getEstimator

Получите усиления Калмана и модель для проекта оценщика

Синтаксис

[L,M] =
getEstimator(MPCobj)

[L,M,A,Cm,Bu,Bv,Dvm]
= getEstimator(MPCobj)

[L,M,model,index]
= getEstimator(MPCobj,'sys')

Описание

пример

[L,M] = getEstimator(MPCobj) извлекает усиления Калмана, используемые оценщиком состояния в прогнозирующем контроллере модели. Оценщик обновляет состояния внутреннего объекта, нарушения порядка и модели шума в начале каждого интервала контроллера.

пример

[L,M,A,Cm,Bu,Bv,Dvm] = getEstimator(MPCobj) также возвращает системные матрицы, используемые для вычисления коэффициентов усиления оценщика.

[L,M,model,index] = getEstimator(MPCobj,'sys') возвращает представление в пространстве состояний LTI системы, используемой для проекта оценщика состояний, и структуру, суммирующую типы сигналов ввода-вывода системы.

Примеры

свернуть все

Извлечение параметров для оценки состояния

Открыть Live Script

Объект является стабильной, дискретной моделью пространства состояний LTI с четырьмя состояниями, тремя входами и тремя выходами. Манипулируемые переменные являются входами 1 и 2. Вход 3 является неизмеренным нарушением порядка. Выходы 1 и 3 измеряются. Вывод 2 не измерен.

Создайте модель объекта управления и задайте сигналы для MPC.

rng(1253)              % For repeatable results
Plant = drss(4,3,3);    
Plant.Ts = 0.25;
Plant = setmpcsignals(Plant,'MV',[1,2],'UD',3,'MO',[1 3],'UO', 2);
Plant.d(:,[1,2]) = 0;

Последняя команда заставляет объект удовлетворить предположение об отсутствии прямого сквозного соединения.

Вычислите прогнозирующий контроллер модели по умолчанию для этого объекта.

MPCobj = mpc(Plant);

-->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.
   for output(s) y1 y3 and zero weight for output(s) y2

Получите параметры, которые будут использоваться при оценке состояния.

[L,M,A,Cm,Bu,Bv,Dvm] = getEstimator(MPCobj);

-->The "Model.Disturbance" property of "mpc" object is empty:
   Assuming unmeasured input disturbance #3 is integrated white noise.
-->Assuming output disturbance added to measured output channel #1 is integrated white noise.
   Assuming no disturbance added to measured output channel #3.
-->The "Model.Noise" property of the "mpc" object is empty. Assuming white noise on each measured output channel.

На основе уравнения состояния оценщика полюсы оценщика задаются собственными значениями A - L*Cm. Вычислите и отобразите полюса.

Poles = eig(A - L*Cm)

Poles = 6×1

   -0.7467
   -0.5019
    0.0769
    0.4850
    0.8825
    0.8291

Подтвердите, что оценка по умолчанию асимптотически стабильна.

max(abs(Poles))

ans = 0.8825

Это значение меньше 1, поэтому оценщик асимптотически стабилен.

Проверьте, что в этом случае L = A*M.

L - A*M

ans = 6×2
10^-15 ×

    0.3608    0.1665
    0.1527   -0.0555
   -0.1388   -0.0139
   -0.1110   -0.0486
   -0.2151         0
   -0.0971   -0.0555

Входные параметры

свернуть все

`MPCobj` - контроллер MPC
Объект контроллера MPC

MPC- контроллера, заданный как объект контроллера MPC. Используйте mpc Команда для создания контроллера MPC.

Выходные аргументы

свернуть все

`L` - матрица усиления Калмана для обновления времени
матрица

Матрица усиления Калмана для обновления времени, возвращенная как матрица. Размерности L _nx -by - _nym, где nx - общее количество состояний контроллера, и _nym - количество измеренных выходов.

`M` - матрица усиления Калмана для обновления измерения
матрица

Матрица усиления Калмана для обновления измерения, возвращенная как матрица. Размерности L _nx -by - _nym, где nx - общее количество состояний контроллера, и _nym - количество измеренных выходов.

`A,Cm,Bu,Bv,Dvm` - Системные матрицы
матрицы

Системные матрицы, используемые для вычисления коэффициентов усиления оценщика, возвращаются как матрицы различных размерностей. Для определений этих системных матриц смотрите Уравнения оценки состояния.

`model` - Система, используемая для оценки состояния проекта
модель пространства состояний

Система, используемая для проекта оценщика состояния, возвращенная как пространство состояний (ss) модель. Вход в model - сигнал вектора, содержащий следующие компоненты, объединенные в следующем порядке:

Манипулированные переменные
Измеренные переменные нарушения порядка
1
Входы шума для моделей возмущения
Входы шума для модели шума измерения

Количество входных входов шума зависит от моделей нарушения порядка и измерения шума в MPCobj. Для шума категории, входов для моделей возмущения, входов к модели возмущения входа (если она есть) предшествуют тем, кто входит в модель возмущения результата (если она есть). Постоянный вход 1 учитывает неравновесные номинальные значения (см. Моделирование MPC).

Чтобы выполнить расчет коэффициентов усиления L и M более устойчивые, аддитивные входы белого шума приняты, чтобы повлиять на манипулируемые переменные и измеренные нарушения порядка (см. Оценка состояния контроллера). Эти входные входы белого шума не включены в model.

`index` - Местоположения переменных в модели
структура

Местоположения переменных во входах и выходах model. Структура суммирует эти местоположения со следующими полями и значениями.

Имя поля	Значение
`ManipulatedVariables`	Индексы манипулируемых переменных в вход векторе `model`.
`MeasuredDisturbances`	Индексы измеренных входов нарушений порядка в вход векторе `model`.
`Offset`	Индекс константы входа 1 в векторе входа `model`.
`WhiteNoise`	Индексы немеренных нарушений порядка входов в вход векторе `model`.
`MeasuredOutputs`	Индексы измеренных выходов в выходном векторе `model`.
`UmeasuredOutputs`	Индексы немеренных выходов в выходном векторе `model`.

Алгоритмы

свернуть все

Уравнения оценки состояния

В целом состояния контроллера не измерены и должны быть оценены. По умолчанию контроллер использует установившийся фильтр Калмана, который выводится из наблюдателя состояния. Для получения дополнительной информации см. «Оценка состояния контроллера».

В начале k-го интервала управления состояние контроллера оценивается следующими шагами:

Получите следующие данные:
- _xc (k | k -1) - оценка состояния контроллера из предыдущих контрольных интервалов, k -1
- u^act(k -1) - Манипулируемая переменная (MV), фактически используемая на объекте с k-1 по k (принятая константа)
- u^opt(k -1) - Оптимальное СН, рекомендованное MPC и принятое к использованию на объекте от k -1 до k
- v (k) - Токовые измеренные нарушения порядка
- _ym ₍k) - Токовые выходы измеряемого объекта
- _Bu, _Bv - Столбцы B параметра наблюдателя, соответствующих u (k) и v (k) входам
- _Cm - Строки параметра наблюдателя C, соответствующего измеренным выходам объекта
- _Dmv - Строки и столбцы D параметра наблюдателя, соответствующих измеренным выходам объекта и измеренным входам нарушения порядка
- L, M - матрицы усиления Константа Калмана
Входной и выходной сигналы объекта масштабируются, чтобы быть безразмерными перед использованием в вычислениях.
Пересмотрите _xc (k | k -1), когда u^act(k -1) и u^opt(k -1) отличаются.
$x_{c}^{r e v} (k | k - 1) = x_{c} (k | k - 1) + B_{u} [u^{a c t} (k - 1) - u^{o p t} (k - 1)]$
Вычислите нововведение.
$e (k) = y_{m} (k) - [C_{m} x_{c}^{r e v} (k | k - 1) + D_{m v} v (k)]$
Обновите оценку состояния контроллера, чтобы принять во внимание последние измерения.

$x_{c} (k | k) = x_{c}^{r e v} (k | k - 1) + M e (k)$
Затем программное обеспечение использует _xc оценки текущего состояния (k | k), чтобы решить квадратичную программу с интервалом k. Решение является u^opt(k), рекомендуемое MPC значение переменной с манипуляциями, которое будет использоваться между контрольными интервалами k и k + 1.
Наконец, программное обеспечение готовится к следующему интервалу управления, принимая, что неизвестные входы _wid (k), _wod (k) и wn (k) принимают их среднее значение (ноль) между временами k и k + 1. Программное обеспечение предсказывает влияние известных входов и инноваций следующим образом:
$x_{c} (k + 1 | k) = A x_{c}^{r e v} (k | k - 1) + B_{u} u^{o p t} (k) + B_{v} v (k) + L e (k)$

См. также

getindist | getoutdist | mpc | mpcstate | setEstimator

Темы

Введенный в R2014b

Документация

getEstimator

Синтаксис

Описание

Примеры

Извлечение параметров для оценки состояния

Входные параметры

`MPCobj` - контроллер MPC
Объект контроллера MPC

Выходные аргументы

`L` - матрица усиления Калмана для обновления времени
матрица

`M` - матрица усиления Калмана для обновления измерения
матрица

`A,Cm,Bu,Bv,Dvm` - Системные матрицы
матрицы

`model` - Система, используемая для оценки состояния проекта
модель пространства состояний

`index` - Местоположения переменных в модели
структура

Алгоритмы

Уравнения оценки состояния

См. также

Темы

Документация Model Predictive Control Toolbox

Поддержка

Документация

getEstimator

Синтаксис

Описание

Примеры

Извлечение параметров для оценки состояния

Входные параметры

MPCobj - контроллер MPC Объект контроллера MPC

Выходные аргументы

L - матрица усиления Калмана для обновления времени матрица

M - матрица усиления Калмана для обновления измерения матрица

A,Cm,Bu,Bv,Dvm - Системные матрицы матрицы

model - Система, используемая для оценки состояния проекта модель пространства состояний

index - Местоположения переменных в модели структура

Алгоритмы

Уравнения оценки состояния

См. также

Темы

Документация Model Predictive Control Toolbox

Поддержка

`MPCobj` - контроллер MPC
Объект контроллера MPC

`L` - матрица усиления Калмана для обновления времени
матрица

`M` - матрица усиления Калмана для обновления измерения
матрица

`A,Cm,Bu,Bv,Dvm` - Системные матрицы
матрицы

`model` - Система, используемая для оценки состояния проекта
модель пространства состояний

`index` - Местоположения переменных в модели
структура