exponenta event banner

Моделирование прогнозирующего контроллера модели с несоответствием модели установки

В этом примере показано, как моделировать прогнозирующий контроллер модели при несоответствии между прогнозирующей моделью растения и фактическим растением.

Прогностическая модель растения имеет 2 манипулируемые переменные, 2 неизмеренных входных возмущения и 2 измеренных выхода. Фактический завод имеет различную динамику.

Определение модели завода

Определите параметры номинальной установки, на которой основан контроллер ПДК. Системы от СН до КО и УД до КО идентичны.

p1 = tf(1,[1 2 1])*[1 1; 0 1];
plant = ss([p1 p1],'min');
plant.InputName = {'mv1','mv2','ud3','ud4'};

Проектирование контроллера MPC

Определите входы 1 и 2 как управляемые переменные, 3 и 4 как неизмеренные возмущения.

plant = setmpcsignals(plant,'MV',[1 2],'UD',[3 4]);
% Create the controller object with sampling period, prediction and control
% horizons:
mpcobj = mpc(plant,1,40,2);
-->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.

Для неизмеренных входных возмущений контроллер MPC использует следующую модель неизмеренных возмущений.

distModel = eye(2,2)*ss(-.5,1,1,0);
mpcobj.Model.Disturbance = distModel;

Определение реальной модели завода, используемой в моделировании

Определите параметры фактической установки в замкнутом контуре с помощью контроллера ПДК.

p2 = tf(1.5,[0.1 1 2 1])*[1 1; 0 1];
psim = ss([p2 p2],'min');
psim = setmpcsignals(psim,'MV',[1 2],'UD',[3 4]);

Моделирование ответа по замкнутому циклу с помощью команды SIM

Определите ссылочные траектории и неизмеренные возмущения, поступающие на фактический завод.

dist = ones(1,2);   % unmeasured disturbance signal
refs = [1 2];       % output reference signal
Tf = 20;            % total number of simulation steps

Создайте объект моделирования MPC.

options = mpcsimopt(mpcobj);
options.unmeas = dist;  % unmeasured disturbance signal
options.model = psim;   % real plant model

Выполните моделирование MPC с замкнутым контуром с несоответствием модели и непредусмотренными входами непредусмотренного возмущения.

sim(mpcobj,Tf,refs,options);
-->Converting model to discrete time.
-->Assuming output disturbance added to measured output channel #1 is integrated white noise.
-->Assuming output disturbance added to measured output channel #2 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.

Figure contains 4 axes. Axes 1 contains an object of type line. These objects represent Driving inputs, MPC response1. Axes 2 contains an object of type line. These objects represent Driving inputs, MPC response1. Axes 3 contains an object of type line. These objects represent Driving inputs, MPC response1. Axes 4 contains an object of type line. These objects represent Driving inputs, MPC response1.

Figure contains 2 axes. Axes 1 contains 2 objects of type line. These objects represent Driving inputs, MPC response1. Axes 2 contains 2 objects of type line. These objects represent Driving inputs, MPC response1.

Характеристики отслеживания по замкнутому контуру допустимы при наличии неизмеренных возмущений.

См. также

Связанные темы