Vad är MPC-kontroll?

MPC-kontroll

Model predictive control (MPC) har utvecklats från sitt ursprung som en heuristisk kontrollalgoritm som tillämpades i industriella processer på 1970-talet till en ny akademisk disciplin med rikt teoretiskt och praktiskt innehåll.

Prediktiv styrning åtgärdar kontrollproblem med optimeringskrav. Under de senaste 30 åren har framgången med prediktiv styrning i komplexa industriella processer fullt ut visat sin enorma potential för att hantera komplexa, begränsade optimeringskontrollproblem.

MPC-kontroll är en-realtidsstyrningsmetod för optimering med sluten-slinga. Den primära fördelen med denna algoritm är dess iterativa onlinedrift, som kontinuerligt erhåller de aktuella optimala kontrollkvantiteterna. Dessutom kan den upprätta objektiva funktioner för att tillfredsställa flera begränsningar såsom fordonsställdon, sladd och dynamik.

Dess spårningsprestanda är dock mycket känslig för den prediktiva modellens noggrannhet. På grund av de höga beräkningskraven för prediktiv styrning av icke-linjär modell är den dessutom olämplig för körmiljöer med hög-hastighet.

För närvarande har många forskare linjäriserade olinjära fordonsmodeller, men detta säkerställer bara spårningsnoggrannhet inom de linjära områdena av fordonet och däcken.

MPC-kontroller, även känd som rullande-tidsdomänkontrollanter, tar hänsyn till den olinjära dynamiska modellen av kontrollsystemet och förutsäger systemets utdatabeteende över ett framtida tidsintervall. Genom att lösa det begränsade optimala kontrollproblemet minimerar systemet spårningsfel över det framtida tidsintervallet, vilket gör denna metod robust.

Modellförutsägande styralgoritmer har de grundläggande funktionerna för prediktiv modellering, rullningsoptimering och återkopplingskorrigering. Traditionella forskningsmetoder ignorerar eller förenklar ofta kinematiska och dynamiska begränsningar, men sådana begränsningar påverkar kontrollprestandan avsevärt.

Modellförutsägande styrmetoder kan uttryckligen införliva fordonets kinematiska och dynamiska begränsningar i optimeringsmålfunktionen.

Genom att utnyttja MPC:s rullande optimerings- och feedbackkorrigeringsfunktioner kan effekten av tidsfördröjningar i slutna-slingor effektivt reduceras eller till och med elimineras. Dessutom kan framtida baninformation som tillhandahålls av planeringsprocessen användas för att optimera rörelsekontroll, och därigenom förbättra kontrollprestandan.

Wang Weiran et al. designade en adaptiv prediktiv kontrollmetod baserad på Laguerre-funktioner.

Denna metod består av två delar: en adaptiv MPC-modul för exakt spårning av banor och en Laguerre-funktionsmodul för att avsevärt minska beräkningen.

I den adaptiva MPC-modulen introduceras en rekursiv minsta kvadratalgoritm för att identifiera systemets modellparametrar, och därigenom förbättra systemets noggrannhet och robusthet. Men när AUV:n fungerar i komplexa miljöer kan denna metod resultera i en betydande ökning av beräkningsbelastningen.