模型预测控制器的设计通常需要一些优化代价函数的权重。这个主题提供调优技巧。看到优化问题细节的成本函数方程。
这里,MV是植物被控变量,nu是MVs的数量。机汇是一个植物输出变量ny机汇的数量。最后,p在预测地平线的步数。
如果一个数组包含重量n<p行,控制器重复最后一行获得一系列完整的p行。默认的(n= 1)最小化调谐参数的数量,因此建议。看到时变权重设置和约束与MPC设计师对于一个选择。
考虑到ny机汇,假设nyc必须在或接近参考价值(定位点)。如果我th OV不在这群,集Weights.OV(:,我)
= 0。
如果nu≥nyc,它通常可以达到零机汇在稳态跟踪误差,如果至少nycMVs并不限制。默认的Weights.OV= ones(1,ny)
在本例中是一个很好的起点。
如果nu>nyc然而,你有多余的自由度。除非你采取预防措施,因此,MVs可能漂移即使ov附近的参考价值。
最常见的预防措施是定义引用值(目标)的数量过剩MVs,nu- - - - - -nyc。这样的目标能代表经济或技术上的稳态值。
另一个措施是设置w∆u> 0至少nu- nycMVs阻止控制器改变他们。
如果nu<nyc,你没有足够的自由度让所有必需ov定位点。在这种情况下,考虑优先参考跟踪。为此,集Weights.OV(:,我)> 0
指定的优先级我机汇。粗略的指导方针如下:
0.05 -低优先级:大跟踪误差可以接受的
0.2 -低于平均水平的优先级
1 -平均优先-默认值。使用这个值nyc= 1。
5 -优先级高于平均水平
20 -高优先级:小跟踪误差
默认情况下,Weights.MV= zeros(1,nu)
。如果一些MVs目标,相应的MV参考跟踪重量必须是零。否则,目标将被忽略。如果MV目标的数量小于(nu- - - - - -nyc),试着用同样的重量。一个建议值为0.2,低于平均水平一样OV跟踪。这个值允许MVs暂时远离他们的目标来提高OV跟踪。
否则,MV和OV参考跟踪目标可能会冲突。优先考虑通过设置Weights.MV(:,我)
值的方式类似建议Weights.OV
(见上图)。典型的实践集平均MV跟踪优先级低于平均OV跟踪优先级(例如,0.2 < 1)。
如果我th MV没有目标,集Weights.MV(:,我)
= 0(默认)。
默认情况下,Weights.MVRate= 0。1*ones(1,nu)
。这种违约的原因包括:
如果工厂是开环稳定,大增量可能是不必要的和不受欢迎的。例如,当模型预测是不完美的,总是在实践中,通常更为保守的增量提供更健壮的控制器的性能,但贫穷参考跟踪。
这些值迫使QP海赛矩阵是正定的,这样QP有一个独特的解决方案如果没有约束是活跃的。
鼓励使用更小的增量的控制器我th MV,增加Weights.MVRate(:,我)
价值。
如果工厂是开环不稳定,您可能需要降低平均水平Weight.MVRate
值允许足够快速反应不适。
看到约束软化的建议关于Weights.ECR
财产。
把重点放在优化个人成本函数的权重,在下列条件下进行闭环仿真测试:
使用参考和测量扰动信号的变化(如果有的话),迫使一个动态响应。每个测试结果的基础上,考虑改变选择的权重的大小。
一个建议的方法是使用常数Weights.OV (:, i) = 1
表示“平均OV跟踪优先”,调整其他权重相对于这个值。使用灵敏度
命令指导。使用审查
命令检查对于典型的优化问题,如缺乏闭环稳定。
看到调整干扰和噪声模型测试控制器的抗干扰能力。
一旦你有了工作的权重在上述条件下,检查对预测误差的敏感性。有几种方法可以这样做:
如果你有一个非线性系统的植物模型,如仿真软件金宝app®模型,模拟闭环性能以外的操作点的LTI预测模型适用。
另外,运行闭环模拟中代表植物不同的线性时不变模型(如结构或参数值)在货币政策委员会预测模型使用。这两个MPC设计师应用程序和sim卡
函数提供模拟在这些条件下的选项。例如,看到的测试使用MPC设计师MPC控制器的鲁棒性。
如果控制器性能会明显降低测试没有预测误差相比,一个开环稳定的植物,考虑控制器不那么咄咄逼人。
在MPC设计师,在调优使用选项卡,您可以这样做闭环性能滑块。
朝着更健壮的控制减少OV / MV重量和MV率权重增加,从而导致放松控制的输出和更为保守的控制动作。
在命令行上,您可以减少控制器攻击性进行以下更改:
增加所有Weight.MVRate
订单2的乘法因子值。
减少所有Weight.OV
和Weight.MV
值除以相同的因素。
调整后的权重,评估性能和预测误差。
如果现在都是可以接受的,停止优化权重。
如果有改善但仍太多的退化与模型误差,进一步提高控制器的鲁棒性。
如果改变不明显提高性能,恢复原来的重量和关注状态估计量调优(见调整干扰和噪声模型)。
最后,如果调优更改不提供足够的鲁棒性,考虑以下选项之一: