Оптимальная переменная последовательность, которой управляют, возвращенная как (p +1)-by-_Nmv массив, где p является горизонтом предсказания и _Nmv, является количеством переменных, которыми управляют.

MVopt(i,:) содержит расчетные оптимальные значения переменных, которыми управляют, во время k+i-1, для i = 1,...,p, где k текущее время. MVopt(1,:) содержит те же значения переменных, которыми управляют, как выходной аргумент mv. Поскольку контроллер не вычисляет перемещения оптимального управления во время k+p, MVopt(p+1,:) равно MVopt(p,:).

Оптимальная модель предсказания утверждает последовательность, возвращенную как (p +1)-by-_Nx массив, где p является горизонтом предсказания, и _Nx является количеством состояний в модели предсказания.

Xopt(i,:) содержит расчетные значения состояния во время k+i-1, для i = 2,...,p+1, где k текущее время. Xopt(1,:) совпадает с текущими состояниями в x.

Оптимальная последовательность выходной переменной, возвращенная как (p +1)-by-_Ny массив, где p является горизонтом предсказания и _Ny, является количеством выходных параметров.

Yopt(i,:) содержит расчетные выходные значения во время k+i-1, для i = 2,...,p+1, где k текущее время. Yopt(1,:) вычисляется на основе текущих состояний в x и текущие измеренные воздействия в md,если таковые имеются.

Последовательность времени горизонта предсказания, возвращенная как вектор-столбец длины p +1, где p является горизонтом предсказания. Topt содержит последовательность времени со времени k ко времени k +p, где k является текущим временем.

Topt(1) = 0 представляет текущее время. Последующие временные шаги Topt(i) Ts*(i-1), где Ts шаг расчета контроллера.

Используйте Topt при графическом выводе MVopt, Xopt, или Yopt последовательности.

Сложенный слабый вектор переменных, используемый в ограничительном смягчении. Если всеми элементами является нуль, то всем мягким ограничениям удовлетворяют по целому горизонту предсказания. Если какой-либо элемент больше нуля, то по крайней мере одно мягкое ограничение нарушено.

Слабый переменный вектор для всех этапов сложен как:

[slack variable vector for stage 1; % if used
 slack variable vector for stage 2; % if used
 ...
 slack variable vector for stage p+1; % if used
]

Код выхода оптимизации, возвращенный как одно из следующего:

Количество итераций используется решателем нелинейного программирования, возвращенным как положительное целое число.

Стоимость целевой функции, возвращенная как неотрицательное скалярное значение. Стоимость определяет количество степени, до которой контроллер достиг ее целей.

Величина затрат только значима когда ExitFlag является неотрицательным.

Измеренные значения воздействия в виде вектора-строки из длины _Nmd или массив со столбцами _Nmd, где _Nmd является количеством измеренных воздействий. Если ваш многоступенчатый объект MPC имеет какой-либо измеренный заданный канал воздействия, необходимо задать MeasuredDisturbance. Если у вашего контроллера нет измеренных воздействий, это поле не существует в структуре, сгенерированной getSimulationData.

Чтобы использовать те же значения воздействия через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться значения воздействия по горизонту предсказания со времени k ко времени k +p, задайте массив с до p +1 строка. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит значения воздействия для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, значения в итоговой строке используются для остающихся шагов горизонта предсказания.

Переменные нижние границы, которыми управляют, в виде вектора-строки из длины _Nmv или матрица со столбцами _Nmv, где _Nmv является количеством переменных, которыми управляют. MVMin(:,i) заменяет ManipulatedVariables(i).Min свойство контроллера во время выполнения.

Чтобы использовать те же границы через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться границы по горизонту предсказания со времени k ко времени k +p-1, задайте матрицу с 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, итоговые границы используются для остающихся шагов горизонта предсказания.

Переменные верхние границы, которыми управляют, в виде вектора-строки из длины _Nmv или матрица со столбцами _Nmv, где _Nmv является количеством переменных, которыми управляют. MVMax(:,i) заменяет ManipulatedVariables(i).Max свойство контроллера во время выполнения.

Чтобы использовать те же границы через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться границы по горизонту предсказания со времени k ко времени k +p-1, задайте матрицу с 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, итоговые границы используются для остающихся шагов горизонта предсказания.

Нижние границы с плавающей ставкой, которыми управляют, в виде вектора-строки из длины _Nmv или матрица со столбцами _Nmv, где _Nmv является количеством переменных, которыми управляют. MVRateMin(:,i) заменяет ManipulatedVariables(i).RateMin свойство контроллера во время выполнения. MVRateMin границы должны быть неположительными.

Чтобы использовать те же границы через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться границы по горизонту предсказания со времени k ко времени k +p-1, задайте матрицу с 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, итоговые границы используются для остающихся шагов горизонта предсказания.

