动态矩阵控制matlab程序_动态矩阵控制DMC

本文详细介绍了动态矩阵控制(DMC)在MATLAB中的实现,包括预测模型建立、滚动优化过程、反馈校正以及DMC算法结构。通过对对象的单位采样值测定构建非参数模型,然后通过滚动优化确定每个时刻的最优控制增量,同时采用反馈校正减少预测误差。最后,阐述了DMC算法的组成和在线计算流程,并提供了实例说明。
摘要由CSDN通过智能技术生成

1.建立预测模型

DMC基于对象的阶跃响应来建立非参数模型,其适用于渐进稳定的线性对象。

对于DMC而言,首先要测定对象的单位采样值:

da9d6614-9e36-eb11-8da9-e4434bdf6706.svg

T为采样周期。在时间t=NT之后,阶跃响应将趋于一个稳定值(系统的稳态),即 db9d6614-9e36-eb11-8da9-e4434bdf6706.svg与 dc9d6614-9e36-eb11-8da9-e4434bdf6706.svg 的误差已经极小( dd9d6614-9e36-eb11-8da9-e4434bdf6706.svg 代表建模时域)。那么对象的动态信息就可以用一个有限区间: df9d6614-9e36-eb11-8da9-e4434bdf6706.svg

来表示,这个集合的参数就构成了DMC的模型参数,向量(2)为矩阵的模型向量。利用(2)就足以对未来时刻的输出值进行预测。在 e29d6614-9e36-eb11-8da9-e4434bdf6706.svg 时刻,假设对未来N个时刻的初始预测值为: e59d6614-9e36-eb11-8da9-e4434bdf6706.svg

,当k时刻有一控制增量 e79d6614-9e36-eb11-8da9-e4434bdf6706.svg 时,可利用线性叠加定理算出其在未来预测时刻内的输出值: e89d6614-9e36-eb11-8da9-e4434bdf6706.svg同理,从k时刻开始,在M个连续的控制增量

ea9d6614-9e36-eb11-8da9-e4434bdf6706.svg

作用下可以得到未来各个时刻的输出值: ec9d6614-9e36-eb11-8da9-e4434bdf6706.svg

(5)就是我们所需要的预测模型.

2.实行滚动优化

滚动优化是模型预测控制中必不可缺的环节,其目的在每一个时刻 e29d6614-9e36-eb11-8da9-e4434bdf6706.svg ,都要再一次确定该时刻起之后 ef9d6614-9e36-eb11-8da9-e4434bdf6706.svg 个控制增量(5).使得预测输出(4)都能够不断的接近给定的目标值: f09d6614-9e36-eb11-8da9-e4434bdf6706.svg

f19d6614-9e36-eb11-8da9-e4434bdf6706.svg 分别代表控制步长和预测步长。一般来说 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值