理解模型预测控制

在本系列中，您将了解模型预测控制(MPC)是如何工作的，并将发现这种多变量控制技术的好处。

MPC使用系统模型来预测系统未来的行为。MPC解决了一种在线优化算法，以找到最优控制动作，驱动预测输出到参考。MPC可以处理输入和输出之间可能存在交互的多输入多输出系统。它还可以处理输入和输出约束。MPC具有预览功能;它可以将未来的参考信息整合到控制问题中，以提高控制器的性能。

本系列还讨论了MPC设计参数，如控制器采样时间、预测和控制范围、约束条件和权重。它还提供了选择这些参数的建议。您将了解自适应、增益调度和非线性MPC，并将获得减少MPC计算复杂度并更快运行它的实现技巧。

最后，该系列演示了在MATLAB中设计MPC控制器的例子^®和仿真软金宝app件^®．

第一部分:为什么使用MPC?了解模型预测控制(MPC)。MPC处理具有输入-输出交互的MIMO系统，处理约束条件，具有预览功能，并被用于汽车和航空等行业。

第二部分:什么是MPC?了解模型预测控制(MPC)是如何工作的。MPC使用工厂的模型来预测未来工厂的产量。它在每个时间步中解决一个优化问题，找到最优的控制动作，使预测装置的输出尽可能接近期望的参考值。

第三部分:MPC设计参数为了成功地使用MPC控制系统，需要仔细地选择设计参数。了解如何选择控制器采样时间、预测和控制范围，以及约束和权重。

第4部分:自适应，增益计划和非线性MPC了解MPC控制器的类型，您可以使用基于您的工厂模型，约束条件和成本函数。选项包括线性时不变、自适应、增益计划和非线性MPC。

第五部分:如何使MPC运行得更快学习哪些技术可以让MPC运行得更快。该视频概述了一些方法，如显式MPC和次优解决方案，您可以为您的应用程序实现小样本时间。

第六部分:如何用Simulink和模型预测控制工具箱设计MPC控制器金宝app学习如何使用模型预测控制工具箱为自动驾驶汽车转向系统设计MPC控制器。

基于Simulink和模型预测控制工具箱的自适应MPC设计金宝app学习如何使用自适应MPC处理变化的植物动态。本视频使用一个自动转向车辆系统的例子来演示控制器的设计。

基于模型预测控制工具箱和FORCESPRO的非线性MPC设计学习如何使用模型预测控制工具箱和Embotech FORCESPRO求解器为自动驾驶应用程序设计非线性MPC控制器。