动态矩阵控制算法.docxVIP

MATLAB环境下动态矩阵控制实验 一算法实现 设某工业对象的传递函数为： G(s)=e -80s/(60s+1)，采用DMC后的动态特性如图1所 示。在仿真时采样周期 T=20s，优化时域P=10,控制时域 M=2建模时域N=20b MATLAB呈序 1： g=poly2tfd(1,[60 1],0,80);% delt=20; % nt=1; % tfin al=1000; % 通用传递函数模型转换为 MPC专递函数模型 采样周期 输出稳定性向量 截断时间 线 曲 应 响 model=tfd2step(tfi nal,delt, nt,g);% % % pla nt=model; p=10; m=2; ywt=[];uwt=1; 传递函数模型转换为阶跃响应模型 进行模型预测控制器设计 优化时域 控制时域 设置输入约束和参考轨迹等控制器参数 kmpc=mpcco n(pla nt,ywt,uwt,m,p);% 模型预测控制器增益矩阵计算 te nd=1000;r=1; % 仿真时间 [y,u,yrn]=mpcsim(pla nt,model,kmpc,te nd,r);% t=0:20:1000; 模型预测控制仿真 plot(t,y) xlabel(图1 DMC控制系统的动态阶跃响应曲线 (time/s)); ylabel( 响应曲线); 1.4 1.2 1 0.8 0.6 0.4 0.2 0 100 200 300 400 500 600 700 800 900 1000 图1 DMC控制系统的动态阶跃响应曲线(time/s) 图中曲线为用 DM(控制后系统的阶跃响应曲线。从图中可以看出：采用 DMC控制后 系统的调整时间小，响应的快速性好，而且系统的响应无超调。该结杲是令人满意的。 二P和M对系统动态性能的影响 1. P对系统性能的影响 优化时域P表示我们对k时刻起未来多少步的输出逼近期望值感兴趣。当采样周期 T=20s，控制时域 M=2建模时域N=20,优化时域P分别为6，10和20时的阶跃响应曲 线如图2所示。 MATLAB^序 2： g=poly2tfd(1,[60 1],0,80);% delt=20; % g=poly2tfd(1,[60 1],0,80);% delt=20; % nt=1; % tfin al=1000; % 输出稳定性向量 截断时间 model=tfd2step(tfi nal,delt, nt,g);% 传递函数模型转换为阶跃响应模型 pla nt=model; % p1=6;p2=10;p3=20; % m=2; % 进行模型预测控制器设计 优化时域 控制时域 ywt=[];uwt=1; kmpc1=mpcc on( pla nt,ywt,uwt,m,p1); kmpc2=mpcc on( pla nt,ywt,uwt,m,p2); kmpc3=mpcc on( pla nt,ywt,uwt,m,p3); te nd=1000;r=1; [y1,u, yrn]=mpcsim(pla nt,model,kmpc1,te nd,r); [y2,u, yrn]=mpcsim(pla nt,model,kmpc2,te nd,r); [y3,u, yrn]=mpcsim(pla nt,model,kmpc3,te nd,r); t=0:20:1000; plot(t,y1,t,y2,t,y3) lege nd(1-p=6,2-p=10,3-p=20); xlabel( 图2 P不同对系统性能的影响 (time/s)); ylabel( 响应曲线); ■4-28 6 40 0 0 ■4-2 8 6 4 0 0 0 线曲应响 0.2 1_p=6 p=10 p=20 100 200 300 400 500 600 700 800 900 1000 图2 P不同对系统性能的影响（time/s） 图中曲线1为P=6时的阶跃响应曲线； 曲线2为P=10时的阶跃响应曲线；曲线3为 P=20时的阶跃响应曲线。从图中可以看出：增大 P,系统的快速性变差，系统的稳定性 增强；减小P,系统的快速性变好，稳定性变差。所以 P的选择应该兼顾快速性和稳定 性。 g=poly2tfd(1,[60 1],0,80);% delt=20; % nt=1; % g=poly2tfd(1,[60 1],0,80);% delt=20; % nt=1; % tfinal=1000; % model=tfd2step(tfinal,delt,nt,g);% 传递函数模型转换为阶跃响应模型 plant=model; % p=20; % m1=4;m2=2;m3=1; % 进行模型预测控制器设计 优化时域 控制时域 2. M对系统性能的