属性创建控制器对象时,默认情况下MPC.
命令,不存在约束。要包含约束,请设置相应的控制器属性。下表总结了用于定义大多数MPC约束的控制器属性。(MV =工厂操纵变量; OV =植物输出变量; MV递增=u(k) -u(k- 1)。
约束 | 控制器属性 | 制约柔和 |
---|---|---|
下限我th MV | MV(i).min> -inf |
MV(i).minecr> 0 |
上限我th MV | mv(i).max |
MV(i).maxecr> 0 |
下限我ov. | ov(i).min> -inf |
ov(i).minecr> 0 |
上限我ov. | 机汇(我)。马克斯<正 |
ov(i).maxecr> 0 |
下限我th mv增量 | MV(i).ratemin> -inf |
mv(i).rateminecr> 0 |
上限我th mv增量 | MV (i)。RateMax <正 |
MV(i).Ratemaxecr> 0 |
属性设置控制器约束属性MPC设计师应用程序,在调整选项卡上,单击约束。在“约束”对话框中,指定约束值。
看到约束对于描述相应约束条件的方程。
MV界限:
包括植物MVS的已知物理限制作为硬MV限制。
当有更改速率存在已知的物理限制时,包括MV增量界限,或者您的应用程序要求您以其他原因防止大量增量。
不要在同一MV上包含两个硬MV限制和硬MV增量界面,因为它们可以冲突。如果两种类型的界限都很重要,则软化一个。
对于OV边界:
难的约束是二次规划(QP)解必须满足的约束。如果数学上不可能在给定的控制区间满足硬约束,k, QP是不可行。在这种情况下,控制器返回一个错误状态,并将操作变量(mv)设置为u(k) =u(k-1),也就是说,没有变化。如果无法解决导致不可行的情况,则无法无限期地继续使用,导致控制丧失。
在实际应用中,干扰和预测误差是不可避免的。因此,约束冲突可能会在工厂中发生,即使控制器预测不是这样。一个可行的QP解并不能保证在电站使用最优MV时满足所有的硬约束。
如果应用程序中唯一的约束是MV的界限,则MV边界可能是硬约束,因为它们是默认值。单独的MV限制不能引起不可行度。当唯一的约束是在MV增量时也是如此。
然而,具有硬质MV增量约束的硬MV可以导致不可发挥作用。例如,手动控制下的镦粗或操作可能导致工厂中使用的实际MV超过间隔期间的指定绑定k-1。如果控制器在间隔期间是自动的k,它必须将MV返回到硬边界内的值。如果MV超过了界限太多,硬增量约束可以使纠正下一个区间的界限违规不可能。
如果植物受干扰,并且存在硬输出限制或硬混合输入 - 输出约束,则QP的不可行结构是一种独特的可能性。
所有模型预测控制工具箱™约束(松弛变量非负性除外)都可以是软。当一个约束是软的,控制器可以认为MV最优,即使它预测违反该约束。如果所有的工厂输出、MV增量和自定义约束都是软的(因为它们是默认的),QP不可行性就不会发生。然而,控制器的性能可能不合格。
为了软化约束,将放宽(ECR)值设置为正值(ZERO意味着硬约束)。ECR值越大,控制器的可能性越有可能最佳地违反约束,以满足您的其他性能目标。模型预测控制工具箱软件提供默认的ECR值,但是对于成本函数权重,您可能需要调整ECR值以实现可接受的性能。
为了理解约束软化是如何工作的,假设你的成本函数使用 ,给出MV和MV的成本函数中的零重量。只有输出参考跟踪和约束违规术语都是非零的。在这种情况下,成本函数是:
假设您还指定了硬MV限制 和 。然后这些约束简化为:
因此,松弛变量,ε.k,不再出现在上述等式中。您还在工厂输出上指定了软限制 和 。
现在,假设一个干扰使一个设备的输出超过其指定的上界,但是具有硬输出约束的QP是可行的,即在QP解中可以避免所有违反约束的情况。QP涉及到输出引用跟踪和约束违反之间的权衡。松弛变量,ε.k,必须是非负的。它在成本函数中的出现阻碍而不是阻止最优ε.k> 0.更大ρε.然而,体重增加了最佳的可能性ε.k将是小的或零。
如果最优ε.k> 0,至少一个绑定的不等式必须是活动的(在平等时)。相对较大 使它更容易满足约束与小ε.k。在这种情况下,
可以更大,而不超过
注意 没有设置约束违规的上限。相反,它是一个调谐因子,确定软限制是否容易或难以满足。
使用无量纲变量简化了约束调整。为每个工厂输入和输出变量定义适当的比例因子。看到指定比例因子。
为了指示可容许违规的相对幅度,请使用与每个约束相关联的ECR参数。粗略的指导方针如下:
0 -不允许违反(硬约束)
0.05 -允许很小的违例(几乎很难)
0.2 - 允许小违规行为(非常努力)
1 -平均柔软度
5 -允许超过平均水平的违例(相当温和)
20 - 允许大规模的违规(非常柔软)
使用控制器的整体约束软化参数(控制器对象属性:权重..
)来惩罚相对于其他成本函数项的可容忍的软约束违反。设置权重..
财产使得相应的罚款是比其他三个成本函数术语的典型总和为1-2的数量级。如果在仿真测试期间约束违规似乎太大,请尝试增加权重..
乘以2-5。
但是,要注意,这个数字太大了权重..
扭曲MV优化,导致约束违规时的不合适的MV调整。要检查此项,请在仿真期间显示成本函数值。如果当发生约束违规时,如果其幅度增加超过2个数量级,请考虑降低权重..
。
干扰和预测误差会导致实际系统中意外的约束违反。试图通过增加约束的难度来防止这些违反通常会降低控制器性能。