MPC模型預測控制（3）--MPC參數設計

一般sample time Ts 是以rise time Ts來決定。

如果你的Ts太短，如2s。當你看到紅綠燈時踩制動踏板便晚了。

反之如果太長的話，期間發生了貨物傾塌，行人走過來等等。

也會很糟糕。

因此

再來考慮控制時域。

因為控制時域得到的控制量是計算得到，則控制時域越小，計算越小。

如果我們把控制時域設為1，可能得不到最好的結果。

而控制食慾越長，得到的預測效果也越好，當然也越複雜。

當然可以考慮控制時域與預測時域設置為一樣，

但是要注意：基本上控制行為的前幾項基本決定了控制結果的大部分，剩下的便影響很小。這樣計算度反而會增加。

因此一般經驗所得：

何為軟限制和硬限制。

如上圖：

速度範圍是一個限制。

汽車要過一個坡道，因為本身載有貨物，在上坡時會減速，此時將加速踏板踩到底。

如果踩到底，速度也會減而且到達不了水平坡帶，這便是硬限制。不能違反。

如果是減速一點但最後也到了水平坡帶，雖然有一部分車速不在範圍內，但也能達到目標，

這便是軟限制，可稍微違反。

關於權數，當然是你重視誰，誰就大。

即重視結果1，那w1就大點。

關於MPC參數設計，參考知乎另一個回答：

模型預測控制（MPC）領域國內外有哪些值得關注的教材和專著？ - yc qin的回答 - 知乎 https://www.zhihu.com/question/56964498/answer/151211009

即裡面提到的Alberto Bemporad這個大牛。

MATLAB的MPC工具箱就是他帶人寫的。

推薦閱讀：