration.

Онлайновые данные контроллера, которые необходимо обновить во время выполнения в виде структуры со следующими полями. Сгенерируйте начальное использование структуры getCodeGenerationData.

Обновленный ввод и вывод сигнализирует в виде структуры со следующими полями:

Измеренные выходные параметры в виде вектора из длины Nym, где Nym является количеством измеренных выходных параметров.

По умолчанию, getCodeGenerationData наборы ym к номиналу измерил выходные значения от диспетчера.

Выведите ссылки в виде одного из следующего:

  • Вектор-строка из длины Ny, где Ny является количеством выходных параметров.

  • Если вы используете предварительный просмотр опорного сигнала с неявным или адаптивным MPC, задаете p-by-Ny массив, где p является горизонтом предсказания.

По умолчанию,getCodeGenerationData наборы ref к номинальным выходным значениям от диспетчера.

Измеренные воздействия в виде:

  • Вектор-строка из длины Nmd, где Nmd является количеством измеренных воздействий.

  • Если вы используете предварительный просмотр сигнала с неявным или адаптивным MPC, задаете p-by-Nmd массив.

По умолчанию, если ваш контроллер измерил воздействия,getCodeGenerationData наборы md к номиналу измерил значения воздействия от диспетчера. В противном случае это поле пусто и проигнорировано mpcmoveCodeGeneration.

Цели для переменных, которыми управляют, которые заменяют цели, заданные в configData.uTargetВ виде одного из следующего:

  • Вектор из длины Nmv, где Nmv является количеством переменных, которыми управляют,

  • [] использовать цели по умолчанию, заданные в configData.uTarget

Это поле проигнорировано при использовании явного контроллера MPC.

Переменные, которыми управляют, внешне применились к объекту в виде:

  • Вектор из длины Nmv.

  • [] применять перемещения оптимального управления к объекту.

Обновленные веса оптимизации QP в виде структуры. Если вы не ожидаете настраивать веса, чтобы измениться во время выполнения, игнорируете weights. Это поле проигнорировано при использовании явного контроллера MPC.

Эта структура содержит следующие поля:

Настраивающие веса выходной переменной, которые заменяют исходные веса контроллера выход во время выполнения во время выполнения в виде вектора-строки или массива неотрицательных значений.

Чтобы использовать те же веса через горизонт предсказания, задайте вектор-строку из длины Ny, где Ny является количеством выходных переменных.

Чтобы варьироваться настраивающиеся веса по горизонту предсказания со времени k +1 ко времени k +p, задайте массив со столбцами Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит настраивающие веса выходной переменной для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, веса в итоговой строке используются для остающихся шагов горизонта предсказания.

Если y isempty, веса по умолчанию, заданные в исходном контроллере MPC, используются.

Переменные настраивающие веса, которыми управляют, которые заменяют исходный контроллер, управляли переменными весами во время выполнения в виде вектора-строки или массива неотрицательных значений.

Чтобы использовать те же веса через горизонт предсказания, задайте вектор-строку из длины Nmv, где Nmv является количеством переменных, которыми управляют.

Чтобы варьироваться настраивающиеся веса по горизонту предсказания со времени k ко времени k +p-1, задайте массив со столбцами Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит переменные настраивающие веса, которыми управляют, для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, веса в итоговой строке используются для остающихся шагов горизонта предсказания.

Если u isempty, веса по умолчанию, заданные в исходном контроллере MPC, используются.

Настраивающие веса с плавающей ставкой, которыми управляют, которые заменяют исходный контроллер, управляли весами с плавающей ставкой во время выполнения в виде вектора-строки или массива неотрицательных значений.

Чтобы использовать те же веса через горизонт предсказания, задайте вектор-строку из длины Nmv, где Nmv является количеством переменных, которыми управляют.

Чтобы варьироваться настраивающиеся веса по горизонту предсказания со времени k ко времени k +p-1, задайте массив со столбцами Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит настраивающие веса с плавающей ставкой, которыми управляют, для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, веса в итоговой строке используются для остающихся шагов горизонта предсказания.

Если du isempty, веса по умолчанию, заданные в исходном контроллере MPC, используются.

Вес на слабой переменной используется для ограничения, смягчающегося в виде неотрицательного скаляра.

Если ecr isempty, вес по умолчанию, заданный в исходном контроллере MPC, используется.

Обновленные ограничения ввода и вывода в виде структуры. Если вы не ожидаете, что ограничения изменятся во время выполнения, проигнорируйте limits. Это поле проигнорировано при использовании явного контроллера MPC.

Эта структура содержит следующие поля:

Нижние границы выходной переменной в виде вектор-столбца длины Ny. ymin(i) заменяет OutputVariables(i).Min ограничение от исходного диспетчера. Если OutputVariables(i).Min свойство контроллера задано как вектор, ymin(i) заменяет первую конечную запись в этом векторе и остающийся сдвиг значений, чтобы сохранить тот же ограничительный профиль.

Если ymin isempty, границы по умолчанию, заданные в исходном контроллере MPC, используются.

Верхние границы выходной переменной в виде вектор-столбца длины Ny. ymax(i) заменяет OutputVariables(i).Max ограничение от исходного диспетчера. Если OutputVariables(i).Max свойство контроллера задано как вектор, ymax(i) заменяет первую конечную запись в этом векторе и остающийся сдвиг значений, чтобы сохранить тот же ограничительный профиль.

Если ymax isempty, границы по умолчанию, заданные в исходном контроллере MPC, используются.

Переменные нижние границы, которыми управляют, в виде вектор-столбца длины Nmv. umin(i) заменяет ManipulatedVariables(i).Min ограничение от исходного диспетчера. Если ManipulatedVariables(i).Min свойство контроллера задано как вектор, umin(i) заменяет первую конечную запись в этом векторе и остающийся сдвиг значений, чтобы сохранить тот же ограничительный профиль.

Если umin isempty, границы по умолчанию, заданные в исходном контроллере MPC, используются.

Переменные верхние границы, которыми управляют, в виде вектор-столбца длины Nmv. umax(i) заменяет ManipulatedVariables(i).Max ограничение от исходного диспетчера. Если ManipulatedVariables(i).Max свойство контроллера задано как вектор, umax(i) заменяет первую конечную запись в этом векторе и остающийся сдвиг значений, чтобы сохранить тот же ограничительный профиль.

Если umax isempty, границы по умолчанию, заданные в исходном контроллере MPC, используются.

Обновленные пользовательские смешанные ограничения ввода/вывода в виде структуры. Это поле проигнорировано при использовании явного контроллера MPC.

Эта структура имеет следующие поля:

Переменное ограничение, которым управляют, постоянное в виде Nc-by-Nmv массив, где Nc является количеством ограничений и Nmv, является количеством переменных, которыми управляют.

Если E isempty, соответствующее ограничение, заданное в исходном контроллере MPC, используется.

Управляемое выходное ограничение, постоянное в виде Nc-by-Ny массив, где Ny является количеством управляемых выходных параметров (измеренный и неизмеренный).

Смешанное ограничение ввода/вывода, постоянное в виде вектор-столбца длины Nc.

Измеренное ограничение воздействия, постоянное в виде Nc-by-Nmd массив, где Nmd является количеством измеренных воздействий.

Обновленные горизонты контроллера в виде структуры. Чтобы варьироваться горизонты во время выполнения, сначала создайте свое использование структур данных getCodeGenerationData установка UseVariableHorizon пара "имя-значение" к true. Когда вы варьируетесь горизонты, необходимо задать и горизонт предсказания и горизонт управления. Для получения дополнительной информации смотрите, Настраивают Горизонты во Время выполнения.

Это поле проигнорировано при использовании явного контроллера MPC.

Эта структура имеет следующие поля:

Горизонт предсказания, который заменяет значение configData.p во время выполнения в виде положительного целого числа.

Определение p изменяется:

  • Количество строк в оптимальных последовательностях, возвращенных в info

  • Максимальные размерности полей в model когда configData.IsLTV true

Управляйте горизонтом, который заменяет значение configData.m во время выполнения в виде одного из следующего:

  • Положительное целое число, m, между 1 и p, включительно, где p является горизонтом предсказания (horizons.p). В этом случае контроллер вычисляет m свободные перемещения управления, происходящие во времена k через k +m-1, и содержит контроллер выход, постоянный для остающихся шагов горизонта предсказания от k +m через k +p-1. Здесь, k является текущим контрольным интервалом. Для оптимальной траектории, планируя устанавливает m, равный p.

  • Вектор из положительных целых чисел, [m 1, m 2, …], где сумма целых чисел равняется горизонту предсказания, p. В этом случае контроллер вычисляет блоки M свободных перемещений, где M является длиной вектора горизонта управления. Первое свободное перемещение применяется ко временам k через k +m1-1, второе свободное перемещение применяется со времени k +m1 через k +m1+m2-1 и так далее. Используя перемещения блока может улучшить робастность вашего контроллера по сравнению со случаем по умолчанию.

Обновленный объект и номинальная стоимость для адаптивного MPC и изменяющегося во времени MPC в виде структуры. model только доступно, если вы задаете isAdaptive или isLTV как true при создании структур данных генерации кода.

Эта структура содержит следующие поля:

Матрица состояния модели объекта управления пространства состояний дискретного времени в виде:

  • Nx-by-Nx массив при использовании адаптивного MPC,

  • Nx-by-Nx-by-(p +1) массив при использовании изменяющегося во времени MPC,

где Nx является количеством состояний объекта.

Матрица входа к состоянию модели объекта управления пространства состояний дискретного времени в виде:

  • Nx-by-Nu массив при использовании адаптивного MPC,

  • Nx-by-Nu-by-(p +1) массив при использовании изменяющегося во времени MPC,

где Nu является количеством входных параметров объекта.

Состояние к выходной матрице модели объекта управления пространства состояний дискретного времени в виде:

  • Ny-by-Nx массив при использовании адаптивного MPC.

  • Ny-by-Nx-by-(p +1) массив при использовании изменяющегося во времени MPC.

Проходная матрица модели объекта управления пространства состояний дискретного времени в виде:

  • Ny-by-Nu массив при использовании адаптивного MPC.

  • Ny-by-Nu-by-(p +1) массив при использовании изменяющегося во времени MPC.

Поскольку контроллеры MPC не поддерживают объекты с прямым сквозным соединением, задают D как массив нулей.

Номинальный объект утверждает в виде:

  • Вектор-столбец длины Nx при использовании адаптивного MPC.

  • Nx - 1 на (p +1) массив при использовании изменяющегося во времени MPC.

Номинальный объект вводит в виде:

  • Вектор-столбец длины Nu при использовании адаптивного MPC.

  • Nu - 1 на (p +1) массив при использовании изменяющегося во времени MPC.

Номинальный объект выходные параметры в виде:

  • Вектор-столбец длины Ny при использовании адаптивного MPC.

  • Ny - 1 на (p +1) массив при использовании изменяющегося во времени MPC.

Номинальные производные состояния объекта в виде:

  • Вектор-столбец длины Nx при использовании адаптивного MPC.

  • Nx - 1 на (p +1) массив при использовании изменяющегося во времени MPC.

Выходные аргументы

свернуть все

Оптимальные переменные перемещения, которыми управляют, возвращенные как вектор-столбец длины Nmv, где Nmv является количеством переменных, которыми управляют.

Если контроллер обнаруживает неосуществимую задачу оптимизации или сталкивается с числовыми трудностями при решении плохо обусловленной задачи оптимизации, mv остается в его новом успешном решении, xc.LastMove.

В противном случае, если задача оптимизации выполнима, и решатель достигает заданного максимального количества итераций, не находя оптимальное решение, mv:

  • Остается в его новом успешном решении если Optimizer.UseSuboptimalSolution свойством контроллера является false.

  • Субоптимальное решение, достигнутое после итоговой итерации если Optimizer.UseSuboptimalSolution свойством контроллера является true. Для получения дополнительной информации смотрите Субоптимальное Решение QP.

Обновленное состояние контроллера, возвращенное как структура. Для последующих контрольных интервалов передайте newStateData к mpcmoveCodeGeneration как stateData.

Если пользовательская оценка состояния включена, используйте newStateData вручную обновить структуру состояния перед следующим контрольным интервалом. Для получения дополнительной информации смотрите Пользовательскую Оценку состояния.

Информация об оптимизации контроллера, возвращенная как структура.

Если вы используете неявный или адаптивный MPC, info содержит следующие поля:

Поле Описание
IterationsКоличество итераций решателя QP
QPCodeКод статуса решателя QP
CostЦелевая функция стоится
UoptОптимальные переменные корректировки, которыми управляют,
YoptОптимальная предсказанная последовательность выходной переменной
XoptОптимальная предсказанная последовательность переменной состояния
ToptИнтервалы периода времени
SlackОслабьте переменную, используемую в ограничительном смягчении

Если configData.OnlyComputeCost true, оптимальная информация о последовательности, Uopt, Yopt, Xopt, Topt, и Slack, не доступно:

Для получения дополнительной информации смотрите mpcmove и mpcmoveAdaptive.

Если вы используете явный MPC, info содержит следующие поля:

Поле Описание
RegionОбласть, в которой было найдено оптимальное решение
ExitCodeКод статуса решения

Для получения дополнительной информации смотрите mpcmoveExplicit.

Расширенные возможности

Смотрите также

| | | | (MATLAB Coder)

Темы

Введенный в R2016a

Документация Model Predictive Control Toolbox

Поддержка