模型预测控制4-MIMO-Example

第七章模型预测控制算法

之二~5-状态方程模型杨根科上海交通大学自动化系2011年3月第7章模型预测控制4-MIMO-Example内容提要概述动态矩阵控制---状态方程模型动态矩阵控制的进一步讨论模型算法控制应用第7章模型预测控制4-MIMO-Example动态矩阵控制---状态方程模型Matlab6.5---参考MPC.pdfMatlab7.1---在线第7章模型预测控制4-MIMO-Example动态矩阵控制---参数设置对性能作用MPCControlofaDCServomotor第7章模型预测控制4-MIMO-Example动态矩阵控制---未建模动态对性能作用ApositionservomechanismconsistsofaDCmotor,gearbox,elasticshaft,andaload,参数含义第7章模型预测控制4-MIMO-Example动态矩阵控制---参数设置对性能作用参数含义第7章模型预测控制4-MIMO-Example动态矩阵控制---参数设置对性能作用参数含义Thecontrollermustsettheload'sangularpositionqLatadesiredvaluebyadjustingtheappliedvoltage,V.measurementavailableforfeedbackisqL.Fromaninput/outputviewpoint,theplanthasasingleinput,V,whichismanipulatedbythecontroller.Ithastwooutputs,onemeasuredandfeadbacktothecontroller,qL,andoneunmeasured,T.第7章模型预测控制4-MIMO-Example动态矩阵控制---参数设置对性能作用Asingleinput,V,onemeasuredandfeadbacktothecontroller,qL,andoneunmeasured,T.第7章模型预测控制4-MIMO-Example动态矩阵控制---参数设置对性能作用第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-SimulinkDesign第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-SIMO模型描述参数与模型设计MpcMotorModel.m第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-模型描述SYS=SS(A,B,C,D)createsaSSobjectSYSrepresentingthecontinuous-timestate-spacemodeldx/dt=Ax(t)+Bu(t)y(t)=Cx(t)+Du(t)第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-模型描述sys

a=x1x2x3x4x10100x2-51.21-12.560x30001x41280-6.401-10.2

b=u1x10x20x30x41

c=x1x2x3x4y11000y212800-64.010

d=u1y10y20

第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-模型描述umin=-220;umax=220;%控制约束dumin=-Inf;dumax=Inf;%控制增量约束ymin=-ymax;ymax=[InfVmax];%输出约束%Vmax=tauam*pi*dshaft^3/16=78.5;%MaximumadmissibletorqueTs=0.1;Tstop=200*Ts;uweight=0;duweight=.05;yweight=10*[10];%y2转矩没有权系数第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-模型描述备注：下面文件单独键入运行界面ManipulatedVariables=struct('Min',umin,'Max',umax,'Units','V');OutputVariables(1)=struct('Min',-Inf,'Max',Inf,'Units','rad');OutputVariables(2)=struct('Min',Vmin,'Max',Vmax,'Units','Nm');Weights=struct('Input',uweight,'InputRate',duweight,'Output',yweight);clearModelModel.Plant=sys;Model.Plant.OutputGroup={1'Measured';2'Unmeasured'};PredictionHorizon=10;ControlHorizon=2;第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-模型描述CreateMPCobjectinworkspaceServoMPC=mpc(Model,Ts,PredictionHorizon,ControlHorizon);ServoMPC.Weights=Weights;ServoMPC.ManipulatedVariables=ManipulatedVariables;ServoMPC.OutputVariables=OutputVariables;第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-参数设置对性能作用仿真运行Simulink仿真mpc_motor.m第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-Simulink仿真第7章模型预测控制4-MIMO-ExampleMPCControlofaDCServomotor-Analysis仿真运行Simulink仿真mpc_motor.m第7章模型预测控制4-MIMO-Example动态矩阵控制---扰动情形扰动情形分析MPCControlofaMulti-InputSingle-Outputsystemmpc_misonoise第7章模型预测控制4-MIMO-Example动态矩阵控制---例子2状态方程模型sys=ss(tf({1,1,1},{[1.51],[11],[.7.51]}),'min');tf({1,1,1},{[1.51],[11],[.7.51]})？第7章模型预测控制4-MIMO-Example动态矩阵控制---例子（离散）状态方程模型Ts=.2;%samplingtimemodel=c2d(sys,Ts);%predictionmodel第7章模型预测控制4-MIMO-Example动态矩阵控制---例子与阶跃响应模型关系step(model)第7章模型预测控制4-MIMO-Example动态矩阵控制---例子阶跃响应模型S=step(model)

？S=[S(:,:,1),S(:,:,2),S(:,:,3)]？S(k,j,i),时间k，输出j，输入i第7章模型预测控制4-MIMO-Example动态矩阵控制---可测/不可测系统输入Definetypeofinputsignals:thefirstsignalisamanipulatedvariable,thesecondsignalisameasureddisturbance,thethirdoneisanunmeasureddisturbancemodel=setmpcsignals(model,'MV',1,'MD',2,'UD',3);第7章模型预测控制4-MIMO-Example动态矩阵控制---可测/不可测系统输入DefinethestructureofmodelsusedbytheMPCcontrollerModel=[];%resetstructureModelModel.Plant=model;第7章模型预测控制4-MIMO-Example动态矩阵控制---例子%Disturbancemodel:Integratordrivenbywhitenoisewithvariance=1000Model.Disturbance=tf(sqrt(1000),[10]);p=40;m=3;MPCobj=mpc(Model,Ts,p,m);MPCobj.MV=struct('Min',0,'Max',1,'RateMin',-10,'RateMax',10);第7章模型预测控制4-MIMO-Example动态矩阵控制---例子Thecontinuous-timeplanttobecontrolledhasthefollowingstate-spacerealization:[A,B,C,D]=ssdata(sys);第7章模型预测控制4-MIMO-Example动态矩阵控制---例子Nowsimulateclosed-loopMPCinSimulinkTstop=30;%Simulationtimempc_miso解释：t=10,20时加入可测/不可测系统输入的动态特性第7章模型预测控制4-MIMO-Example动态矩阵控制---例子mpc_miso第7章模型预测控制4-MIMO-Example动态矩阵控制---可测测量干扰%Let'ssayweknowthatoutputmeasurementsareaffectedbyasinusoidal%measurementnoiseoffrequency0.1Hz.WewanttoinformtheMPCobject%aboutthissothatstateestimatescanbeimprovedomega=2*pi/10;MPCobj.Model.Noise=0.5*tf(omega^2,[10omega^2]);%%%WealsorevisedtheMPCdesignMPCobj.Model.Disturbance=.1;%Modelforunmeasureddisturbance=whiteGaussiannoisewithzeromeanandvariance0.01MPCobj.weights=struct('MV',0,'MVRate',0.1,'OV',.005);MPCobj.predictionhorizon=40;MPCobj.controlhorizon=3;

第7章模型预测控制4-MIMO-Example动态矩阵控制---可测测量干扰

备注-前1：sys=ss(tf({1,1,1},{[1.51],[11],[.7.51]}),'min');Ts=.2;%samplingtimemodel=c2d(sys,Ts);%predictionmodelmodel=setmpcsignals(model,'MV',1,'MD',2,'UD',3);Model=[];%resetstructureModelModel.Plant=model;%Disturbancemodel:Integratordrivenbywhitenoisewithvariance=1000Model.Disturbance=tf(sqrt(1000),[10]);第7章模型预测控制4-MIMO-Example动态矩阵控制---可测测量干扰

备注-前2：Model.Disturbance=tf(sqrt(1000),[10]);p=[];m=3;MPCobj=m