F = L2 + I2 + 0.5*B1*u1^2 + 0.5*B2*u2^2

函数[zopt，cost，ExitFlag] =抵制（乐趣，Z0，A，B，AEQ，BEQ，LB，UB，非林肯）%这是一个接口函数，调用XYZ非线性编程％求解器解决NLMPC控制器定义的NLP问题。这此函数的％输入和输出定义与Fmincon相同。％％此接口功能将Fmincon输入转换为所需的格式XYZ求解器的％并将结果转换回Fmincon输出。％%的输入％有趣：非线性成本。有趣接受输入Z（决策variabls）和%返回代价f(在z处求值的标量值)及其％梯度g（在z时评估的NZ-BY-1载体）。% z0: z的初始猜想％a，b：a * z <= b% Aeq,说真的:Aeq * z = =说真的％LB，UB：Z的下限和上限％非林肯：非线性约束。nonlilincon接受输入z并返回％vector c和ceq作为前两个输出，代表％非线性不等式和平等分别在哪里将％乐趣最小化为C（Z）<= 0且CEQ（z）= 0。％nonlincon还返回c的雅各族矩阵（nz-by-ncin%稀疏矩阵)和Ceq(一个nz-by-nceq稀疏矩阵)。％%输出z的最优解％成本：最佳z的最佳成本% exitflag:% 1满足一阶最优性条件。% 0函数求值或迭代太多。% -1停止输出/绘图功能。% 2没有找到可行点。％％您可以将此示例用作模板以实现接口文件%你自己的NLP解决方案。程序上的解算器必须是M文件或MEX文件％matlab路径。％％不要编辑上面的行。％版权所有2018 The MathWorks, Inc.直线和非线性约束的%%设定尺寸信息num_lin_ineq = size（a，1）;num_lin_eq = size（aeq，1）;[In，EQ] =非林肯（Z0）;num_non_ineq =长度（in）;num_non_eq =长度（eq）;总计= num_non_ineq + num_non_eq + num_lin_ineq + num_lin_eq;Logicals_nlineq = false（总，1）;Logicals_nlineq（1：num_non_ineq）= true;Logicals_nleq = false（总，1）;Logicals_nleq（num_non_ineq +（1：num_non_eq））= true; logicals_ineq = false(total,1); logicals_ineq(num_non_ineq+num_non_eq+(1:num_lin_ineq)) = true; logicals_eq = false(total,1); logicals_eq(num_non_ineq+num_non_eq+num_lin_ineq+(1:num_lin_eq)) = true; options = struct('nlineq'logicals_nlineq,“nleq”，logicals_nleq，．..“ineq”，logicals_ineq，'eq'，logicals_eq）;%%设置决策变量边界选项。磅=磅;选项。乌兰巴托=乌兰巴托;%%设置非线性约束的RHSoptions.cl = [-inf（num_non_ineq，1）; zeros（num_non_eq，1）];options.cu = [zeros（num_non_ineq，1）; zeros（num_non_eq，1）];%%设置线性约束的RHSoptions.rl = [-inf（num_lin_ineq，1）; beq];options.ru = [b; beq];%%设置矩阵选项。一种=sparse([A; Aeq]);%% Set XYZ Solver Optonsoptions.algorithm = struct（“print_level”，0，“max_iter”，200，．..“max_cpu_time”，1000，'tol'1.0000 e-06．..'hessian_approximation'那“有限的记忆”)；XYZ求解器使用的%% SET功能手柄jstr =稀疏（num_non_ineq + num_non_non_eq，长度（z0）））;funcs = struct（'客观的'，@（x）fval（有趣，x），．..“梯度”@ (x) gval(有趣,x)．..'限制'，@（x）同步（非林肯，x），．..的雅可比矩阵@ (x) jacval (NONLINCON x),．..'jacobianstructure'，@（）jstr．..)；%%呼叫XYZ并返回成本和状态[zopt、输出]= XYZsolver (z0、函数、期权);成本=乐趣(zopt);exitflag = convertStatustoExitflag (output.status);%%实用程序功能函数f = fval(有趣,z)回报非线性成本[f ~] =乐趣(z);函数g = gval（有趣，z）退货成本梯度[〜，g] =有趣（z）;函数c =同步（非函数，z）返回非线性约束[in，eq] = nonlcon（z）;c = [in; eq];函数j = jacval（nonlcon，z）在稀疏矩阵中返回约束雅可比矩阵为nc-by-nz％金是nz-by-ncin稀疏，jeq是nz-by-nceq稀疏[〜，〜，金，jeq] = nonlcon（z）;j = [金杰]';函数ExitFlag = ConvertStatustoExitFlag（状态）开关（地位）案件0.％info.status ='成功';EXITFLAG = 1;案件1％info.status ='解决了可接受的水平';EXITFLAG = 1;案件2％info.status ='不可行的';ExitFlag = -1;案件3.％info.status ='搜索方向变得太小';ExitFlag = -2;案件4.％info.status ='发散迭代';ExitFlag = -2;案件6.%的信息。S.tatus = 'Feasible Point Found';EXITFLAG = 1;案件－1%的信息。S.tatus = 'Exceeded Iterations';ExitFlag = 0;案件－4%的信息。S.tatus = 'Max Time Exceeded';ExitFlag = 0;否则％info.status ='ipopt错误';ExitFlag = -2;结尾