模型预测控制可在每个控制间隔内解决一个优化问题,具体来说就是二次规划(QP)。求解结果决定了被控对象在下一个控制间隔之前使用的操纵变量(MV)。
该 QP 问题具有以下特点:
下文将详细介绍这些功能。
标准成本函数是四个项的总和,每个项都侧重于控制器性能的一个特定方面,如下所示:
这里,zk 是 QP 决策。如下所述,每个项都包含权重,可帮助您平衡相互竞争的目标。虽然 MPC 控制器提供了默认权重,但您通常需要对其进行调整,以适应您的应用。
在大多数应用中,控制器必须将选定的被控对象输出保持在或接近指定的参考值。MPC 控制器使用以下标量性能指标进行输出参考跟踪:
此处
?????????????????
值 ny、p、 和 是恒定的控制器规格。控制器接收整个预测范围内的参考值 rj(k+i|k)。控制器使用状态观测器来预测被控对象的输出 yj(k+i|k),这些输出取决于受控变量调整 (zk)、测量干扰 (MD) 和状态估计值。在间隔 k 时,可获得控制器状态估计值和 MD 值。因此,Jy 仅是 zk 的函数。?
在某些应用中,例如当被控对象的输出多于操纵变量时,控制器必须将选定的操纵变量 (MV) 保持在或接近指定的目标值。MPC 控制器使用以下标量性能指标进行操纵变量跟踪:?
此处
数值 nu、p、 和 是恒定的控制器规格。控制器接收整个范围内的 uj,target(k+i|k) 值。控制器利用状态观测器预测被控对象的输出。因此,Ju 只是 zk 的函数。
大多数应用都喜欢小的 MV 调整(移动)。MPC 常量使用以下标量性能指标来抑制操纵变量移动:
此处
?????????????????
的值是控制器的常数。u(k-1|k) = u(k-1),是上一个控制区间的已知 MV。JΔu 仅是 zk 的函数。
此外,控制区间 m < p(或 MV 阻塞)会限制某些 MV 移动为零。
在实践中,违反约束可能是不可避免的。软约束允许在这种情况下获得可行的 QP 解决方案。MPC 控制器采用一个无量纲、非负的松弛变量 εk,它量化了最坏情况下的约束违规。(见约束条件)相应的性能指标为
这里
zk - QP 决策,取值为
εk - 控制区间 k 的松弛变量(无量纲)。
ρε - 违反约束条件的惩罚权重(无量纲)。
您可以选择使用以下替代标准成本函数的方法:
这里,Q(ny-by-ny)、Ru 和 RΔu(nu-by-nu)是正半无穷权重矩阵,并且:?
也是、
Sy - 被控对象输出可变比例系数的对角矩阵,单位为工程单位。
Su - 以工程单位表示的 MV 比例因子对角矩阵。
r(k+1|k) - 第 i 个预测水平步的 ny 个被控对象输出参考值,单位为工程单位。
y(k+1|k) - 第 i 个预测水平步的 ny 个被控对象的工厂产出,单位为工程单位。
zk - QP 决策,取值为
utarget(k+i|k) - u(k+i|k) 对应的 nu MV 目标值,单位为工程单位。
与标准成本函数一样,输出预测使用状态观测器。
替代成本函数允许非对角线加权,但要求每个预测水平步的权重相同。
如果满足以下条件,替代成本函数和标准成本函数是相同的:
某些约束条件是隐含的。例如,控制范围 m < p(或 MV 阻塞)会强制某些 MV 增量为零,而用于被控对象输出预测的状态观测器是一组隐式相等约束。您可以配置的显式约束如下所述。
最常见的 MPC 约束是边界,如下所示。
?
这里的 V 参数(ECR 值)是无量纲控制器常数,类似于成本函数权重,但用于约束软化(参见约束软化)。此外还有
εk - 用于约束软化的标量 QP 松弛变量(无量纲)。
syj?- 第 j 个被控对象输出的比例因子,单位为工程单位。
suj?- 第 j 个 MV 的比例因子,单位为工程单位。
yj,min(i)、yj,max(i) - 第 j 个被控对象在第 i 个预测水平步的产量下限和上限,单位为工程单位。
uj,min(i)、uj,max(i) - 第 j 个 MV 在第 i 个预测水平步的下限和上限,单位为工程单位。
Δuj,min(i)、Δuj,max(i) - 第 i 个预测水平步的第 j 个 MV 增量的下限和上限,单位为工程单位。
除松弛变量非负条件外,上述所有约束条件都是可选的,默认为非活动状态(即初始化为无限极限值)。要包含约束条件,必须在设计控制器时指定有限极限值。
本节介绍与优化问题中描述的模型预测控制优化问题相关的矩阵。
假设输入干扰模型中描述的干扰模型为单位增益,即 d(k) = nd(k) 为白高斯噪声。可以将此问题表示为
那么,预测模型就是
接下来,考虑预测模型在时间 k=0 时的未来轨迹问题。对所有预测时刻 i 设置 nd(i)=0,得到?
?该方程给出的解是
其中
设 m 为自由控制移动的次数,设 z= [z0; ...; zm-1]。那么?
其中,JM 取决于阻塞动作的选择。z0、......、zm-1 与松弛变量? 一起构成了优化问题的自由优化变量。在系统只有一个操纵变量的情况下,z0、......、zm-1 是标量。
考虑下图中描述的阻塞动作。
阻塞移动: 移动 = [2 3 2] 的输入和输入增量
这个图形对应于选择 moves=[2 3 2],或者等价于 u(0)=u(1),u(2)=u(3)=u(4),u(5)=u(6),Δ u(0)=z0,Δ u(2)=z1,Δ u(5)=z2,Δ u(1)=Δ u(3)=Δ u(4)=Δ u(6)=0.
那么,相应的矩阵 JM 为
有关操纵变量阻塞的更多信息,请参阅操纵变量阻塞。
标准形式。 要优化的函数是
?
其中
?
?
最后,在代入 u(k)、Δu(k)、y(k)之后,J(z) 可重写为
其中
?
注意事项
您可能希望 QP 问题保持严格的凸性。如果 Hessian 矩阵 KΔU 的条件数大于 1012,请在每个对角项上添加 10*sqrt(eps)。只有当所有输入率都未受惩罚(WΔu=0)时,才能使用此解决方案(请参阅 mpc 对象的权重属性)。
替代成本函数。 ?如果使用 "替代成本函数 "中所示的替代成本函数,则等式 1 由以下公式代替:
在这种情况下,分块对角矩阵重复 p 次,例如,预测范围内每一步重复一次。
您也可以选择使用标准形式和替代形式的组合。更多信息,请参阅 mpc 对象的权重属性。
约束条件 接下来,考虑输入、输入增量和输出的限制以及约束条件 ?≥ 0。
?
注释
为减少计算量,控制器会自动消除无关的约束条件,如无限边界。因此,实时使用的约束集可能远小于本节建议的约束集。
与计算成本函数类似,可以将 u(k)、Δu(k)、y(k) 代入,得到