做网站搜索推广点击率太低怎么办如何解决网站只收录首页的一些办法

本示例展示了如何在 Simulink 中设计多输入多输出对象的闭环模型预测控制。该对象有三个操纵变量和两个测量输出。

一、非线性对象的线性化

运行该示例需要同时安装 Simulink 和 Simulink Control Design。

% 检查是否同时安装了 Simulink 和 Simulink Control Design
if ~mpcchecktoolboxinstalled('simulink')disp('运行此示例需要 Simulink(R)')return
end
if ~mpcchecktoolboxinstalled('slcontrol')disp('运行此示例需要Simulink Control Design(R)')return
end

1、打开非线性 Simulink 模型

open('mpc_nonlinmodel')

2、使用 Simulink 控制设计工具箱中的线性命令，在默认操作条件下（传递函数块的初始状态均为零）对对象进行线性化：

plant = linearize('mpc_nonlinmodel');

$linearize$ 函数的作用是对Simulink模型或子系统进行线性近似，以状态空间模型的形式返回。

3、输入输出变量名称分配

plant.InputName = {'Mass Flow';'Heat Flow';'Pressure'};
plant.OutputName = {'Temperature';'Level'};
plant.InputUnit = {'kg/s' 'J/s' 'Pa'};
plant.OutputUnit = {'K' 'm'};

注意：由于没有定义任何可测量或不可测量的干扰，也没有定义任何不可测量的输出，因此在根据该模型创建 MPC 控制器时，默认情况下所有的模型输入都被假定为可操作变量，所有的模型输出都被假定为可测量输出。

二、设计模型预测控制器

1、创建控制器对象，其采样周期、预测和控制范围分别为 0.2 秒、5 步和 2 次移动；

mpcobj = mpc(plant,0.2,5,2);

2、设置操作变量的约束

mpcobj.MV = struct('Min',{-3;-2;-2},'Max',{3;2;2},'RateMin',{-1000;-1000;-1000});

3、设置操作变量和输出信号的权重

mpcobj.Weights = struct('MV',[0 0 0],'MVRate',[.1 .1 .1],'OV',[1 1]);

4、查看 mpcobj 属性

mpcobj==> 
MPC object (created on 30-May-2024 15:35:11):
---------------------------------------------
Sampling time:      0.2 (seconds)
Prediction Horizon: 5
Control Horizon:    2Plant Model:        --------------3  manipulated variable(s)   -->|  5 states  ||            |-->  2 measured output(s)0  measured disturbance(s)   -->|  3 inputs  ||            |-->  0 unmeasured output(s)0  unmeasured disturbance(s) -->|  2 outputs |--------------
Disturbance and Noise Models:Output disturbance model: default (type "getoutdist(mpcobj)" for details)Measurement noise model: default (unity gain after scaling)Weights:ManipulatedVariables: [0 0 0]ManipulatedVariablesRate: [0.1000 0.1000 0.1000]OutputVariables: [1 1]ECR: 100000State Estimation:  Default Kalman Filter (type "getEstimator(mpcobj)" for details)Constraints:-3 <= Mass Flow (kg/s) <= 3, -1000 <= Mass Flow/rate (kg/s) <= Inf, Temperature (K) is unconstrained-2 <= Heat Flow (J/s) <= 2,  -1000 <= Heat Flow/rate (J/s) <= Inf,       Level (m) is unconstrained-2 <= Pressure (Pa) <= 2,    -1000 <= Pressure/rate (Pa) <= Inf                                  

三、使用 Simulink 进行闭环仿真

1、打开闭环仿真模型

mdl1 = 'mpc_nonlinear';
open_system(mdl1)

2、闭环仿真

sim(mdl1)-->Converting model to discrete time.
-->Assuming output disturbance added to measured output channel #1 is integrated white noise.
-->Assuming output disturbance added to measured output channel #2 is integrated white noise.
-->The "Model.Noise" property is empty. Assuming white noise on each measured output.

3、运行结果如下图所示：
Input：

Output：

尽管存在非线性，但几秒钟后，两个输出都能很好地跟踪其参考值，同时，正如预期的那样，被操纵的变量保持在预设的硬约束内。

四、修改MPC设计跟踪斜坡信号

为了既能跟踪斜坡，又能补偿非线性，可将两个输出端上的干扰模型定义为三重积分器（如果没有非线性，则使用双积分器即可）。

1、通过 tf 函数构造一个外部扰动模型outdistmodel：
2、通过 setoutdist 函数将上面构造的不可观测外部扰动传递函数 outdistmodel 添加到 MPC 的 model 中：

outdistmodel = tf({1 0; 0 1}, {[1 0 0 0], 1; 1, [1 0 0 0]});
setoutdist(mpcobj,'model',outdistmodel);

3、打开Simulink中的闭环仿真模型 mpc_nonlinear_setoutdist，它与上面的 mpc_nonlinear 闭环 Simulink 仿真模型相同，唯一不同的是参考信号，其参考信号的第一个由阶跃变为3秒以内以0.2斜率上升的斜坡信号。

4、闭环仿真12s

sim(mdl2, 12)

5、仿真结果如下图所示：
Input：

Output：