主要内容

自适应政策委员会

当使用自适应MPC

MPC控制预测未来行为使用一个线性时不变(LTI)动态模型。在实践中,这样的预测从来都不是准确的,和一个关键的优化目标是使货币政策委员会对预测错误。在许多应用程序中,这种方法可以满足鲁棒控制器的性能。

如果核电站强烈非线性或其特征随时间急剧变化,LTI预测精度会降低,MPC性能变得不可接受。适应性政策委员会可以通过调整解决这一退化改变操作条件的预测模型。实现的模型预测控制工具箱™软件,适应MPC使用一个固定的模型结构,但允许模型参数随时间演变。理想情况下,当控制器需要预测(在每个控件的开始时间间隔),它使用一个模型适合当前的情况。

你设计一个MPC控制器后的平均或最有可能的操作条件的控制系统,可以实现自适应MPC控制器基于这个设计。对于初始控制器的设计信息,明白了控制器创建。

在每个控制区间,自适应MPC控制器更新植物模型和名义上的条件。一旦更新,模型预测地平线和条件保持不变。如果你能预测未来的植物和名义条件各不相同,您可以使用时变MPC指定一个模式变化预测地平线。

非线性或时变控制植物的另一个选项是使用gain-scheduled MPC控制。看到Gain-Scheduled MPC。)

工厂模式

使用的植物模型作为自适应MPC的基础必须是线性时不变离散时间,状态方程模型。看到基本模型或线性化的基础(金宝app仿真软件控制设计)为创建和修改这些系统的信息。植物模型结构如下:

x ( k + 1 ) = 一个 x ( k ) + B u u ( k ) + B v v ( k ) + B d d ( k ) y ( k ) = C x ( k ) + D v v ( k ) + D d d ( k ) 。

在这里,矩阵一个,Bu,Bv,Bd,C,Dv,Dd的参数可以随时间。其他变量的表达式是:

  • k时间指数(电流控制间隔)。

  • x- - - - - -nx工厂模型。

  • u- - - - - -nu操纵输入(MVs)。这些都是一个或多个输入调整的MPC控制器。

  • v- - - - - -nv测量扰动输入。

  • d- - - - - -nd无边无际的扰动输入。

  • y- - - - - -ny植物输出,包括nym测量和n余无边无际的输出。输出的总数,ny=nym+n余。同时,nym≥1(至少有一个测量输出)。

额外要求植物模型在自适应MPC控制:

  • 样品时间(Ts)是一个常数和MPC控制间隔相同。

  • 时间延迟(如果有的话)被吸收为离散状态(见,例如,控制系统工具箱™absorbDelay功能)。

  • nx,nu,ny,nd,nym,n余都是常数。

  • 自适应MPC禁止直接通孔任何植物操纵变量输出。因此,Du= 0在上面的模型中。

  • 输入和输出信号配置保持不变。

更多细节关于MPC控制模型建立工厂,明白了线性植物规范。

名义操作点

传统的MPC控制器包括一个名义操作点的植物模型应用,如你的条件获得LTI近似线性化非线性模型。的Model.Nominal控制器的属性包含这些信息。

在自适应MPC,随着时间的发展应该更新名义操作与更新的工厂模型是一致的。

你可以写植物模型的偏离名义条件:

x ( k + 1 ) = x ¯ + 一个 ( x ( k ) − x ¯ ) + B ( u t ( k ) − u ¯ t ) + Δ x ¯ y ( k ) = y ¯ + C ( x ( k ) − x ¯ ) + D ( u t ( k ) − u ¯ t ) 。

在这里,矩阵一个,B,C,D是要更新的参数矩阵。ut是植物输入变量相结合,组成u,v,d上面定义的变量。名义条件更新:

  • x ¯ - - - - - -nx名义上的国家

  • Δ x ¯ - - - - - -nx名义状态增量

  • u ¯ t - - - - - -nut名义上的输入

  • y ¯ - - - - - -ny额定输出

状态估计

默认情况下,货币政策委员会使用一个静态的卡尔曼滤波器(KF)更新其控制器的州,其中包括nxp工厂模型,nd(≥0)扰动模型状态,nn(≥0)测量噪声模型。这KF需要两个增益矩阵,l和米。默认情况下,MPC控制器在初始化期间计算他们。他们依赖于植物、干扰和噪声模型参数,和假设关于驾驶随机噪声信号干扰和噪声模型。关于状态估计的更多细节在传统的货币政策委员会中,看到的控制器状态估计。

自适应MPC使用卡尔曼滤波器和调整收益,l和米,在每个控制间隔保持一致性与更新的工厂模型。结果是一个linear-time-varying卡尔曼滤波器(LTVKF):

l k = ( 一个 k P k | k − 1 C 米 , k T + N ) ( C 米 , k P k | k − 1 C 米 , k T + R ) − 1 米 k = P k | k − 1 C 米 , k T ( C 米 , k P k | k − 1 C 米 , k T + R ) − 1 P k + 1 | k = 一个 k P k | k − 1 一个 k T − ( 一个 k P k | k − 1 C 米 , k T + N ) l k T + 问 。

在这里,问,R,N协方差是常数矩阵定义为在MPC状态估计。一个k和Cm k为整个控制器的状态,状态方程参数矩阵定义为对传统MPC但部分植物的影响模型更新时间吗k。的值Pk|k1状态估计误差协方差矩阵的时间吗k基于信息在时间k1。最后,lk和米k是更新后的KF增益矩阵。细节的KF配方中使用传统的MPC,明白了控制器状态估计。默认情况下,初始条件,P0 | 1是静态KF解决方案之前,任何模型更新。

KF增益和状态误差协方差矩阵取决于模型参数和假设导致常数问,R,N矩阵。如果植物模型常数,表达式lk和米k收敛于等效静态KF的解决方案中使用传统的货币政策委员会。

控制器状态演化方程的时间k是相同的传统MPC中描述的KF配方吗控制器状态估计,但估计收益和状态空间矩阵更新k。

您可以选择使用过程外部更新控制器状态MPC控制器,然后供应MPC在每个控制即时更新的状态,k。在这种情况下,MPC控制器跳过所有KF和LTVKF计算。

相关的话题