MPC模型预测控制
发布时间
阅读量：
阅读量
无约束线性MPC
有约束线性MPC
MPC
****** MPC通过以下步骤实现系统的最优控制：**
在每个采样周期开始时，在线模型预测控制系统（MPC）会基于当前系统的运行状态、动态模型以及预期未来的控制指令来预测一系列系统的输出结果。
随后，在线优化计算过程将这些预测结果与预期结果进行对比，并构建了一个综合考虑系统性能与控制成本的目标函数。
接着，在线优化计算模块会通过计算有限时间内最优的优化问题来确定一组最优控制序列。
最后，在执行完当前周期的任务后，在下一个采样周期开始时会立即执行下一周期的动作。
一、无约束线性MPC
离散、线性、时不变
J(k)的第一项与输入U无关，第二三项满足二次型的形式。
实际上就是一个 线性状态反馈。
可见，在不依赖任何其他条件的情况下，并不能单纯地通过优化措施来保证系统的稳定性。我们希望寻求一种机制，在这种情况下能够维持系统的稳定。
然而，当 N取无穷大，输入U、状态x等都是无限维度，怎样解？？？
涉及到线性系统行为特征的应用：对于无限时域的优化问题而言，在闭环控制系统具有渐近稳定性的前提下，则即使采用的是考虑无限时间段内积分计算的成本函数，在最终的结果上仍会得到一个有限值的结果。这是因为随着时间的发展过程不断推进，在较长时间运行之后系统的状态变化会对总成本的影响逐渐减弱直至趋于停滞的状态
求解李雅普诺夫方程的K并 不需要最优的K，只需找到一个K
可以看出，在性能指标上无约束线性MPC与LQR表现一致！然而，在其存在的意义体现在哪些方面呢？
- 通常情况下关注有限时域的系统表现时 ，LQR无法满足需求 。
- 有约束线性 MPC 是基于无约束线性 MPC 构建的 。
二、有约束的线性MPC
使用MATLAB仿真，结果如下：
据观察可知能够求解最优的控制序列然而系统的稳定性受到了影响因此为了确保系统的稳定性我们需采取相应的稳定性保障措施。
全部评论 (0)
还没有任何评论哟~