模型预测控制工具箱
设计并模拟模型预测控制器
模型预测控制工具箱™提供函数、应用程序和Simulink金宝app®用于设计和模拟使用线性和非线性模型预测控制(MPC)的控制器。工具箱允许您指定植物和扰动模型、视野、约束和权重。通过运行闭环模拟,您可以评估控制器的性能。
您可以通过在运行时改变控制器的权重和约束来调整控制器的行为。工具箱提供了可部署的优化求解器,还允许您使用自定义求解器。要控制非线性设备,可以实现自适应、增益调度和非线性MPC控制器。对于具有快速采样率的应用程序,工具箱允许您从常规控制器生成显式模型预测控制器或实现近似解决方案。
对于快速原型和嵌入式系统实现,包括优化求解器的部署,工具箱支持C代码和IEC 61131-3结构化文本生成。金宝app
开始:
MPC设计程序
交互设计MPC控制器内部植物模型调整视野、权重和约束。使用仿真场景验证控制器性能。比较多个MPC控制器的响应。
Simulink中的MPC设金宝app计
使用MPC控制器模块和工具箱提供的其他模块在Simulink中建模和模拟MP金宝appC控制器。修剪和线性化Simulink模型,以计算M金宝appPC控制器的内部线性定常植物模型,并使用获得植物输入和输出的名义值金宝appSimulink控制设计™.
MATLAB中MPC设计
使用命令行函数设计MPC控制器。定义内部工厂模型;调整权重、约束和其他控制器参数。模拟闭环系统响应以评估控制器性能。
预先构建的块
使用自适应巡航控制系统、车道保持辅助系统和路径跟踪控制系统模块作为ADAS应用程序的起点,并根据需要定制设计。从预构建块生成用于车载部署的代码。
参考应用实例
使用参考应用程序示例介绍为自动驾驶系统设计和部署MPC控制器的工作流程。参考应用程序示例还向您展示了如何以不同的保真度对系统的不同部分进行建模。
线性MPC
通过将内部工厂模型指定为用Control system Toolbox™创建的线性时不变(LTI)系统,或通过使用Simulink Control Design对Simulink模型进行线性化,来设计线性MPC控制器。金宝app或者,使用System Identification Toolbox™导入从测量的输入输出数据创建的模型。
自适应政策委员会
使用命令行函数和自适应MPC控制器块设计和模拟自适应MPC控制器。在运行时更新工厂模型,并将其作为控制器的输入。在自适应模型预测控制器中,使用具有保证渐近稳定性的内置线性时变(LTV)卡尔曼滤波器进行状态估计。
Gain-Scheduled MPC
多MPC控制器块在广泛的操作条件下控制非线性工厂。为每个工作点设计一个MPC控制器,并在运行时在控制器之间切换。
运行时参数调优
调整MPC控制器的权重和约束以优化其在运行时的性能,而无需重新设计或重新实现它。在MATLAB中执行运行时控制器调优®和仿真软金宝app件。
运行时性能监视
访问优化状态信号,以检测优化可能无法收敛的罕见情况。使用这些信息指导备份控制策略的决策。
明确的政策委员会
从隐式MPC设计生成显式MPC控制器,以便更快地执行。简化生成的显式MPC控制器以减少内存占用。
反馈控制
模拟非线性成本和约束下非线性设备的闭环控制。默认情况下,非线性MPC控制器使用优化工具箱™来解决非线性规划问题。您还可以指定自己的自定义非线性求解器。
经济政策委员会
设计经济的MPC控制器,在任意非线性约束下优化控制器的任意代价函数。您可以使用线性或非线性预测模型、自定义非线性代价函数和自定义非线性约束。
代码生成与MATLAB和Simulink金宝app
在Simulink中设计MPC控制器,并分别使用Simu金宝applink Coder™或Simulink PLC Coder™生成C代码或IEC 61131-3结构化文本。使用MATLAB Coder™在MATLAB中生成C代码,并部署它进行实时控制。或者,使用MATLAB编译器™来打包和共享MPC控制器作为一个独立的应用程序。
内置的解决者
从提供的活动集和内点二次规划(QP)求解器生成代码,以便在嵌入式处理器上高效实现。对于非线性问题,使用优化工具箱中的顺序二次规划(SQP)求解器进行模拟和代码生成。将生成的代码部署到任意数量的处理器。
定制解决方案
使用Embotechforce PRO QP和非线性规划(NLP)求解器,用于模拟和生成线性和非线性MPC控制器的代码。或者,使用自定义QP和NLP求解器进行模拟和代码生成。