Настраивающие веса выходной переменной, которые заменяют Weights.OutputVariables свойство контроллера во время выполнения в виде вектора-строки или матрицы неотрицательных значений.

Чтобы использовать те же веса через горизонт предсказания, задайте вектор-строку из длины _Ny, где _Ny является количеством выходных переменных.

Чтобы варьироваться настраивающиеся веса по горизонту предсказания со времени k +1 ко времени k +p, задайте массив со столбцами _Ny и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит настраивающие веса выходной переменной для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, веса в итоговой строке используются для остающихся шагов горизонта предсказания.

Переменные настраивающие веса, которыми управляют, которые заменяют Weights.ManipulatedVariables свойство контроллера во время выполнения в виде вектора-строки или матрицы неотрицательных значений.

Чтобы использовать те же веса через горизонт предсказания, задайте вектор-строку из длины _Nmv, где _Nmv является количеством переменных, которыми управляют.

Чтобы варьироваться настраивающиеся веса по горизонту предсказания со времени k ко времени k +p-1, задайте массив со столбцами _Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит переменные настраивающие веса, которыми управляют, для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, веса в итоговой строке используются для остающихся шагов горизонта предсказания.

Настраивающие веса с плавающей ставкой, которыми управляют, которые заменяют Weights.ManipulatedVariablesRate свойство контроллера во время выполнения в виде вектора-строки или матрицы неотрицательных значений.

Чтобы использовать те же веса через горизонт предсказания, задайте вектор-строку из длины _Nmv, где _Nmv является количеством переменных, которыми управляют.

Чтобы варьироваться настраивающиеся веса по горизонту предсказания со времени k ко времени k +p-1, задайте массив со столбцами _Nmv и до строк p. Здесь, k является текущим временем, и p является горизонтом предсказания. Каждая строка содержит настраивающие веса с плавающей ставкой, которыми управляют, для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, веса в итоговой строке используются для остающихся шагов горизонта предсказания.

Ослабьте переменный настраивающий вес, который заменяет Weights.ECR свойство контроллера во время выполнения в виде положительной скалярной величины.

Нижние границы выходной переменной в виде вектора-строки из длины _Ny или матрица со столбцами _Ny, где _Ny является количеством выходных переменных. OutputMin(:,i) заменяет OutputVariables(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 выходной переменной в виде вектора-строки из длины _Ny или матрица со столбцами _Ny, где _Ny является количеством выходных переменных. OutputMax(:,i) заменяет OutputVariables(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.

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.

Переменная, которой управляют, предназначается в виде вектора-строки из длины _{для Nmv} или матрицы со столбцами _Nmv, где _Nmv является количеством переменных, которыми управляют.

Чтобы использовать те же переменные цели, которыми управляют, через горизонт предсказания, задайте вектор-строку.

Чтобы варьироваться цели по горизонту предсказания (предварительный просмотр) 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 цели для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, итоговые цели используются для остающихся шагов горизонта предсказания.

Значения параметров, используемые моделью предсказания, пользовательской функцией стоимости и пользовательскими ограничениями в виде вектора ячейки с длиной, равняются Model.NumberOfParameters свойство контроллера. Если у контроллера нет параметров, то Parameters должен быть {}.

Контроллер, nlmpcobj, передачи эти параметры к:

Порядок параметров должен совпадать с порядком, заданным для этих функций.

Исходные предположения для оптимальных решений состояния в виде вектора-строки из длины _Nx или матрица со столбцами _Nx, где _Nx является количеством состояний.

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

Чтобы варьироваться исходные предположения 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 исходные предположения для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, итоговые предположения используются для остающихся шагов горизонта предсказания.

Если X0 [], исходные предположения по умолчанию являются текущими состояниями модели предсказания (x входной параметр к nlmpcmove).

В общем случае во время симуляции с обратной связью, вы не задаете X0 самостоятельно. Вместо этого при вызове nlmpcmove, возвратите opt выходной аргумент, который является nlmpcmoveopt объект. opt.X0 содержит расчетные оптимальные траектории состояния как исходные предположения. Можно затем передать opt в как options входной параметр к nlmpcmove для следующего контрольного интервала. Эти шаги являются лучшей практикой, даже если вы не задаете никакие другие опции во время выполнения.

Исходные предположения для оптимальных переменных решений, которыми управляют, в виде вектора-строки из длины _Nmv или матрица со столбцами _Nmv, где _Nmv является количеством переменных, которыми управляют.

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

Чтобы варьироваться исходные предположения 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 исходные предположения для одного шага горизонта предсказания. Если вы задаете меньше, чем строки p, итоговые предположения используются для остающихся шагов горизонта предсказания.

Если MV0 [], исходные предположения по умолчанию являются управляющими сигналами, используемыми на объекте в предыдущем контрольном интервале (lastmv входной параметр к nlmpcmove).

В общем случае во время симуляции с обратной связью, вы не задаете MV0 самостоятельно. Вместо этого при вызове nlmpcmove, возвратите opt выходной аргумент, который является nlmpcmoveopt объект. opt.MV0 содержит расчетные оптимальные переменные траектории, которыми управляют, как исходные предположения. Можно затем передать opt в как options входной параметр к nlmpcmove для следующего контрольного интервала. Эти шаги являются лучшей практикой, даже если вы не задаете никакие другие опции во время выполнения.

Исходное предположение для слабой переменной в решении в виде неотрицательного скаляра. Если Slack0 [], исходным предположением по умолчанию является 0.

В общем случае во время симуляции с обратной связью, вы не задаете Slack0 самостоятельно. Вместо этого при вызове nlmpcmove, возвратите opt выходной аргумент, который является nlmpcmoveopt объект. opt.Slack содержит расчетную слабую переменную как исходное предположение. Можно затем передать opt в как options входной параметр к nlmpcmove для следующего контрольного интервала. Эти шаги являются лучшей практикой, даже если вы не задаете никакие другие опции во время выполнения.