Этот пример показывает, как моделировать прогнозирующий контроллер модели при несоответствии между прогнозирующей моделью объекта управления и фактическим объектом.
Прогнозирующая модель объекта управления имеет 2 манипулированные переменные, 2 неизмеренных входных нарушения порядка и 2 измеренных выхода. Фактический объект имеет разную динамику.
Определите параметры номинального объекта управления, на котором основан контроллер MPC. Системы от СН до СН и УД до СН идентичны.
p1 = tf(1,[1 2 1])*[1 1; 0 1]; plant = ss([p1 p1],'min'); plant.InputName = {'mv1','mv2','ud3','ud4'};
Задайте входы 1 и 2 как манипулируемые переменные, 3 и 4 как неизмеренные нарушения порядка.
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 нарушений порядка контроллер MPC использует следующую немеризованную модель возмущения.
distModel = eye(2,2)*ss(-.5,1,1,0); mpcobj.Model.Disturbance = distModel;
Определите параметры фактического объекта в закрытом цикле с помощью контроллера MPC.
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]);
Задайте эталонные траектории и неизмеренные нарушения порядка, поступающие на фактический объект.
dist = ones(1,2); % unmeasured disturbance signal refs = [1 2]; % output reference signal Tf = 20; % total number of simulation steps
Создайте объект симуляции MPC.
options = mpcsimopt(mpcobj); options.unmeas = dist; % unmeasured disturbance signal options.model = psim; % real plant model
Запустите симуляцию MPC с обратной связью с несоответствием модели и непредвиденными неизмеренными входами нарушения порядка.
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.
Закрытый цикл эффективности слежения приемлема при наличии неизмеренных нарушений порядка.