主要内容

validateFcns

的预测模型和自定义函数nlmpc或nlmpcMultistage潜在问题的对象

自从R2018b

折叠所有页面

语法

validateFcns (nlmpcobj x, mv)
validateFcns(马里兰州nlmpcobj x, mv)
validateFcns (nlmpcobj x, mv,医学博士,参数)
validateFcns (nlmpcobj x, mv,医学博士,参数,参考)
validateFcns (nlmpcobj x, mv,医学博士,参数,裁判,mvtarget)
validateFcns (nlmpcMSobj x, mv)
validateFcns (nlmpcMSobj x, mv, simdata)

描述

validateFunctions测试非线性MPC控制器的预测模型、自定义代价、自定义约束和雅可比函数的潜在问题，例如信息是否缺失，用户提供函数的输入和输出参数是否与对象设置不兼容，或用户提供的解析梯度/雅可比函数是否在数值上准确。当您首次设计非线性MPC控制器时，或当您对现有控制器进行重大更改时，验证控制器功能是最佳实践。

非线性MPC

例子

validateFcns (nlmpcobj，x，mv）测试了非线性MPC控制器的功能nlmpcobj潜在的问题。函数使用指定的状态和操作变量值进行测试，x而且mv,分别。这些值可以表示标称条件或任意工作点。如果您的控制器没有测量到的扰动，也没有参数，请使用此语法。

例子

validateFcns (nlmpcobj，x，mv，医学博士）指定测量的扰动值。如果你的控制器测量了干扰通道，你必须指定医学博士．这些值可以表示标称条件或任意工作点。

例子

validateFcns (nlmpcobj，x，mv，医学博士，参数）参数值。如果控制器有参数，则必须指定参数．

validateFcns (nlmpcobj，x，mv，医学博士，参数，裁判）指定在标称条件下或任意工作点上的输出引用。

validateFcns (nlmpcobj，x，mv，医学博士，参数，裁判，mvtarget）指定在标称条件下或为任意工作点操作的可变目标。

多级非线性MPC

validateFcns (nlmpcMSobj，x，mv）测试了多级非线性MPC控制器的功能nlmpcMSobj潜在的问题。函数使用指定的状态和操作变量值进行测试，x而且mv,分别。这些值可以表示标称条件或任意工作点。如果您的控制器没有测量到的扰动，也没有参数，请使用此语法。

例子

validateFcns (nlmpcMSobj，x，mv，simdata）指定附加的simdata结构。如果状态和阶段函数需要参数，则需要在simdata．

例子

全部折叠

打开实时脚本

创建六状态，六输出，四输入的非线性MPC控制器。

Nx = 6;Ny = 6;Nu = 4;Nlobj = nlmpc(nx,ny,nu);
零权重应用于一个或多个ov，因为mv比ov少。

指定控制器采样时间和范围。

Ts = 0.4;P = 30;C = 4;nlobj。Ts= Ts; nlobj.PredictionHorizon = p; nlobj.ControlHorizon = c;

指定预测模型的状态函数和状态函数的雅可比矩阵。在这个例子中，使用一个飞行机器人的模型。

nlobj.Model.StateFcn =“FlyingRobotStateFcn”；nlobj.Jacobian.StateFcn =“FlyingRobotStateJacobianFcn”；

为控制器指定一个自定义代价函数，以取代标准代价函数。

nlobj.Optimization.CustomCostFcn = @(X,U,e,data) Ts*sum(sum(U(1:p，:)));nlobj.Optimization.ReplaceStandardCost = true;

为控制器指定一个自定义约束函数。

nlobj.Optimization.CustomEqConFcn = @(X,U,data) X(end，:)';

在初始状态验证预测模型和自定义函数(x0)和初始输入(情况)的机器人。

X0 = [-10;-10;pi/2;0;0;0];U0 = 0 (nu,1);validateFcns (nlobj x0,情况);
模型。StateFcn是OK的。雅可比矩阵。StateFcnis OK. No output function specified. Assuming "y = x" in the prediction model. Optimization.CustomCostFcn is OK. Optimization.CustomEqConFcn is OK. Analysis of user-provided model, cost, and constraint functions complete.
打开实时脚本

创建一个具有四个状态、两个输出和一个输入的非线性MPC控制器。

Nx = 4;Ny = 2;Nu = 1;Nlobj = nlmpc(nx,ny,nu);
零权重应用于一个或多个ov，因为mv比ov少。

指定控制器的采样时间和范围。

Ts = 0.1;nlobj。Ts= Ts; nlobj.PredictionHorizon = 10; nlobj.ControlHorizon = 5;

指定控制器的状态函数，该函数在文件中pendulumDT0.m．该离散时间模型集成了中定义的连续时间模型pendulumCT0.m采用多步向前欧拉法。

nlobj.Model.StateFcn =“pendulumDT0”；nlobj.Model.IsContinuousTime = false;

离散时间状态函数使用一个可选参数，采样时间Ts，对连续时间模型进行积分。因此，必须将可选参数的数量指定为1．

nlobj.Model.NumberOfParameters = 1;

指定控制器的输出函数。在本例中，将第一和第三个状态定义为输出。即使这个输出函数没有使用可选的采样时间参数，也必须将该参数指定为输入参数(Ts）.

nlobj.Model.OutputFcn = @(x,u,Ts) [x(1);x (3)];

验证标称状态的预测模型函数x0和名义输入情况．由于预测模型使用自定义参数，因此必须将此参数传递给validateFcns．

X0 = [0.1;0.2;-pi/2;0.3];U0 = 0.4;validateFcns(nlobj, x0, u0， []， {Ts});
模型。StateFcn是OK的。模型。OutputFcn是OK。分析了用户提供的模型、成本和约束函数。

