你有没有注意到控制工程师真的喜欢3个字母的首字母缩略词(如MPC、LQR、LQG、UKF、PID、EKF等)?在本系列中,我们将重点关注MPC,对一些工程师来说,它可能是最受欢迎的控制方式。它真正代表的是模型预测控制。在本视频中,我们将讨论使用它的原因。
首先,让我们简要介绍一下MPC背后的基本思想。MPC是一种反馈控制算法,使用模型来预测过程的未来输出。
这里有一个类比来解释我们的意思:比如你正在开车,你的目标是让汽车保持在车道内。你为实现此目标而做出的决策与模型预测控制器的工作方式非常相似。
你了解汽车的特性:根据你采取的控制措施,车的速度会有多快或转向有多少。
使用这种车的模型,你可以在头脑中进行仿真。这些(经验)可以根据你选择的控制动作,完成对未来轨迹的预测。然后,您选择尽可能接近预测轨迹的最佳操作,驱动车辆到期望的轨迹。这是一个简单的例子,给您一个大致的概念,但在下一篇文章中,我们将有更多关于MPC如何工作的详细讨论。
以下是您希望使用模型预测控制的一些原因:(1)MPC可以处理多输入多输出系统,系统的输入和输出之间可能存在进行交互。例如,在该MIMO系统中,第二输出的变化也影响第一输出。如果我们要使用PID控制器,设计它们将是具有挑战性的,因为两个控制回路将彼此独立地操作,好像两个环路之间没有相互作用。设计更大的系统将更具挑战性,因为他们需要调整太多的控制器增益。
MPC的优势在于它是一个多变量控制器,在考虑所有系统变量之间的交互的同时,来控制输出。
(2)MPC的另一个优势是它可以处理约束。约束很重要,因为违反它们会导致不良后果。例如,驾驶时的一些安全限制是汽车必须遵守速度限制,与其他车辆保持安全距离。由于汽车的物理限制,例如加速度限制,也存在限制。如果这是由MPC控制的自动驾驶汽车,则控制器将在满足所有这些约束的同时跟踪期望的轨迹。
(3)MPC的另一个特性是它的预览功能,类似于前馈控制。比如说自动驾驶汽车在弯曲的道路上行驶。如果控制器不知道前方有一个拐弯,它只能在拐弯时施加制动。比如说自动驾驶汽车在弯曲的道路上行驶。如果控制器不知道前方有一个拐弯,它只能在拐弯时施加制动。但是,如果汽车前面有一个提供信息的摄像头,可以提供未来的轨迹,控制器将提前知道即将到来的拐弯。因此,它可以更及时地制动以安全地保持在车道上。
MPC可以轻松地将未来的参考信息纳入控制问题,以提高控制器性能。自20世纪80年代以来,模型预测控制器已在过程工业中使用。随着微处理器计算能力的不断提高,它们的使用也已扩展到其他领域。
MPC具有所有这些优点,但需要注意的是它需要强大,快速,具有大内存的处理器。原因是MPC需要在每个时间步解算在线优化问题。
总之,MPC利用系统模型来预测其未来行为,它解决了在线优化问题,以选择最佳控制动作,控制预测输出到参考值。它可以控制输入和输出之间进行交互的多输入多输出系统,可以处理约束,具有预览功能,它也广泛用于许多行业。
下一节,我们将讨论模型预测控制器的工作原理。
视频地址:
【Model Predictive Control】了解模型预测控制,第一部分:为什么使用模型预测控 - MATLAB&Simulink_哔哩哔哩_bilibili