getEstimator

Получите усиления Кальмана и модель для проекта средства оценки

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 Кальмана, используемые средством оценки состояния в прогнозирующем контроллере модели. Средство оценки обновляет состояния внутреннего объекта, воздействия и шумовых моделей в начале каждого интервала контроллера.

пример

[L,M,A,Cm,Bu,Bv,Dvm] = getEstimator(MPCobj) также возвращается, системные матрицы раньше вычисляли усиления средства оценки.

[L,M,model,index] = getEstimator(MPCobj,'sys') возвращает представление пространства состояний LTI системы, используемой для проекта средства оценки состояния и структуры, обобщающей типы сигнала ввода-вывода системы.

Примеры

свернуть все

Извлеките параметры для оценки состояния

Скрипт Open Live Script

Объект является устойчивой, дискретной моделью в пространстве состояний LTI с четырьмя состояниями, тремя входными параметрами и тремя выходными параметрами. Переменные, которыми управляют, являются входными параметрами 1 и 2. Введите 3, неизмеренное воздействие. Выходные параметры 1 и 3 измеряются. Выведите 2, не измерено.

Создайте модель объекта 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 обеспечивает объект, чтобы удовлетворить предположению ни о каком прямом сквозном соединении.

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 в 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 средства оценки полюса средства оценки даны 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 средство оценки по умолчанию асимптотически устойчиво.

max(abs(Poles))

ans = 0.8825

Это значение меньше 1, таким образом, средство оценки асимптотически устойчиво.

Проверьте это в этом случае, L = A*M.

L - A*M

ans = 6×2
10^-15 ×

   -0.1110   -0.2498
    0.0139         0
    0.0416   -0.0833
   -0.0416   -0.0416
   -0.0416    0.0833
   -0.2498    0.0278

Входные параметры

свернуть все

`MPCobj` — Контроллер MPC
Контроллер MPC объект

Контроллер MPC в виде контроллера MPC объект. Используйте mpc команда, чтобы создать контроллер MPC.

Выходные аргументы

свернуть все

`L` — Матрица усиления Кальмана для обновления времени
матрица

Матрица усиления Кальмана для обновления времени, возвращенного как матрица. Размерности L _nx-by-_nym, где _nx является общим количеством состояний контроллера, и _nym является количеством измеренных выходных параметров.

`M` — Матрица усиления Кальмана для обновления измерения
матрица

Матрица усиления Кальмана для обновления измерения, возвращенного как матрица. Размерности L _nx-by-_nym, где _nx является общим количеством состояний контроллера, и _nym является количеством измеренных выходных параметров.

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

Системные матрицы, используемые, чтобы вычислить усиления средства оценки, возвратились как матрицы различных размерностей. Для определений этих системных матриц смотрите уравнения Средства оценки состояния.

`model` — Система используется для проекта средства оценки состояния
модель в пространстве состояний

Система используется для проекта средства оценки состояния, возвращенного как пространство состояний (ss) модель. Вход к model векторный сигнал, включающий следующие компоненты, конкатенированные в следующем порядке:

Переменные, которыми управляют,
Измеренные переменные воздействия
1
Шум вводит к возмущениям
Шум вводит к модели шума измерения

Количество шумовых входных параметров зависит от воздействия и моделей шума измерения в MPCobj. Для входных параметров шума категории к возмущениям входные параметры к входному возмущению (если таковые имеются) предшествуют тем, которые вводят выходное возмущение (если таковые имеются). Постоянный вход, 1, счета на неравновесную номинальную стоимость (см. Модели Предсказания MPC).

Сделать вычисление усилений L и M больше устойчивых, аддитивных входных параметров белого шума принято, чтобы влиять на переменные, которыми управляют, и измеренные воздействия (см. Оценку состояния Контроллера). Эти входные параметры белого шума не включены в model.

`index` — Местоположения переменных в модели
структура

Местоположения переменных в рамках вводов и выводов model. Структура обобщает эти местоположения со следующими полями и значениями.

Имя поля	Значение
`ManipulatedVariables`	Индексы переменных, которыми управляют, во входном векторе `model`.
`MeasuredDisturbances`	Индексы измеренных входных воздействий во входном векторе `model`.
`Offset`	Индекс постоянного входа 1 во входном векторе `model`.
`WhiteNoise`	Индексы неизмеренного воздействия вводят во входном векторе `model`.
`MeasuredOutputs`	Индексы измеренных выходных параметров в выходном векторе `model`.
`UmeasuredOutputs`	Индексы неизмеренных выходных параметров в выходном векторе `model`.

Алгоритмы

свернуть все

Уравнения средства оценки состояния

В общем случае состояния контроллера не измерены и должны быть оценены. По умолчанию диспетчер использует установившийся Фильтр Калмана, который выводит от наблюдателя состояния. Для получения дополнительной информации смотрите Оценку состояния Контроллера.

В начале k th контрольный интервал, состояние контроллера оценивается со следующими шагами:

Получите следующие данные:
- _xc (k |k–1) — Контроллер утверждает оценку от предыдущего контрольного интервала, k –1
- u^act(k –1) — Переменная Manipulated (MV), на самом деле используемая на объекте от k –1 к k (принял постоянный),
- u^opt(k –1) — Оптимальный мВ, рекомендуемый MPC и принятый, чтобы использоваться на объекте от k –1 к k
- v (k) — Текущие измеренные воздействия
- _ym _(k) — Текущий измеренный объект выходные параметры
- _Bu, _Bv — Столбцы параметра наблюдателя B, соответствующий u (k) и v (k) входные параметры
- _Cm — Строки параметра наблюдателя C соответствие измеренному объекту выходные параметры
- _Dmv — Строки и столбцы параметра наблюдателя D, соответствующий измеренному объекту выходные параметры и измеренные входные параметры воздействия
- L, M — Матрицы усиления Константа Кальмана
Сигналы ввода и вывода объекта масштабируются, чтобы быть безразмерными до использования 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 инновации.
$e (k) = y_{m} (k) - [C_{m} x_{c}^{r e v} (k | k - 1) + D_{m v} v (k)]$
Обновите оценку состояния контроллера с учетом последних измерений.

$x_{c} (k | k) = x_{c}^{r e v} (k | k - 1) + M e (k)$
Затем программное обеспечение использует оценку текущего состояния _xc (k |k), чтобы решить квадратичную программу в интервале k. Решение является u^opt(k), рекомендуемое MPC управляемое значение переменных, которое будет использоваться между контрольными интервалами k и k +1.
Наконец, программное обеспечение готовится к следующему контрольному интервалу, принимающему, что неизвестные входные параметры, _wid (k), _wod (k) и _wn (k) принимают свое среднее значение (нуль) между временами k и k +1. Программное обеспечение предсказывает удар известных входных параметров и инноваций можно следующим образом:
$x_{c} (k + 1 | k) = A x_{c}^{r e v} (k | k - 1) + B_{u} u^{o p t} (k) + B_{v} v (k) + L e (k)$

Темы

Введенный в R2014b

Документация

getEstimator

Синтаксис

Описание

Примеры

Извлеките параметры для оценки состояния

Входные параметры

`MPCobj` — Контроллер MPC
Контроллер MPC объект

Выходные аргументы

`L` — Матрица усиления Кальмана для обновления времени
матрица

`M` — Матрица усиления Кальмана для обновления измерения
матрица

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

`model` — Система используется для проекта средства оценки состояния
модель в пространстве состояний

`index` — Местоположения переменных в модели
структура

Алгоритмы

Уравнения средства оценки состояния

Смотрите также

Темы

Документация Model Predictive Control Toolbox

Поддержка

Документация

getEstimator

Синтаксис

Описание

Примеры

Извлеките параметры для оценки состояния

Входные параметры

MPCobj — Контроллер MPC Контроллер MPC объект

Выходные аргументы

L — Матрица усиления Кальмана для обновления времени матрица

M — Матрица усиления Кальмана для обновления измерения матрица

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

model — Система используется для проекта средства оценки состояния модель в пространстве состояний

index — Местоположения переменных в модели структура

Алгоритмы

Уравнения средства оценки состояния

Смотрите также

Темы

Документация Model Predictive Control Toolbox

Поддержка

`MPCobj` — Контроллер MPC
Контроллер MPC объект

`L` — Матрица усиления Кальмана для обновления времени
матрица

`M` — Матрица усиления Кальмана для обновления измерения
матрица

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

`model` — Система используется для проекта средства оценки состояния
модель в пространстве состояний

`index` — Местоположения переменных в модели
структура