这个例子使用了:

打开实时脚本

创建一个具有三种状态、一个输出和四个输入的非线性MPC控制器。前两个输入是测量的扰动，第三个输入是被操纵的变量，第四个输入是未测量的扰动。

Nlobj = nlmpc(3,1，“MV”3,“医学博士”(1 - 2),“UD”4);

控件可查看控制器状态、输出和输入维度和索引维属性。

nlobj。维
ans =带字段的结构:NumberOfStates: 3 NumberOfOutputs: 1 NumberOfInputs: 4 MVIndex: 3 MDIndex: [1 2] UDIndex: 4

指定控制器采样时间和范围。

nlobj。Ts= 0.5; nlobj.PredictionHorizon = 6; nlobj.ControlHorizon = 3;

指定预测模型状态函数，该函数位于文件中exocstrStateFcnCT.m．

nlobj.Model.StateFcn =“exocstrStateFcnCT”；

指定预测模型输出函数，该函数在文件中exocstrOutputFcn.m．

nlobj.Model.OutputFcn =“exocstrOutputFcn”；

以初始工作点为标称条件，验证预测模型函数，测试并设置未测扰动状态，x0 (3),0．由于模型已经测量了扰动，您必须将它们传递给validateFcns．

X0 = [311.2639;8.5698;0);U0 = [10;298.15;298.15);validateFcns (x0, nlobj情况(3),情况(1:2)');
模型。StateFcn是OK的。模型。OutputFcn是OK。分析了用户提供的模型、成本和约束函数。

输入参数

全部折叠

非线性MPC控制器，指定为nlmpc对象。

多级非线性MPC控制器，指定为nlmpcMultistage对象。

状态值，指定为长度向量Nx,在那里Nx等于nlmpcobj.Dimensions.NumberOfStates,或nlmpcMSobj.Dimensions.NumberOfStates．状态值可以表示标称条件或任意工作点。

被操纵的变量值，指定为长度向量Nmv,在那里Nmv等于的长度nlmpcobj.Dimensions.MVIndex或nlmpcMSobj.Dimensions.MVIndex．被操纵的变量值可以表示标称条件或任意工作点。

测量的扰动值，以长度矢量表示N医学博士,在那里N医学博士等于的长度nlmpcobj.Dimensions.MDIndex．测量的扰动值可以表示标称条件或任意工作点。

如果你的控制器测量了干扰通道，你必须指定医学博士．如果您的控制器没有测量到的干扰通道，请指定医学博士作为［］．

预测模型使用的参数值、自定义代价函数和自定义约束，指定为长度的单元格数组Np,在那里Np等于nlmpcobj.Model.NumberOfParameters或nlmpcMSobj.Model.NumberOfParameters．参数的顺序必须与模型函数中指定的顺序匹配，并且每个参数必须是具有正确尺寸的数值参数。

如果控制器有参数，则必须指定参数．如果您的控制器没有参数，请指定参数作为［］．

输出参考值，指定为长度向量Ny,在那里纽约等于nlmpcobj.Dimensions.NumberOfOutputs或nlmpcMSobj.Model.NumberOfOutputs．裁判传递给自定义代价和约束函数。输出参考值可以表示标称条件或任意工作点。

如果您没有指定裁判，控制器将一个零向量传递给自定义函数。

被操纵的可变目标，指定为长度矢量Nmv,在那里Nmv等于的长度nlmpcobj.Dimensions.MVIndex或nlmpcMSobj.Dimensions.MVIndex．所操纵的可变目标值可以表示标称条件或任意工作点。

mvtarget传递给自定义代价和约束函数。如果您没有指定mvtarget，控制器将一个零向量传递给自定义函数。

运行时模拟数据，最初由getSimulationData，并指定为结构，其中字段详细描述在nlmpcmove．为validateFcns，只有以下字段是相关的。

测量的扰动值，指定为长度的行向量N医学博士或者一个数组N医学博士列,N医学博士是测量扰动的数量。如果多级MPC对象定义了任何测量扰动通道，则必须指定MeasuredDisturbance．如果您的控制器没有测量到扰动，则此场在返回的结构中不存在getSimulationData．

状态函数参数值，指定为长度等于值的向量模型。ParameterLength多级控制器对象的属性。如果模型。StateFcn需要参数向量，必须在运行时使用此字段提供其值。如果状态函数没有参数，则返回的结构中不存在此字段getSimulationData．

函数的参数值，指定为向量，其长度等于阶段(i)。ParameterLength多级控制器对象的属性。中定义的任何成本或约束函数阶段属性需要参数向量，您必须在运行时使用此字段提供所有参数向量(堆叠在单列中)。如果没有任何阶段函数需要任何参数，则此字段在返回的结构中不存在getSimulationData．

提示

  • 当你提供自己的分析雅可比函数时，特别重要的是这些函数返回有效的雅可比值。如果validateFunctions检测用户定义的雅可比函数返回值与有限差分近似之间的巨大差异，验证雅可比实现中的代码。

算法

对于每个控制器函数，validateFunctions检查函数是否:

  • 存在于MATLAB中®路径

  • 输入参数的数量是否满足要求

  • 是否可以成功执行而没有错误

  • 返回具有正确大小和尺寸的输出参数

  • 返回有效的数值数据;也就是说，它不会返回正或南值

对于雅可比函数，validateFunctions检查返回值是否与雅可比矩阵值的有限差分近似相比较。这些有限差分值是用数值摄动计算的。

版本历史

在R2018b中引入

另请参阅

功能

对象

块

主题