Верхние границы с плавающей ставкой, которыми управляют, в виде вектора-строки из длины _Nmv или матрица со столбцами _Nmv, где _Nmv является количеством переменных, которыми управляют. MVRateMax(:,i) заменяет ManipulatedVariables(i).RateMax свойство контроллера во время выполнения. MVRateMax границы должны быть неотрицательными.

Чтобы использовать те же границы через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться границы по горизонту предсказания со времени k ко времени k +p-1, задайте матрицу с 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, итоговые границы используются для остающихся шагов горизонта предсказания.

Нижние границы состояния в виде вектора-строки из длины _Nx или матрица со столбцами _Nx, где _Nx является количеством состояний. StateMin(:,i) заменяет States(i).Min свойство контроллера во время выполнения.

Чтобы использовать те же границы через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться границы по горизонту предсказания со времени k +1 ко времени k +p, задайте матрицу с 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, итоговые границы используются для остающихся шагов горизонта предсказания.

Верхние границы состояния в виде вектора-строки из длины _Nx или матрица со столбцами _Nx, где _Nx является количеством состояний. StateMax(:,i) заменяет States(i).Max свойство контроллера во время выполнения.

Чтобы использовать те же границы через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться границы по горизонту предсказания со времени k +1 ко времени k +p, задайте матрицу с 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, итоговые границы используются для остающихся шагов горизонта предсказания.

Значения параметра функции состояния в виде вектора с длиной равняются значению Model.ParameterLength свойство многоступенчатого объекта контроллера. Если Model.StateFcn нуждается в векторе параметра, необходимо ввести его значение во времени выполнения с помощью этого поля. Если Model.ParameterLength 0 это поле не существует в структуре, возвращенной getSimulationData.

Подготовьте значения параметров функций в виде вектора с длиной, равной сумме всех значений в Stages(i).ParameterLength свойства многоступенчатого объекта контроллера. Если любая стоимость или ограничительная функция, определяемая в Stages свойству нужен вектор параметра, необходимо обеспечить все векторы параметра во времени выполнения (сложенный в отдельном столбце) использующий это поле. Если ни одна из ваших функций этапа не имеет параметр, это поле не существует в структуре, возвращенной getSimulationData.

Векторы параметра для всех этапов должны быть сложены в вектор-столбце StateFcnParameters как:

[parameter vector for stage 1;
 parameter vector for stage 2;
 ...
 parameter vector for stage p+1;
]

Конечное состояние в виде вектор-столбца со столькими же элементов сколько количество состояний. Конечное состояние является требуемым состоянием на последнем шаге предсказания. Чтобы задать желаемые конечные состояния во времени выполнения через это поле, необходимо задать конечные значения в TerminalState поле Model свойство nlmpcMSobj. Задайте inf для состояний, которые не должны быть ограничены к конечной стоимости. Во время выполнения, nlmpcmove игнорирует любые значения в TerminalState поле simdata это соответствует inf значения в nlmpcMSobj. Если вы не задаете условия конечной стоимости в nlmpcMSobj, это поле не создается в simdata.

Если нет никакого TerminalState в simdata затем ограничение конечного состояния (если есть) не изменяется во время выполнения.

Исходные предположения для переменных решения в виде вектор-столбца длины равняются сумме длин всех векторов переменной решения для каждого этапа. Хорошие исходные предположения важны, поскольку они помогают решателю сходиться к решению быстрее. При симуляции цикла управления путем вызова nlmpcmove неоднократно в цикле, поэтому важно передать simdata как входной параметр (таким образом, исходные предположения могут использоваться), и в то же время возвратите обновленную версию simdata (с новыми исходными предположениями для следующего контрольного интервала), как выходной аргумент.

Исходные предположения для всех этапов должны быть сложены в вектор-столбце InitialGuess как:

[state vector guess for stage 1;
 manipulated variable vector guess for stage 1;
 manipulated variable vector rate guess for stage 1; % if used
 slack variable vector guess for stage 1; % if used
 state vector guess for stage 2;
 manipulated variable vector guess for stage 2;
 manipulated variable vector rate guess for stage 2; % if used
 slack variable vector guess for stage 2; % if used
 ...
 state vector guess for stage p;
 manipulated variable vector guess for stage p;
 manipulated variable vector rate guess for stage p; % if used
 slack variable vector guess for stage p; % if used
 state vector guess for stage p+1;
 slack variable vector guess for stage p+1; % if used
]

Если InitialGuess [], исходные предположения по умолчанию вычисляются от x и lastmv аргументы передали nlmpcmove).

В общем случае во время симуляции с обратной связью, вы не задаете InitialGuess самостоятельно. Вместо этого при вызове nlmpcmove, возвратите simdata выходной аргумент, который содержит расчетные исходные предположения для следующего контрольного интервала. Можно затем передать simdata как входной параметр к nlmpcmove для следующего контрольного интервала. Эти шаги являются лучшой практикой, даже если вы не задаете никакие другие опции во время выполнения.