明确的政策委员会
传统模型预测控制器在每个控制区间求解二次规划(QP)，以确定最优操纵变量(MV)调整。这些调整就是隐式非线性函数的解u＝f（x）.
向量x包含当前控制器状态和其他影响QP解决方案的自变量，如当前输出参考值。模型预测控制工具箱(Model Predictive Control Toolbox™)软件施加限制，强制使用唯一的QP解决方案。
找到最优MV调整可能是耗时的，所需的时间可以从一个控制间隔到下一个显著不同。在需要在一定的一致时间内(可能在微秒级)求解的应用中，隐式MPC方法可能不适合。
如优化问题，如果给定的QP不等式约束不活跃x向量，那么最优MV调整就变成了的时不变仿射函数x：
在那里,F而且G是常数。类似地,如果x保持在一个固定的不等式约束子集是活动的区域，QP解也是的仿射函数x，但有不同的F而且G常量。
显式MPC使用离线计算来确定所有多面体区域，其中最优MV调整是仿射函数x，和相应的控制律常数。当控制器实时工作时，显式MPC控制器在每个控制瞬间执行以下步骤，k：
与传统MPC一样，使用可用的测量来估计控制器状态。
形式x（k)使用估计状态和其他自变量的当前值。
确定所在的区域x（k)驻留。
查找预定的F而且G这个区域的常数。
求线性函数的值u（k) =外汇（k) +G．
您可以为每一步所需的时间建立一个严格的上限。如果区域的数量不是很大，总的计算时间可以很短。然而，随着区域数量的增加，步骤3所需的时间占主导地位，存储所有线性控制律和多面体区域所需的内存变得过多。具有特征的区域的数目u＝f（x)主要取决于在解决方案中可能活跃的QP不等式约束的数量。如果显式MPC控制器有很多约束，因此需要大量的计算工作或内存，那么传统的隐式实现可能更可取。
相关的话题
您也可以从以下列表中选择一个网站: