理解模型预测控制

在本系列中，您将了解模型预测控制(MPC)是如何工作的，并将发现这种多变量控制技术的优点。

MPC使用系统模型来预测系统的未来行为。MPC解决了一个在线优化算法，以找到将预测输出驱动到参考的最优控制动作。MPC可以处理多输入多输出系统，这些系统的输入和输出之间可能存在交互。它还可以处理输入和输出约束。MPC具有预览功能;它可以将未来的参考信息纳入控制问题，以提高控制器的性能。

本系列还讨论了MPC设计参数，如控制器采样时间、预测和控制范围、约束和权重。它还为您提供了选择这些参数的建议。您将了解自适应、增益调度和非线性MPC，并获得减少MPC计算复杂性和更快运行的实现技巧。

最后，本系列演示了设计线性、自适应和非线性MPC控制器的示例模型预测控制工具箱^®

第1部分:为什么使用MPC?了解模型预测控制(MPC)MPC处理具有输入输出交互的MIMO系统，处理约束，具有预览功能，并用于汽车和航空等行业。

第二部分:什么是MPC?了解模型预测控制(MPC)如何工作。MPC使用一个工厂模型来预测未来的工厂产量。它在每个时间步骤解决一个优化问题，以找到最优的控制动作，使预测的植物输出尽可能接近所需的参考。

第3部分:MPC设计参数为了成功地使用MPC控制系统，您需要仔细选择设计参数。学习如何选择控制器样本时间，预测和控制范围，以及约束和权重。

第4部分:自适应、增益计划和非线性MPC了解可以根据工厂模型、约束条件和成本函数使用的MPC控制器类型。选项包括线性时不变、自适应、增益调度和非线性MPC。

第五部分:如何更快地运行MPC了解哪些技术可以让你更快地运行MPC。该视频概述了一些方法，例如显式MPC和次优解决方案，您可以为您的应用程序实现较小的采样时间。

第六部分:如何用Simulink和模型预测控制工具箱设计MPC控制器学习如何使用模型预测控制工具箱为自动驾驶汽车转向系统设计MPC控制器。

第七部分:基于Simulink和模型预测控制工具箱的自适应MPC设计学习如何使用自适应MPC处理不断变化的植物动态。本视频使用一个自动转向车辆系统的例子来演示控制器的设计。

第8部分:用模型预测控制工具箱和FORCESPRO进行非线性MPC设计学习如何使用模型预测控制工具箱和Embotech forcepro求解器为自动驾驶应用程序设计非线性MPC控制器。

第9部分:将非线性MPC部署到Speedgoat硬件进行实时测试了解如何从自动驾驶应用程序的非线性mpc算法生成代码，并将生成的代码部署到Speedgoat硬件进行实时测试。